جميع الكتب

1 Primary & Middle School Mathematicsالصفوف 1–9 عبر الإنترنت 2 High School Mathematicsالصفوف 10–12 عبر الإنترنت 3 University Mathematics — Year 1السنة الجامعية 1 عبر الإنترنت 4 University Mathematics — Year 2السنة الجامعية 2 عبر الإنترنت 5 University Mathematics — Year 3السنة الجامعية 3 عبر الإنترنت

1 Primary & Middle School Physicsالصفوف 1–9 عبر الإنترنت 2 High School Physicsالصفوف 10–12 عبر الإنترنت 3 University Physics — Year 1السنة الجامعية 1 عبر الإنترنت 4 University Physics — Year 2السنة الجامعية 2 عبر الإنترنت 5 University Physics — Year 3السنة الجامعية 3 عبر الإنترنت

1 Primary & Middle School Biologyالصفوف 1–9 عبر الإنترنت 2 High School Biologyالصفوف 10–12 عبر الإنترنت 3 University Biology — Year 1السنة الجامعية 1 عبر الإنترنت 4 University Biology — Year 2السنة الجامعية 2 عبر الإنترنت 5 University Biology — Year 3السنة الجامعية 3 عبر الإنترنت

1 Markets I: The Ecosystem and Exchange-Traded Marketsالأسواق عبر الإنترنت 2 Markets II: Rates, FX and Creditالأسواق عبر الإنترنت 3 Markets III: Commodities, Energy and Cryptoالأسواق عبر الإنترنت 4 Quantitative Methodsالأساليب عبر الإنترنت 5 Derivatives and Volatilityالمشتقات عبر الإنترنت 6 Rates, Credit, XVA and Riskالفائدة والائتمان والمخاطر عبر الإنترنت 7 Research Craft: Predictors, Backtests, Measurement, Portfoliosالبحث عبر الإنترنت 8 Strategies I: Equities and Futuresالاستراتيجيات عبر الإنترنت 9 Strategies II: Volatility, Relative Value, Macro and the Bank Desksالاستراتيجيات عبر الإنترنت 10 Microstructure and Executionالتنفيذ عبر الإنترنت 11 Market Making and High-Frequency Tradingصناعة السوق عبر الإنترنت 12 Machine Learning for Marketsتعلم الآلة عبر الإنترنت 13 Low-Latency Softwareالتكنولوجيا عبر الإنترنت 14 Networks, Hardware and Trading Infrastructureالتكنولوجيا عبر الإنترنت 15 Research, Data and Risk Platformsالتكنولوجيا عبر الإنترنت 16 The Desk and the Firmالشركة عبر الإنترنت 17 The Industry: Firms, Roles and Careersالمسارات المهنية عبر الإنترنت 18 The Interview Bookالمسارات المهنية عبر الإنترنت

جميع الألعاب Math Fuse Word Reactor Atlas Dash

التطبيقات حول

المدرب

English Français Español Nederlands Português हिन्दी العربية Bahasa Indonesia

تسجيل الدخول ابدأ القراءة

Quantitative Finance · المسرد

ما معنى Classifier two-sample test, train-on-synthetic test-on-real؟

يُعرف أيضًا باسم: classifier two-sample test · train-on-synthetic test-on-real

Definition 16.5 Machine Learning for Markets · الفصل 16 — Generative Models and Synthetic Data

The classifier two-sample test trains a classifier to tell generated samples from real ones and reports its accuracy on held-out samples: 50% means the classifier cannot tell them apart (Lopez-Paz and Oquab, 2017). Train-on-synthetic test-on-real (TSTR) trains a downstream model on generated data and evaluates it on real data, comparing with the same model trained on real data (Esteban, Hyland and Rätsch, 2017).

	facts	two-sample	TSTR		TSTS	closer than
generator	passed	accuracy	IC	Sharpe	Sharpe	real (%)
real (train on real, test on real)	6	0.545	0.078	0.86		5.0
block bootstrap	6	0.491	0.062	0.71	1.19	14.5
GARCH-t	4	0.539	$-0.019$	$-0.10$	$-0.09$	5.7
VAE	6	0.619	0.040	0.76	0.79	5.1
GAN	3	0.749	0.052	0.52	10.68	11.2
diffusion	4	0.693	0.030	0.23	1.45	1.4

Table 16.1. Five generators judged four ways. Two-sample accuracy of the real row: the training years’ even against odd years. Data: ml_gen.judge.

Volatility clustering: autocorrelation of absolute daily returns within 32-day windows, real training windows against 4 000 windows from each generator. Data: ml_gen.abs_acf. — Figure 16.1. Volatility clustering: autocorrelation of absolute daily returns within 32-day windows, real training windows against 4 000 windows from each generator. Data: ml_gen.abs_acf.

اقرأ في الفصل →