ETS 挑战赛：一种用于评估模拟金融时间序列以改进生成过程的机器学习方法
计算金融
2018-11-20 v1
摘要
本文提出一个评估框架，试图量化模拟金融时间序列的“真实度”，无论其模拟方法为何，旨在发现这类方法未能正确复现的未知特征，从而加以改进。为此，该评估框架被构建为一个机器学习问题，其中须将给定的一些时间序列样本分类为模拟或真实的金融时间序列。该“挑战”以类似于 Kaggle 平台发布的公开竞赛形式提出，参与者须提交其分类结果以及所用特征与分类器的说明。这些“挑战”的结果揭示了金融数据的一些有趣性质，并使我们研究中某些模拟方法得到实质性改进，其中部分将在本工作中描述。
引用
@article{arxiv.1811.07792,
title = {The ETS challenges: a machine learning approach to the evaluation of simulated financial time series for improving generation processes},
author = {Javier Franco-Pedroso and Joaquin Gonzalez-Rodriguez and Maria Planas and Jorge Cubero and Rafael Cobo and Fernando Pablos},
journal= {arXiv preprint arXiv:1811.07792},
year = {2018}
}