92 articles
Cette étude caractérise l'équilibre de Nash des marchés de crédits d'offset carbone en utilisant l'apprentissage par renforcement (Nash-DQN) pour surmonter la complexité computationnelle du problème, démontrant ainsi la viabilité de cette approche pour générer des économies financières significatives aux entreprises émettrices.
Cet article propose une solution au paradoxe de la prime de risque en développant un modèle dérivé du CAPM basé sur la consommation, qui, en supposant des facteurs d'actualisation temporelle entre 0,97 et 0,99, aboutit à un coefficient d'aversion au risque relative d'environ 4,40 compatible avec la littérature empirique et valide la robustesse du modèle.
Cette étude démontre que, bien qu'un lien statistique apparent existe entre le nombre de déclarations d'opérations suspectes et les condamnations pour blanchiment d'argent dans l'Union européenne, cette corrélation est en réalité spurious et non causale, car elle disparaît une fois contrôlée pour les tendances temporelles communes, suggérant ainsi qu'une simple augmentation des déclarations ne garantit pas davantage de condamnations.
Cet article démontre que la sous-additivité de la Value-at-Risk (VaR) est impossible pour des variables aléatoires unilatérales sauf en cas d'additivité exacte, et établit des conditions structurelles de dépendance négative et de dominance du simplexe pour caractériser sa super-additivité.
Cet article propose un nouveau paradigme de simulation intégrant des modèles physiques et comportementaux pour évaluer de manière anticipée les impacts directs et indirects des réglementations du trafic urbain, comme démontré par une étude de cas sur les restrictions de circulation.
Ce papier présente WaveLSFormer, un modèle Transformer basé sur des ondelettes apprenables qui optimise directement les rendements ajustés au risque en générant des portefeuilles long-short de marché neutre via une décomposition multi-échelle et une injection hiérarchique de fréquences, surpassant ainsi les architectures existantes sur des données financières horaires.
Cet article caractérise la règle optimale de partage des risques dans un réseau décentralisé où seuls les agents connectés peuvent s'assurer mutuellement, établissant notamment un lien entre le partage égalitaire des risques et le laplacien du graphe.
Cette étude démontre l'inefficacité des marchés des cryptoactifs en rejetant empiriquement des restrictions d'équilibre nécessaires, ce qui suggère la présence de frictions entravant la réallocation du capital plutôt qu'une simple mauvaise évaluation des risques.
Cette étude démontre que la gouvernance des DAO, bien que conçue pour être décentralisée, tend à se concentrer entre les mains d'un petit nombre de participants actifs lorsque le flux de propositions dépasse la capacité de surveillance collective, révélant ainsi un mécanisme de « trop grand pour être surveillé ».
Cet article présente un modèle d'équilibre général dans un monde linéaire où le commerce et les frontières sont déterminés de manière endogène, offrant un cadre unifié pour rationaliser les résultats géopolitiques et analyser les enjeux d'économie politique, de sécurité et d'idéologie.
Cette étude démontre que l'intégration de signaux de sentiment multidimensionnels extraits par des modèles de langage (LLM) et des modèles financiers traditionnels améliore la prédiction des rendements hebdomadaires des contrats à terme sur le pétrole brut WTI, en mettant en évidence l'importance cruciale de l'intensité et de l'incertitude au-delà de la simple polarité.
Cette étude démontre que, dans le cadre de l'étiquetage humain d'événements rares, l'utilisation d'un flux de rétroaction équilibré et d'une elicitation probabiliste, combinées à une recalibration des labels, atténue les biais cognitifs et améliore significativement la fiabilité des modèles d'IA en aval.
Cet article vise à approfondir le débat sur la provisionnement des sinistres individuels en proposant une nouvelle méthodologie fondée sur la méthode chain-ladder classique, afin de surmonter les limites des approches existantes et d'établir une nouvelle norme pour la réserve au niveau micro.
Ce papier présente DatedGPT, une famille de douze modèles de langage entraînés sur des données temporellement partitionnées avec des coupures annuelles strictes, afin d'éliminer le biais de vision rétrospective dans les prévisions financières tout en maintenant des performances compétitives.
Cette étude de référence propose une méthode d'analyse de survie pour modéliser la structure par terme du risque de dépréciation des prêts sous IFRS 9, démontrant que si un modèle de hazard discret en deux étapes surpasse les autres approches à deux étapes, un modèle unique reste optimal en raison de la distribution spécifique des pertes dans les données.
Cette étude applique l'analyse de l'entropie informationnelle aux marchés mondiaux durant les 100 premiers jours du second mandat de Donald Trump pour démontrer que cette métrique, distincte de la volatilité classique, permet de détecter efficacement les chocs politiques concentrés et de mieux caractériser les dynamiques de marché turbulentes.
En utilisant un modèle de chaîne d'approvisionnement mondiale calibré sur les données de l'OCDE, cette étude évalue la vulnérabilité de l'économie indienne aux sanctions étrangères et identifie l'Arabie saoudite comme son principal risque d'approvisionnement, suivie par les Émirats arabes unis, la Chine, Singapour, les États-Unis et la Russie.
Cette étude démontre que l'augmentation de l'intelligence et de la diversité des agents IA peut empirir les résultats collectifs en cas de pénurie de ressources, car la sophistication de ces agents aggrave la surcharge du système à moins que la capacité disponible ne dépasse un seuil critique déterminé par la formation spontanée de tribus.
Cet article propose la première caractérisation exacte de l'équilibre dans des jeux LQG continus à joueurs finis avec signaux endogènes, en réduisant la hiérarchie infinie de croyances à un point fixe déterministe via un processus de Volterra qui quantifie la valeur marginale de la manipulation stratégique des anticipations adverses.
Bien que les subventions interdisciplinaires produisent des publications interdisciplinaires, cette étude révèle que les subventions disciplinaires sont en réalité plus efficaces pour générer des recherches interdisciplinaires à fort impact, soulignant ainsi l'importance cruciale de l'expertise et des investissements disciplinaires pour faire avancer l'interdisciplinarité.