92 artículos
Este artículo presenta un marco de cobertura profunda con cuantificación de incertidumbre mediante ensembles de redes LSTM que, al combinar sus predicciones con el delta de Black-Scholes ponderado por la confianza del modelo, supera significativamente tanto a las estrategias clásicas como a las óptimas teóricas en términos de riesgo condicional (CVaR).
Este artículo demuestra mediante simulaciones computacionales la viabilidad de medir empíricamente la función de entropía en economías de intercambio simuladas, validando así el enfoque de la termodinámica económica para analizar fenómenos macroeconómicos sin depender de fundamentos microeconómicos.
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 marco de aprendizaje automático basado en grafos bipartitos que aprovecha las horas de negociación no superpuestas de los mercados de EE. UU. y China para revelar una asimetría informativa significativa, donde los rendimientos estadounidenses previenen eficazmente los rendimientos intradía chinos, pero no a la inversa.
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.
Utilizando datos transaccionales de operaciones de repo respaldados por bonos del gobierno británico, este estudio demuestra que el poder de mercado de los intermediarios y la transmisión de choques heterogéneos entre ellos generan fricciones de financiación que explican desviaciones significativas en los rendimientos de los bonos y afectan la liquidez del mercado.
Este trabajo propone un marco de evaluación de seguridad para modelos de lenguaje en el sector financiero que introduce la puntuación de daño ajustada al riesgo (RAHS) y un pipeline de red teaming automatizado para cuantificar la severidad operativa de las vulnerabilidades específicas del dominio, demostrando que la interacción adversaria sostenida y la estocasticidad en la decodificación aumentan tanto el éxito de los jailbreaks como la gravedad de las divulgaciones financieras.
Este artículo propone un marco independiente de modelos que utiliza una metodología de perturbación aplicada al transporte óptimo para generar escenarios de riesgo y estimaciones de sensibilidad para el SPX y el VIX de manera rápida y precisa, evitando la necesidad de recalibraciones completas tras choques de mercado.
Este artículo resuelve el problema de optimización de cartera de Merton en un entorno de Volterra multivariado no markoviano mediante el uso de una ecuación diferencial estocástica hacia atrás de tipo Riccati, obteniendo estrategias óptimas en forma semi-cerrada que ilustran el impacto de la volatilidad rugosa estacionaria.
Este artículo utiliza un modelo de juego global para demostrar cómo la información pública y privada afecta la probabilidad de corridas bancarias en las stablecoins, revelando que una mayor precisión de las señales privadas puede paradójicamente aumentar la estabilidad en fundamentos fuertes y explicando así la resiliencia de las stablecoins opacas.
Utilizando datos de PISA 2022 y métodos de aprendizaje automático interpretables, este estudio identifica que el dominio de lenguas minoritarias, la repetición escolar, la pobreza, la falta de dispositivos digitales, el trabajo remunerado y las deficiencias escolares son los principales determinantes del bajo rendimiento estudiantil en América Latina tras la pandemia.
Este artículo presenta un marco teórico no lineal que modela la dinámica de la reforma del gasto público en Uruguay, demostrando que los costos de ajuste institucional y las fricciones laborales generan una trayectoria de gasto en forma de J, donde el gasto total aumenta inicialmente antes de converger hacia una asignación más eficiente a largo plazo.
Este estudio sobre datos japoneses revela que, tras la pandemia, el apoyo a la redistribución de ingresos ha pasado de ser un valor normativo incondicional a depender de la confianza en el gobierno, creando una brecha donde los individuos de altos ingresos condicionan su altruismo a dicha confianza institucional.
Utilizando datos de panel individuales de Japón (2016-2024), el estudio revela que la pandemia de COVID-19 redujo la preferencia por la redistribución de ingresos entre los grupos de altos ingresos, un efecto que se atenuó en aquellos con mayor confianza en el gobierno, mientras que la confianza generalizada y la reciprocidad no influyeron en dicha disminución.
Este estudio utiliza un modelo de encuesta en línea para demostrar que la relación entre la duración del sueño y las preferencias de redistribución sigue una forma de U invertida, donde un sueño óptimo y de alta calidad se asocian con tasas impositivas más altas, especialmente en grupos de altos ingresos y bajo escenarios de redistribución intensiva.
Este artículo presenta un marco basado en redes neuronales para problemas de control estocástico de riesgo-recompensa con políticas de retroalimentación de dos pasos, demostrando teóricamente la convergencia en probabilidad del óptimo empírico hacia el valor óptimo real y validando su eficacia mediante experimentos numéricos que confirman la robustez y precisión del método.
El artículo presenta Onflow, un algoritmo de asignación de carteras basado en aprendizaje por refuerzo y flujos de gradiente que optimiza los retornos logarítmicos sin asumir distribuciones de rentabilidad y demuestra ser robusto y superior a métodos existentes en escenarios con altos costos de transacción.
Este artículo presenta FINN, una red neuronal informada por finanzas que aprende la geometría de la valoración de opciones mediante un objetivo de cobertura dinámica auto-supervisado, logrando así consistencia económica, recuperación de relaciones fundamentales como la paridad put-call y una adaptación superior a entornos de volatilidad estocástica sin depender de soluciones analíticas o datos históricos de precios de opciones.
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.