15 件の論文
この論文は、条件付き期待リターンを予測するためにガウス過程回帰に基づくアンサンブル学習手法を導入し、大規模な米国株式データを用いた実証分析において既存の機械学習モデルを上回る統計的・経済的パフォーマンスを示すとともに、予測の不確実性を考慮した平均分散最適ポートフォリオの構築により、等加重やバリュー加重ポートフォリオ、さらには S&P500 を凌駕する成果を報告しています。
この論文は、ランクとスコアの組み合わせおよび認知的多様性を活用した「組合せ融合分析（CFA）」という新しいモデル融合手法をビットコイン価格予測に応用し、MAPE 0.19% という優れた性能で既存の個別モデルや他の予測手法を上回る結果を示したことを報告しています。
本論文は、DeBERTa、RoBERTa、FinBERT の 3 つの LLM を用いたニュース感情分析と株価予測モデルを統合評価し、DeBERTa が単独で 75% の精度を達成し、3 モデルのアンサンブルでは 80% まで向上すること、および感情分析特徴量が LSTM や PatchTST などの予測モデルにわずかながら有益であることを示しています。
この論文は、連続的な超過成長率をラプラス分位で定義された離散状態に変換し、ポアソン駆動のジャンプ持続メカニズムを組み込んだハイブリッド隠れマルコフモデルを提案することで、現実の市場データが持つ重尾分布、ボラティリティ・クラスタリング、および線形自己相関の欠如を同時に再現する合成金融時系列生成手法を開発したことを述べています。
本論文は、従来の点ごとの分散モデルを超え、一般の可分ヒルベルト空間における条件付き共分散作用素全体の進化を捉える新たな演算子レベルの ARCH モデルを提案し、その定常性や推定量の一致性を理論的に確立するとともに、高頻度取引データへの適用を通じてその実用性を示しています。
この論文は、BERT による感情分析とノード・トランスフォーマー・アーキテクチャを統合し、株式間の依存関係や市場のノイズを考慮することで、従来の ARIMA や LSTM などのモデルを上回る精度で株式価格を予測する新しい枠組みを提案し、その有効性を実証したものである。
この論文は、GPT-4o や FinBERT などの大規模言語モデルを用いてニュースから抽出した「関連性、極性、強度、不確実性、先行性」という多様なセンチメント指標が、従来の極性ベースの手法を超えて WTI 原油先物リターン予測の精度向上に寄与し、特に強度や不確実性に関する特徴量が重要な予測因子であることを示しています。
この論文は、情報理論に基づくエントロピー解析を用いて、トランプ次期大統領の就任初期における集中した政策発表が、分散とエントロピーの脱結合や累積エントロピーの増加を通じて、地域的に調整されつつも世界的に連動した市場反応として現れたことを示し、従来の手法を補完する新たな市場分析枠組みを提案しています。
この論文は、統計物理学の温度概念を経済物理学のエージェントモデルに応用する際、資本市場以外の文脈でも温度をどのように測定できるかという課題に取り組み、ニュース環境下での二択意思決定システムにおいて温度測定方程式を導出するとともに、競争するサブシステム間の平均意見に影響を与える戦略を提示しています。
本論文は、株式リターンの負の歪みと正の平均が、利得と損失における確率的ボラティリティの非対称性に起因するものであり、これを Jones-Faddy 歪 t 分布を修正した単一の有機的分布によって捉え、S&P500 の日次リターンデータに適用してその尾部を分析したものであると要約されます。
本論文は、日本の企業開示データ（EDINET）を用いて会計不正検出や収益予測などの高度な金融タスクを評価するオープンソースベンチマーク「EDINET-Bench」を提案し、最先端の LLM でも専門家の判断に迫る性能が得られていない現状を明らかにするとともに、より実務に近い環境での評価枠組みの必要性を提言しています。
この論文は、ドイツとスペインの電力市場における翌日電力価格予測において、時間的階層予測（THieF）を用いて時間単位とブロック単位の予測を調整することで、あらゆるモデルアーキテクチャにおいて最大 13% の精度向上を実現し、その計算コストが低いため実務への導入を推奨することを示しています。
本論文は、最小密度電力発散推定量（MDPDE）に基づく頑健なパラメトリック枠組みを開発し、高頻度データにおける CIR および CKLS 型ジャンプ拡散過程の拡散成分とジャンプ成分を、極値理論に基づく漸近的に有効な閾値を用いて一貫して識別する手法を提案し、その理論的妥当性とシミュレーションによる有限サンプルにおける安定性を立証したものである。
この論文は、金融を具体例として、有限かつ相関する多次元システムの極値分析のための実用的な枠組みを提案し、相関行列の固有基底への回転により相関構造を分解し、非定常性を考慮したピーク超過法を用いて市場およびセクターレベルの尾部リスクを評価可能にすることを示しています。
この論文は、テクニカル指標と VADER および Google Gemini による感情分析を統合して期待収益率を推定し、制約付き平均分散最適化枠組みに組み込むことで、従来のベンチマークを上回るリスク調整後リターンを達成する暗号資産ポートフォリオ戦略を提案し、その有効性と市場ストレス下での課題を明らかにしています。