Risk of Transfer Learning and its Applications in Finance

要約

転移学習は、以前の学習タスクからの既存の知識を利用して新しい学習タスクのパフォーマンスを向上させる、新しく人気のあるパラダイムです。
この論文では、転移リスクの新しい概念を提案し、その特性を分析して転移学習の転移可能性を評価します。
私たちは、転移学習技術とこの移転リスクの概念を株式収益予測とポートフォリオ最適化の問題に適用します。
数値結果は、転移リスクと全体的な転移学習パフォーマンスとの間に強い相関関係があることを示しており、転移リスクは、ポートフォリオ最適化のための大陸間、セクター間、周波数間の転移など、転移学習における適切なソースタスクを特定するための計算効率の高い方法を提供します。

要約(オリジナル)

Transfer learning is an emerging and popular paradigm for utilizing existing knowledge from previous learning tasks to improve the performance of new ones. In this paper, we propose a novel concept of transfer risk and and analyze its properties to evaluate transferability of transfer learning. We apply transfer learning techniques and this concept of transfer risk to stock return prediction and portfolio optimization problems. Numerical results demonstrate a strong correlation between transfer risk and overall transfer learning performance, where transfer risk provides a computationally efficient way to identify appropriate source tasks in transfer learning, including cross-continent, cross-sector, and cross-frequency transfer for portfolio optimization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google