정보 병목 자산 가격 모델

심층 신경망(DNN)은 금융 데이터 내 복잡한 비선형 관계를 모델링하는 강력한 능력 덕분에 금융 자산 가격 책정에서 상당한 주목을 받고 있습니다. 그러나 정교한 모델은 금융 데이터의 잡음 정보에 과적합될 위험이 있어 성능이 저하될 수 있습니다. 이 문제를 해결하기 위해 낮은 신호 대 잡음 비율을 가진 데이터를 압축하여 중복 정보를 제거하고 자산 가격 책정을 위한 중요한 정보를 보존하는 정보 병목 자산 가격 모델을 제안합니다. 우리의 모델은 비선형 매핑 과정에서 상호 정보를 제약합니다. 구체적으로, 우리는 입력 데이터와 압축된 표현 사이의 상호 정보를 점진적으로 줄이는 동시에 압축된 표현과 출력 예측 사이의 상호 정보를 증가시킵니다. 이 설계는 데이터의 잡음 본질을 가진 관련 없는 정보가 금융 비선형 관계 모델링 과정 중에 잊혀지도록 하여 최종 자산 가격 책정에 영향을 미치지 않도록 합니다. 정보 병목의 제약을 활용하여 우리의 모델은 심층 신경망의 비선형 모델링 능력을 이용해 금융 데이터 내 복잡한 관계를 포착할 뿐만 아니라 정보 압축 과정에서 잡음 정보를 걸러내도록 보장합니다.