Deep Learning Based Residuals in Non-linear Factor Models: Precision Matrix Estimation of Returns with Low Signal-to-Noise Ratio

要約

このペーパーでは、深層学習フレームワーク内の非線形因子モデルを使用した、大規模なポートフォリオにおける資産収益の高精度マトリックスの一貫した推定量と収束率を紹介します。
私たちの推定量は、金融市場に典型的な低い信号対雑音比の環境でも有効であり、弱い要因と互換性があります。
私たちの理論分析は、拡大する資産のディープ ニューラル ネットワークに基づいて、予想される推定リスクの均一な限界を確立します。
さらに、ディープ ニューラル ネットワークにおける誤差共分散の新しい一貫したデータ依存推定器を提供します。
当社のモデルは、広範なシミュレーションと経験において優れた精度を実証しています。

要約(オリジナル)

This paper introduces a consistent estimator and rate of convergence for the precision matrix of asset returns in large portfolios using a non-linear factor model within the deep learning framework. Our estimator remains valid even in low signal-to-noise ratio environments typical for financial markets and is compatible with weak factors. Our theoretical analysis establishes uniform bounds on expected estimation risk based on deep neural networks for an expanding number of assets. Additionally, we provide a new consistent data-dependent estimator of error covariance in deep neural networks. Our models demonstrate superior accuracy in extensive simulations and the empirics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google