归一化流的可灵活尾部及其在金融收益数据建模中的应用
机器学习
2023-11-02 v1 机器学习
摘要
受极值理论启发，我们提出了一种能够改变分布尾部特性的变换，该变换可用作归一化流中的一层以近似多元重尾分布。我们将此方法应用于建模金融收益，捕捉此类数据中可能出现的极端冲击。训练后的模型可直接用于生成新的潜在极端收益合成数据集。
引用
@article{arxiv.2311.00580,
title = {Flexible Tails for Normalising Flows, with Application to the Modelling of Financial Return Data},
author = {Tennessee Hickling and Dennis Prangle},
journal= {arXiv preprint arXiv:2311.00580},
year = {2023}
}
备注
7 pages, 1 figure