পরিমাণগত অর্থায় এইচএমএম ব্যবহার। প্রবণতা / টার্নিং পয়েন্টগুলি সনাক্ত করতে কাজ করে এমন এইচএমএম এর উদাহরণগুলি?

Question

আমি এই জাতীয় "লুকানো মার্কোভ মডেলস" নামে অভিহিত জগতগুলি আবিষ্কার করছি, এটি "রেজিম স্যুইচিং মডেল" নামে পরিচিত। প্রবণতা এবং টার্নিং পয়েন্টগুলি সনাক্ত করতে আমি আর এইচএমএমকে মানিয়ে নিতে চাই। আমি যতটা সম্ভব মডেলটি তৈরি করতে চাই যাতে আমি এটি অনেক দামে পরীক্ষা করতে পারি।

কেউ কি একটি কাগজ সুপারিশ করতে পারেন? আমি কয়েকটি দেখেছি (এবং পড়েছি) (এর চেয়েও বেশি) তবে আমি একটি সহজ মডেল খুঁজছি যা কার্যকর করা সহজ।

এছাড়াও, কি প্যাকেজগুলির সুপারিশ করা হয়? আমি দেখতে পাচ্ছি তাদের মধ্যে অনেকগুলি এইচএমএম করছে।

আমি "সিরিজটির জন্য লুকানো মার্কভ মডেল বইটি: আর ব্যবহার করে একটি পরিচিতি" বইটি কিনেছি, এতে কী আছে তা দেখুন;)

ফ্রেড

Comments

নেই পরিমাণগত ফাইনান্স প্রশ্নের জন্য অন্য StackExchange সাইটে ।

— isomorphismes

প্রবণতার সফলভাবে পূর্বাভাস দেওয়ার জন্য: এটিই বিলিয়ন ডলারের প্রশ্ন।

— isomorphismes

@ লাও তজু: পরিমাণগত অর্থের জন্য স্ট্যাক এক্সচেঞ্জ সাইট সম্পর্কে, আমি সন্দেহ করি যে সেখানকার ছেলেরা এইচএমএম সম্পর্কে কিছু জানে

— রকসায়েন্স

আমি মনে করি আপনি খুঁজে পেয়েছেন তারা লুকানো মার্কভ মডেল, রেজিম স্যুইচিং, বুস্টিং এবং আরও কিছুর সাথে পরিচিত। মেশিন লার্নিং কোয়ান্ট-ফিনান্সে ফ্যাশনেবল।

— isomorphismes

সাবধানতার কথা: লুকানো মার্কভ মডেলগুলি মার্কভ (রেজিম) স্যুইচিং মডেলের মতো নয়।

— ঝুবার্ব

Answer 1

আমি মনে করি যে কয়েকটি পদ্ধতি ব্যবহার করা যেতে পারে তবে এটি আপনার জন্য বিশেষভাবে ডিজাইন করা হয়নি, সেগুলি নিম্নরূপ:

মডেলিং পদ্ধতির:

1. বিষয় মডেল (নথি এবং / অথবা তথ্য পুনরুদ্ধারের একটি সেট মধ্যে প্যাটার্স সন্ধান করতে ব্যবহৃত)

   ক। সবচেয়ে সহজ একটি হ'ল এলডিএ

   খ। গতিশীল বিষয়গুলির মডেল (আইএমএইচও, আপনার ক্ষেত্রে সবচেয়ে বেশি ডোমেন জ্ঞান ছাড়াই উপযুক্ত)

   গ। সম্পর্কযুক্ত বিষয়গুলির মডেলগুলি (আইএমএইচও, যদি ২ ভাল না হয় তবে এটি চেষ্টা করে বোঝা যায়)

