Partie II. Augmentation des données
La deuxième partie du livre couvre les concepts sur et les approches pour générer des données pour le Deep Learning financier :
-
Le chapitre 4 met en œuvre des approches de génération de données basées sur la simulation de Monte Carlo (MCS). Une approche consiste à ajouter du bruit blanc à une série chronologique financière existante. Une autre consiste à simuler les données d'une série chronologique financière sur la base d'un modèle financier (une équation différentielle stochastique).
-
Le chapitre 5 montre comment utiliser les réseaux adversaires génératifs (GAN) de l'IA, ou plus précisément de deep learning (DL), pour générer des données de séries temporelles financières qui sont cohérentes et statistiquement indiscernables de la série temporelle financière cible. Une telle série temporelle cible peut être la série de rendement historique d'une action d'une société (pense aux actions Apple) ou les cotations de change historiques (pense au taux de change EUR/USD).
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access