BriefGPT - AI 论文速递
·
利用神经密度估计器和嵌入网络进行市场模拟的深度校准
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种新的市场仿真器校准方法，利用深度学习的最新进展，能够正确识别高概率参数集，无需依赖手动选择或加权的简化事实集合。
🎯
关键要点
- 本文介绍了一种新的市场仿真器校准方法。
- 该方法利用深度学习的最新进展，特别是神经密度估计器和嵌入网络。
- 能够正确识别高概率参数集，无需手动选择或加权的简化事实集合。
- 构建金融交易仿真器的能力可以重现限价委托簿的动态。
- 该仿真器能够对闪崩、追加保证金或宏观经济前景变化等反事实情景提供洞见。
- 将仿真器校准到特定交易期间仍然是一个待解决的挑战。
➡️
