Matthew F. Dixon¶
US-amerikanischer Akademiker, Professor am Illinois Institute of Technology. Arbeitet zu maschinellem Lernen in der Finanzanwendung.
Werke im Wiki¶
- 2026-07-28_dixon_halperin_bilokon_machine_learning_finance — Machine Learning in Finance: From Theory to Practice (Springer, 2020)
Kernbeitrag¶
Dixons Beitrag ist die Verankerung in Inferenz statt in Rezepten. Sein Buch beginnt bei bayesianischer und frequentistischer Schaetzung und kommt erst danach zu Modellen — die Trennlinie zwischen ernsthafter und oberflaechlicher ML-Finanzliteratur.
Zweiter Schwerpunkt: Interpretierbarkeit als eigenstaendiges Thema. In der Finanzanwendung ist ein Modell, dessen Entscheidung niemand erklaeren kann, praktisch schwer einsetzbar — weil man ohne Erklaerung nicht erkennt, wann es ausserhalb seines Gueltigkeitsbereichs arbeitet.
Links¶
- bayesianisches_denken — die Inferenzgrundlage
- regime_change_risiko — was Hidden-Markov-Modelle formalisieren
- finanzmodell_grenzen — die Interpretierbarkeitsfrage
- quantitative_finance — Topic