FRAT - Financial random academic thoughts

Факторные модели с использованием ML и аналога ChatGPT.

Статья (январь 2025) показывает, как можно использовать модели-трансформеры в объяснении рисков финансовых активов. Основная идея - что факторы строятся динамически, их веса меняются во времени, а сама модель нелинейна (хотя даже простой случай с линейностью уже улучшает объяснение рисков). Вывод из модели - что рост числа параметров модели позволяет улучшать Sharpe ratio для так называемого "рыночного портфеля", и что ошибки объяснения доходностей индивидуальных акций снижаются.

Это довольно обычная ситуация в большинстве применений трансформеров, в том числе в ChatGPT и GigaChat. Исторически больше параметров давали более удачные модели, и видимо, это верно для последних версий ChatGPT "с рассуждением". Правда, у авторов небольшие наборы - от 100 тыс. до 1 млн параметров, но даже это даёт сильное улучшение.

Вывод: минимум две темы для студентов в следующем году будут про это.

#AI #Factors #Teaching

NBER

Artificial Intelligence Asset Pricing Models

The core statistical technology in artificial intelligence is the large-scale transformer network. We propose a new asset pricing model that implants a transformer in the stochastic discount factor. This structure leverages conditional pricing information…

www.group-telegram.com/ru/olegshibanov.com/1512

1.8K viewsedited  Jan 26 at 01:44

Факторные модели с использованием ML и аналога ChatGPT.

Статья (январь 2025) показывает, как можно использовать модели-трансформеры в объяснении рисков финансовых активов. Основная идея - что факторы строятся динамически, их веса меняются во времени, а сама модель нелинейна (хотя даже простой случай с линейностью уже улучшает объяснение рисков). Вывод из модели - что рост числа параметров модели позволяет улучшать Sharpe ratio для так называемого "рыночного портфеля", и что ошибки объяснения доходностей индивидуальных акций снижаются.

Это довольно обычная ситуация в большинстве применений трансформеров, в том числе в ChatGPT и GigaChat. Исторически больше параметров давали более удачные модели, и видимо, это верно для последних версий ChatGPT "с рассуждением". Правда, у авторов небольшие наборы - от 100 тыс. до 1 млн параметров, но даже это даёт сильное улучшение.

Вывод: минимум две темы для студентов в следующем году будут про это.

#AI #Factors #Teaching

BY FRAT - Financial random academic thoughts