Sig-Splines：时间序列生成模型的通用逼近与凸校准
机器学习
2023-07-20 v1 人工智能
计算金融
统计金融
摘要
我们提出了一种用于多元离散时间时间序列数据的新型生成模型。受神经样条流构造的启发，我们的算法将线性变换与签名变换作为传统神经网络的无缝替代。该方法使我们不仅能够实现神经网络固有的通用逼近性质，还引入了模型参数的凸性。
引用
@article{arxiv.2307.09767,
title = {Sig-Splines: universal approximation and convex calibration of time series generative models},
author = {Magnus Wiese and Phillip Murray and Ralf Korn},
journal= {arXiv preprint arXiv:2307.09767},
year = {2023}
}