非最優行為的機器學習

當我注意到該練習通常（非常）次優時，我正在研究複雜的百慕大掉期期權的定價。與目前的價值相比，客戶似乎對過去的增長或利率下降更敏感。

我正在尋找一種對次優行為進行建模的方法，並且我對機器學習很感興趣。但我找不到關於次優選項練習的任何參考。

您是否有任何更廣泛的機器學習範例應用於複製人類非最佳行為？

編輯：嗯，我在 ML 方面有一點背景（在 Coursera 上完成了 Andrew Ng 課程，目前正在以極快的速度通過 ESLII）。我知道有很多應用程序（請參閱此處以獲取大量範例）。我玩了一些基本的算法和我的數據。我有一些有趣的結果，但也有一些事情要調查。我的問題更多是關於量化金融。

你的問題太寬泛了，但我有很多使用機器學習來模仿人類行為的例子。例如，深度學習在 25 年前被用於讀取銀行中的支票，或者在 15 年前被用於支持向量機來實現人工視覺，或者貝氏網路被用於模擬專家診斷。

如果您可以實施監督學習，我想在您的情況下使用機器學習並不難。這意味著你應該有一個人類決策的數據庫 $ D $ 與產品相關的 $ P $ 和市場環境 $ C $ . 然後您的目標將是模擬該功能：

$$ D=F(P,C)+\varepsilon. $$ 當然（與機器學習中的往常一樣），您需要專注於預處理，以確保產品的特徵和市場環境融合在一起 $ F $ 一種方便的方式。 然後你將不得不選擇一類模型；由於需要對變數和數據數量的描述，因此很難在這麼早的階段為您提供幫助。儘管如此，我還是在 quant.stackexchange 上詳細介紹了人工神經網路。

編輯：

1. 你應該照顧信用評分。它模擬了消費者為獲得信貸而承擔風險的方式。
2. 神經網路通常可以很好地估計機率。它來自這樣一個事實，如果您在以 0 或 1 作為輸出的數據庫上訓練它們（對您而言，將是對練習的觀察與否），它們最終會得到介於 0 和 1 之間的實數，即練習。

引用自：https://quant.stackexchange.com/questions/14334