92 articles
Ce papier propose une approche de couverture profonde intégrant l'incertitude via un ensemble de réseaux LSTM, démontrant que la combinaison de cette stratégie avec le delta de Black-Scholes, pondérée par le niveau d'incertitude du modèle, améliore significativement la performance de couverture par rapport aux méthodes classiques.
Cette étude démontre par des simulations informatiques la faisabilité d'une analyse macroéconomique sans microfondations en mesurant empiriquement la fonction d'entropie d'économies d'échange simulées, validant ainsi la théorie de la thermodynamique économique qui permet de déduire des prix et d'autres grandeurs économiques à partir de cette entropie.
Cet article propose un modèle de Markov caché hybride combinant des états discrets définis par des quantiles de Laplace et un mécanisme de sauts de Poisson pour générer des séries temporelles financières synthétiques qui reproduisent simultanément avec une grande fidélité les distributions à queues lourdes, la structure temporelle et les effets de grappes de volatilité, surpassant ainsi les modèles GARCH et HMM standards sur l'ensemble des métriques de qualité.
Cet article établit les caractérisations analytiques et les propriétés d'optimisation de la Mesure de Risque Généralisée Pondérée (WGRM) et du Quadrangle de Risque Pondéré (WRQ), démontrant leur capacité à synthétiser des évaluations de risques hétérogènes pour améliorer la prise de décision financière et la résilience des portefeuilles face aux scénarios de marché.
Cet article propose une approche d'apprentissage automatique basée sur un graphe biparti pour prédire les rendements boursiers entre les États-Unis et la Chine, révélant une asymétrie informationnelle marquée où les rendements américains influencent significativement les rendements intrajournaliers chinois, mais non l'inverse.
Cet article propose un modèle de contrôle stochastique à deux niveaux pour le market making dans les marchés RFQ routés par agrégateur, démontrant comment les dynamiques lentes des scores de performance des dealers, couplées à des portes de promotion non linéaires, peuvent générer des bifurcations et des comportements de hystérésis influençant les stratégies de citation optimales.
En exploitant des données transactionnelles propriétaires sur les marchés de repo de titres d'État, cette étude démontre que le pouvoir de marché des intermédiaires et la transmission de chocs hétérogènes entre eux génèrent des frictions de financement responsables d'une déviation significative des rendements obligataires.
Ce papier propose un cadre d'évaluation de sécurité spécifique au secteur financier, incluant une métrique de score de risque ajusté (RAHS) et un pipeline de red-teaming automatisé, pour démontrer que les interactions adaptatives prolongées exacerbent les risques de divulgations financières opérationnelles graves chez les grands modèles de langage.
Ce papier propose un cadre indépendant de modèle pour générer des scénarios de risque SPX-VIX en utilisant une méthode de perturbation sur le transport optimal entropique couplée à la dynamique du ratio de stickiness de la skew, permettant ainsi d'obtenir des estimations de risque rapides et précises sans recalibration complète.
Cet article résout le problème d'optimisation de portefeuille de Merton dans un environnement Volterra multivarié non markovien en utilisant une solution stochastique d'une équation différentielle stochastique rétrograde de type Riccati, permettant de déduire des stratégies optimales sous forme semi-fermée dépendant d'équations de Riccati-Volterra dépendantes du temps.
En utilisant un jeu global, cette étude démontre que la précision des signaux privés et publics influence de manière opposée la probabilité d'une ruée sur les stablecoins selon la solidité de leurs fondamentaux, offrant ainsi une explication théorique à la stabilité de certaines monnaies opaques et à la nature des dépegging.
En se basant sur les données PISA 2022 de dix pays d'Amérique latine et en utilisant des méthodes d'apprentissage automatique interprétables, cette étude identifie que les déterminants clés des élèves en difficulté sont le statut socio-économique défavorisé, l'absence d'équipements numériques, la répétition scolaire, le travail rémunéré et le manque de ressources scolaires, offrant ainsi des pistes pour cibler les élèves les plus laissés pour compte.
Cet article propose un cadre théorique non linéaire pour analyser les réformes des dépenses publiques en Uruguay, démontrant que les coûts d'ajustement institutionnels et les frictions du travail génèrent une trajectoire en forme de J où les dépenses totales augmentent initialement avant de converger vers une allocation plus efficiente à long terme.
Cette étude japonaise révèle que, dans la période post-Covid-19, le soutien à la redistribution des revenus est passé d'une norme sociale inconditionnelle à un altruisme conditionnel dépendant de la confiance dans le gouvernement, creusant ainsi un écart croissant dans les attitudes fiscales.
En exploitant des données de panel japonaises de 2016 à 2024, cette étude révèle que la pandémie de COVID-19 a réduit la préférence pour la redistribution chez les hauts revenus, un effet atténué par la confiance dans le gouvernement mais non influencé par la confiance généralisée ou la réciprocité.
Cette étude révèle que la relation entre la durée du sommeil et les préférences en matière de redistribution fiscale suit une forme de U inversé, où un sommeil de qualité optimale maximise les taux d'imposition acceptés, avec des effets plus marqués chez les revenus élevés et une sensibilité accrue à la qualité du sommeil par rapport à la quantité.
Cet article propose un cadre d'apprentissage profond pour l'optimisation risque-récompense en contrôle stochastique multi-période, prouvant la convergence en probabilité des politiques neuronales paramétrées vers la solution optimale tout en validant leur efficacité par des expériences numériques.
L'article présente Onflow, un algorithme d'allocation de portefeuille sans modèle et en ligne basé sur l'apprentissage par renforcement et les flots de gradient, qui optimise les rendements logarithmiques tout en étant robuste aux coûts de transaction et aux risques de modèle.
Cet article propose FINN, un réseau de neurones auto-supervisé qui intègre la théorie financière via une réplication dynamique pour apprendre l'opérateur de tarification des options, garantissant ainsi la cohérence économique, la précision des prix et des grecques, et une adaptabilité supérieure aux modèles paramétriques traditionnels, même sur des actifs sans marché d'options.
Cet article propose une méthode d'évaluation sans arbitrage pour les réassurances de type « stop-loss » contre les catastrophes, en modélisant les sinistres par un processus de contagion dynamique composé et en utilisant la transformée d'Esscher pour déterminer des primes adaptées aux risques émergents tels que le changement climatique et les cyberattaques.