首頁 >> 環球學訊 >> 本網原創
自動化模型“打敗”華爾街分析師
2020年03月31日 16:16 來源:中國社會科學網 作者:王悠然 字號

內容摘要:

關鍵詞:

作者簡介:

  中國社會科學網綜合外媒報道 美國科學家研發了一個基于非常有限的“噪聲”數據預測銷售額的新模型,其準確度超過紐約華爾街的金融分析師。

  國際計算機學會(ACM)主編的期刊《國際計算機學會計算機系統測量與分析會刊》 Proceedings of the ACM on Measurement and Analysis of Computing Systems)2019年12月號刊發了美國麻省理工學院電氣工程與計算機科學系教授德瓦夫拉特·沙阿(Devavrat Shah)等人的論文《使用另類數據預測》(Forecasting with Alternative Data)。

  據論文作者介紹,在金融領域,人們對借助不精確但頻繁產生的另類數據(如信用卡消費數據、智能手機定位數據甚至商鋪停車場的衛星圖像)預測企業經營情況越來越感興趣。若將另類數據與反映基準真相(ground truth)但非頻繁產生的傳統數據(如季度營業額、新聞通稿、股票價格)結合起來,可以清晰地了解一家企業以周或日為時間單位的財務健康狀況。不過,到目前為止,使用另類數據進行準確預測的難度還很大。而且,雖然現在許多消費者數據可以購買取得,但數據分析主要還是由人工執行,尚沒有機器學習模型這樣高質量地完成這一任務。問題的一個關鍵在于數據不足,兩年時間里的周度信用卡交易記錄大約只能產生100個數據點,這個周期內的季度報告智能只能8個數據點,這意味著其中含有許多未被解讀的信息。

  沙阿等人的新研究為這一問題的解決作了初步嘗試。他們從一家對沖基金獲得了2015—2018年34家零售商的季度報告以及以一周或兩周為單位的信用卡交易數據,采用標準推理算法(standard inference algorithm)的一種變體置信傳播(Belief Propagation)來訓練模型估算每一日的可能銷售額,進而計算出周度、月度、季度數字。該模型共得出了306條季度預測,其中57.2%的準確性高于華爾街金融分析專家的預測結果。接下來,研究人員將進一步完善上述模型,使其能將信用卡交易記錄和地點信息等其他另類數據結合起來分析。

 ?。ㄍ跤迫?編譯)

作者簡介

姓名:王悠然 工作單位:

轉載請注明來源:中國社會科學網 (責編:陳茜)
W020180116412817190956.jpg
用戶昵稱:  (您填寫的昵稱將出現在評論列表中)  匿名
 驗證碼 
所有評論僅代表網友意見
最新發表的評論0條,總共0 查看全部評論

回到頻道首頁
QQ圖片20180105134100.jpg
jrtt.jpg
wxgzh.jpg
777.jpg
內文頁廣告3(手機版).jpg
中國社會科學院概況|中國社會科學雜志社簡介|關于我們|法律顧問|廣告服務|網站聲明|聯系我們
欢乐斗地主免费下载 广东36选7好彩 预测 刘伯温精选一码期期准 fg美人捕鱼怎么赢 浙江6 1走势图 分分彩四星万能码 股票趋势软件 北方推倒胡规则 五分彩下载 北京11选5综合走势图 韩国快乐8什么时候停的