MétaCan
Menu
Retour à la cohorte
Enregistrement W2023875268 · doi:10.5430/air.v4n2p13

Reproduce stylized facts of artificial financial market and comparison with real data

2015· article· en· W2023875268 sur OpenAlexvenueno aff
Yosra Mefteh Rekik, Mohamed Naceur Souissi

Notice bibliographique

RevueArtificial Intelligence Research · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueComplex Systems and Time Series Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStylized factVolatility clusteringFinancial marketComputational financeVolatility (finance)Big dataExplicationMarket dataCluster analysisOrder (exchange)FinanceEconomicsFinancial economicsComputer scienceArtificial intelligenceAutoregressive conditional heteroskedasticityData miningMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Agent-based computational models represent a big challenge in many disciplines. A vital approach receiving much interest isagent-based models, which gives a new area providing some ways to tackle some of the restrictions of the analytical modelsin finance. The aim of our research is to contribute to the behavioral finance and agent-based artificial markets by studyingtheir market-wise implications using computational simulations. We investigate and analyze the behavioral foundations of thestylized facts of empirical data such as that characterize real data in financial markets. Our results confirm the existence of mostthe stylized facts such as leptokurtosis, non-independently distributed, and volatility clustering. From this attention, the artificialfinancial market will for all time be evaluated in order to have explication about market dynamics in Tunisian financial market.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,360
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,476
Tête enseignante GPT0,407
Écart entre enseignants0,069 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArtificial Intelligence ResearchMême sujetComplex Systems and Time Series AnalysisTravaux en français237 207