The Martingale Sinkhorn Algorithm
この論文は、任意の次元において有限次モーメント（）を持つ周辺分布に対して、ベンナトゥ＝ブレニエの最適輸送問題のマルチンゲール版を数値的に解くための新しい反復アルゴリズム（マルティンゲール・シンクホーンアルゴリズム）を提案し、その収束性を証明するものである。
💰 Category
q-fin.CP
19 件の論文
Stochastic Attention via Langevin Dynamics on the Modern Hopfield Energy
この論文は、従来のアテンション機構を古典的エネルギー関数上の勾配降下の一歩とみなし、ランジュバン動力学に基づくサンプリングを導入することで、学習不要な「確率的アテンション」を実現し、温度パラメータの調整だけで正確な検索から創造的な生成までを制御可能にする手法を提案しています。
Causal Regime Detection in Energy Markets With Augmented Time Series Structural Causal Models
この論文は、気象や発電構成などの要因と電力価格の複雑な因果関係を捉え、真の因果構造を学習して時系列データに反事実的推論を可能にする「拡張時系列因果モデル（ATSCM）」を提案し、再生可能エネルギーの異なるシナリオ下での価格予測などの新たな分析を可能にすることを示しています。
Towards Causal Market Simulators
この論文は、深生成モデルと構造的因果モデルを統合した時系列ニューラル因果モデル VAE（TNCM-VAE）を提案し、金融時系列データにおける因果関係と時間的依存性を維持しつつ、反事実的シナリオ分析やリスク評価を可能にする市場シミュレーターの開発を目指しています。
Uncertainty-Aware Deep Hedging
本論文は、深層学習によるヘッジングにおいてモデルの不確実性を定量化するアンサンブル手法を提案し、その不確実性に基づいて古典的なブラック・ショールズ・デルタと学習された戦略を動的に組み合わせることで、CVaR 指標において両者よりも統計的に有意な改善を実現することを示しています。
A Bipartite Graph Approach to U.S.-China Cross-Market Return Forecasting
この論文は、米国と中国の株式市場の非同時取引時間を利用した有向二部グラフを構築し、機械学習モデルに組み込むことで、米国市場の情報が中国市場の日内リターンを予測する強い非対称性を持つことを明らかにしています。
Risk-Adjusted Harm Scoring for Automated Red Teaming for LLMs in Financial Services
この論文は、金融サービス分野における大規模言語モデルのリスクを評価するために、ドメイン固有の有害事象分類、自動化された多ラウンドレッドチームング、およびリスク調整危害スコア（RAHS）を組み合わせた新しい評価フレームワークを提案し、単発のドメイン非依存評価の限界と、長期的な敵対的圧力下でのリスク感受性評価の必要性を明らかにしています。
SPX-VIX Risk Computations Via Perturbed Optimal Transport
この論文は、市場の微笑曲線に対する結合最適輸送較正に基づき、フィッシャー情報線形化を用いた摂動手法を導入することで、市場ショック後の完全再較正を不要としつつ、SPX と VIX のリスクシナリオを高速かつ正確に生成するモデル非依存フレームワークを提案しています。
On Utility Maximization under Multivariate Fake Stationary Affine Volterra Models
本論文は、非マルコフ性および非半半定過程性により古典的制御手法が適用できない多変量偽定常アフィン・ボルテラ・モデル環境下でのメルトン型ポートフォリオ最適化問題を、リカッチ型後方確率微分方程式の解を用いた半閉形式の最適戦略として導出するものである。
Single- and Multi-Level Fourier-RQMC Methods for Multivariate Shortfall Risk
この論文は、物理空間ではなく周波数領域での積分によって被積分関数の滑らかさを高め、フーリエ逆変換とランダム化準モンテカルロ法を組み合わせることで、多変量不足リスクおよび最適配分の数値推定における計算コストと精度の課題を解決する、単一レベルおよび多レベルの新しいアルゴリズムを提案し、その理論的保証と数値的有効性を示すものである。
Impact of arbitrage between leveraged ETF and futures on market liquidity during market crash
この論文は、人工市場シミュレーションを用いて、レバレッジ型 ETF と先物市場の価格暴落時に裁定取引が存在することにより、両市場間で売り深さやタイトネスなどの流動性が相互に供給され、市場の安定性が維持されるメカニズムを明らかにしたものである。
Convergence of Neural Network Policies for Risk--Reward Optimization
本論文は、制約付きの2段階フィードバック方策をニューラルネットワークでパラメータ化し、その経験的最適値がネットワーク容量と訓練サンプル数の増加に伴って真の最適値に確率収束することを証明する、リスク・リターン最適化問題に対する新しい確率的制御フレームワークを提案しています。
Onflow: a model free, online portfolio allocation algorithm robust to transaction fees
本論文は、資産収益率の分布に関する仮定を置かず、トランザクションコストを考慮しながら確率的勾配法を用いてポートフォリオ配分を動的に最適化する、モデルフリーかつオンラインなアルゴリズム「Onflow」を提案し、高い取引コスト下でも既存手法を上回る性能を示すことを実証しています。
Finance-Informed Neural Network: Learning the Geometry of Option Pricing
この論文は、観測されたオプション価格の学習に依存せず、動的ヘッジに基づく自己教師あり複製目的関数を通じて金融理論を直接統合し、ブラック・ショールズモデルから確率変動環境まで一貫した価格と感応度（グリークス）を導出する「ファイナンス・インフォームド・ニューラルネットワーク（FINN）」を提案するものである。
A Learnable Wavelet Transformer for Long-Short Equity Trading and Risk-Adjusted Return Optimization
本論文は、金融時系列のノイズや非定常性、クロスセクション依存性に対処し、直接リスク調整済みリターンを最適化するエンドツーエンドの学習型ウェーブレット・トランスフォーマー「WaveLSFormer」を提案し、複数の業界にわたる大規模実験で既存のモデルを大幅に上回る収益性とリスク調整後リターンを達成したことを報告しています。
On an Optimal Stopping Problem with a Discontinuous Reward
本論文は、解約行動がリスク中立価値を最大化すると仮定した変額年金の保証付満期給付の価格付けという最適停止問題を扱っており、 discontinuous な報酬関数下で、手数料と解約手数料の条件に基づいて最適停止が満期に発生する条件や、解約領域の形状を特徴づける新たな価値関数の表現を導出している。
Enhanced indexation using both equity assets and index options
この論文は、株式および指数オプションを「オプション戦略」という人工資産として組み込むことで、第 2 次確率的支配に基づくインデックス強化アプローチのアウト・オブ・サンプル性能を向上させる手法を提案し、その有効性を示すとともに、S&P500 用データセットを公開している。
Autonomous AI Agents for Option Hedging: Enhancing Financial Stability through Shortfall Aware Reinforcement Learning
本論文は、オプションのヘッジングにおける実損リスクを最小化し、金融安定性を向上させるため、不足確率を考慮した強化学習フレームワーク（RLOP と QLBS）を提案し、SPY および XOP オプションを用いた実証分析において、特にストレス下での尾部リスク改善とヘッジパフォーマンスの向上を実証したものである。
Differential Machine Learning for 0DTE Options with Stochastic Volatility and Jumps
本論文は、確率ボラティリティとジャンプを考慮した 0DTE オプションの価格とグリークスを単一のネットワーク評価で計算し、ブラック・ショールズ形式の修正や PIDE 残差ペナルティ、3 段階の学習プロセスを採用することで、ジャンプ項の近似精度とデルタヘッジの安定性を向上させ、フーリエ法ベースのベンチマークよりも大幅に高速な微分機械学習手法を提案するものである。