   এই পদ্ধতির অর্থায়নে ব্যবহৃত হয় না (আমি সচেতন নই, কারণ আমি বিশেষত অর্থায়নে কাজ করি না), তবে তাদের খুব সাধারণ প্রয়োগযোগ্যতা রয়েছে। তারা সুপ্ত পরিবর্তনশীল ফর্মুলেশন ব্যবহার করে যা এইচএমএম-এর মতোই। তারা বিষয় মডেলিংয়ের ক্ষেত্রে অত্যাধুনিক বলে দেখিয়েছে। আপনি ডেভিড Blei দ্বারা একটা চমৎকার উপস্থাপনা (মহান উপস্থাপক ছাড়া তার সন্ত্রস্ত !! গবেষণা থেকে) দেখতে পারেন এখানে । নির্দিষ্ট তথ্যসূত্র, উপস্থাপনার জন্য স্লাইড এবং আরও জটিল মডেলগুলি তার ওয়েবসাইট থেকে অ্যাক্সেস করা যায় । তিনি কিছু দুর্দান্ত কাজ করছেন যা খুব সাধারণ, তাই যদি তিনি ইতিমধ্যে অর্থের ক্ষেত্রে কিছু করেন তবে অবাক হওয়ার কিছু নেই might একই ক্ষেত্রে আরেকটি দুর্দান্ত রেফারেন্স হলেন তাঁর উপদেষ্টা মাইকেল জর্ডানেরওয়েবসাইট। তিনি এতটা প্রকাশ করায় সেখানে নির্দিষ্ট উল্লেখ খুঁজে পাওয়া মুশকিল!

2. সময় সিরিজ এবং অনুক্রমিক ডেটা মডেল (বিশেষত এইচএমএম)

   জর্ডান এবং ব্লি ছাড়াও অন্যান্য বিস্তৃত গবেষণা হ'ল জউবিন ঘারমণি (এবং তাঁর সহকারী বিয়াল)। আপনার প্রয়োজনীয় নির্দিষ্ট এইচএমএম মডেলগুলি আপনি এখানে পেতে পারেন । কয়েকটি চিত্তাকর্ষক সেগুলি হলেন: অসীম লুকানো মার্কোভ মডেলগুলি, সময় সংবেদনশীল ডিরিচলেট প্রক্রিয়া মিশ্রণ মডেল।

3. সফটওয়্যার

   একটা আর প্যাকেজ বলা হয় LDA "ভালো" মডেলের অধিকাংশ জন্য এবং topicmodels। ব্লেই এবং ঘড়ামণি তাদের ওয়েবসাইটে সি, মতলব কোডও বজায় রাখে।

শুভকামনা!

Comments

@ শ্রীকান্ত, আপনি কীভাবে ১, ২, ২. ৩ কাজ করতে পারবেন? আমি, আমার জীবনের জন্য, এটি বের করতে পারি না!

— সানকুলসু

ম্যাজিক! গোপনীয়তা: নিম্নলিখিত প্যারাগুলির শুরুতে একটি স্থান টাইপ করুন: "এগুলি ... ... এবং" একটি আর প্যাকেজ রয়েছে ... "।

@ রকসায়েন্স: আমি আর্থিক সময় সিরিজের প্রসঙ্গে এইচএমএম-এর দিকে নজর রেখেছি। তবে এই অ্যাপ্লিকেশন ক্ষেত্রের সংস্থানগুলির পরিমাণ খুব সীমাবদ্ধ (কয়েকটি কাগজপত্র এবং থিসিস এবং সমস্ত ইন্টার-ডে ডেটার দিকে তাকিয়ে আছে)। যেমনটি আপনি জানেন, এইচএমএমগুলি বক্তৃতা স্বীকৃতি, প্রাকৃতিক ভাষার মডেলিং, জৈবিক ক্রম বিশ্লেষণ ইত্যাদিতে বেশি ব্যবহৃত হয় আপনি কী এমন কোনও কারণ সম্পর্কে জানেন যে এইচএমএমগুলি আর্থিক সময় সিরিজে ব্যবহার করা হয় না? এটি কি এই ঘটনার সাথে সম্পর্কিত যে মার্কোভের শৃঙ্খলাগুলি সমজাতীয় নয় এবং স্থানান্তর ও নির্গমন সম্ভাবনাগুলি সময়কালে ব্যাপকভাবে পরিবর্তিত হয়?

— ঝুবার্ব

আমরা নিবন্ধগুলি থেকে জানি যে বাউম রেনেসাঁ প্রযুক্তিগুলিতে কাজ করতে গিয়েছিল তাই আমি অনুমান করি যে কয়েকজন অভিজ্ঞ খেলোয়াড়ের ব্যবহার রয়েছে। আমার কল. অভিজ্ঞ ভাল হাতে যখন তাদের ব্যবহার খুব ভাল হয় এবং খুব অভিজ্ঞ কয়েক হাত থাকে এবং তারা এটি ব্যবহার না করে বলে।

— বার্নাব্যি