25 artículos
Este artículo estudia la distribución de riesgos entre agentes con medidas de riesgo de distorsión heterogéneas y no necesariamente aversas al riesgo, derivando soluciones explícitas para la inf-convolución y la inf-convolución contra-monótona bajo supuestos leves.
Este artículo presenta un modelo estocástico continuo que extiende el modelo Gordon-Loeb mediante un proceso de Hawkes para capturar la agrupación de ciberataques, determinando mediante control óptimo estocástico una estrategia de inversión en ciberseguridad más dinámica y efectiva que los enfoques tradicionales basados en Poisson.
Este artículo demuestra que, en casos de pérdidas con colas pesadas y media infinita, la diversificación puede aumentar el riesgo de cola en comparación con concentrar la exposición en un solo activo, estableciendo condiciones bajo las cuales una cartera diversificada domina estocásticamente a un portafolio de "una sola cesta".
Este artículo introduce el marco de riesgo de liquidez "Slippage-at-Risk" (SaR), una métrica prospectiva basada en la microestructura del libro de órdenes que cuantifica el riesgo de ejecución de liquidaciones, ajusta la fragilidad de la concentración de los creadores de mercado y vincula estos indicadores con los requisitos de capital óptimos, demostrando su validez predictiva mediante datos de Hyperliquid durante la cascada de liquidaciones del 10 de octubre de 2025.
Este artículo presenta un marco unificado que reconstruye la estructura multinivel de la economía a partir de datos de balances financieros para simular la propagación de choques y evaluar el riesgo sistémico sin depender de información de redes confidencial.
Este artículo presenta un método de aprendizaje por conjuntos basado en regresión de procesos gaussianos que, al reducir la complejidad computacional y aprovechar la naturaleza bayesiana para gestionar la incertidumbre, supera estadística y económicamente a los modelos existentes en la predicción de rendimientos accionarios y en la construcción de carteras óptimas.
Este artículo desarrolla un marco de análisis no estándar para estimar riesgos coherentes mediante representaciones hiperfinitas, fórmulas discretas de Kusuoka y resultados de consistencia y normalidad asintótica para estimadores de tipo plug-in, estableciendo una conexión transparente entre la teoría de la probabilidad y la estadística.
Este artículo presenta Calibrated Credit Intelligence (CCI), un marco de trabajo orientado a la implementación que combina puntuadores bayesianos, gradient boosting con restricciones de equidad y una estrategia de fusión consciente del cambio de distribución para generar puntuaciones de riesgo crediticio precisas, bien calibradas y justas ante la deriva temporal.
El artículo propone Generative Adversarial Regression (GAR), un marco que utiliza un enfoque minimax para entrenar generadores que aprenden escenarios de riesgo condicionales alineados con objetivos de riesgo elicitables (como VaR y ES), demostrando en datos del S&P 500 una superioridad en la preservación del riesgo frente a métodos tradicionales.
Este artículo propone un modelo híbrido de Markov oculto que combina estados de mercado discretos definidos por cuantiles Laplace con un mecanismo de saltos de Poisson para generar series temporales financieras sintéticas que superan a los modelos existentes al preservar simultáneamente distribuciones de colas pesadas, agrupación de volatilidad y estructuras temporales realistas.
Este artículo establece las caracterizaciones analíticas y la estructura de optimización de la Medida de Riesgo Generalizada Ponderada (WGRM) y su cuadrángulo de riesgo asociado, demostrando mediante análisis empíricos que este marco permite sintetizar evaluaciones de riesgo heterogéneas para lograr una toma de decisiones más robusta y un mejor desempeño ajustado al riesgo en comparación con los pronósticos de escenarios únicos.
Este artículo propone un modelo de control estocástico de dos niveles para la creación de mercados en RFQs agregados, demostrando cómo las puertas de promoción basadas en puntuaciones de victorias generan dinámicas de bifurcación y un patrón endógeno de "campaña vs. cosecha" en las estrategias óptimas de cotización.
Este artículo presenta nuevos algoritmos numéricos de un solo nivel y multinivel que combinan técnicas de inversión de Fourier con muestreo cuasi-Monte Carlo aleatorizado para estimar de manera eficiente y precisa el riesgo de déficit multivariante y sus asignaciones óptimas, superando a los métodos tradicionales de Monte Carlo en términos de convergencia y costo computacional.
El artículo presenta un marco robusto para la gestión del riesgo de mortalidad en seguros de vida que deriva cotas superiores e inferiores para funcionales de la duración de la vida, permitiendo calcular los valores de contratos en los escenarios peor y mejor caso compatibles con las tablas de vida observadas, tanto bajo trayectorias de mortalidad estrictamente consistentes como bajo una formulación relajada que permite desviaciones esperadas.
Este artículo propone un modelo de valoración libre de arbitraje para el reaseguro de catástrofes con prima de stop-loss, utilizando un proceso de contagio dinámico compuesto y la transformada de Esscher para cuantificar las responsabilidades ante riesgos emergentes como el cambio climático y las pandemias, y valida los resultados mediante simulaciones de Monte Carlo y análisis de sensibilidad.
Este artículo demuestra que la subaditividad del Valor en Riesgo (VaR) es imposible para variables aleatorias no degeneradas en y establece condiciones estructurales de dependencia negativa y dominancia del simplex que garantizan su superaditividad completa, ofreciendo un marco unificado para variables con colas pesadas y dependencias no idénticas.
Este artículo estudia el intercambio óptimo de riesgos en redes descentralizadas, caracterizando las reglas de reparto lineal entre amigos conectados y estableciendo una conexión con el laplaciano del grafo en el caso de reparto equitativo.
Este artículo profundiza en el debate sobre la provisión de reclamaciones individuales, proponiendo una metodología basada en el método de cadena de escalera que busca superar las limitaciones de los enfoques existentes y establecer un nuevo estándar práctico para la reserva a nivel micro.
Este estudio de referencia evalúa modelos de supervivencia, destacando el modelo de riesgo discreto (DtH), para estimar la estructura temporal del riesgo de baja de préstamos bajo IFRS 9, concluyendo que, aunque supera a otros enfoques de dos etapas, un modelo de una sola etapa sigue siendo superior debido a la distribución en forma de L de la severidad de las pérdidas.
Este artículo presenta dos marcos de aprendizaje por refuerzo, RLOP y QLBS, diseñados para agentes autónomos de cobertura de opciones que priorizan la probabilidad de déficit y la gestión del riesgo de cola, demostrando empíricamente una mejora en la estabilidad financiera frente a los modelos paramétricos tradicionales.