A deep learning method for solving American double Heston model
本論文は、ニューラルネットワークの乗法的アンサンブルリング(MLA-MoS-1およびMLA-MoS-2)を利用したディープラーニングフレームワークを提案し、一定および確率的金利の両条件下におけるアメリカン・ダブル・ヘストン・モデルを同時に解き、早期行使境界、オプション価格、およびグリークスを効果的に予測するものである。
441 件の論文
本論文は、ニューラルネットワークの乗法的アンサンブルリング(MLA-MoS-1およびMLA-MoS-2)を利用したディープラーニングフレームワークを提案し、一定および確率的金利の両条件下におけるアメリカン・ダブル・ヘストン・モデルを同時に解き、早期行使境界、オプション価格、およびグリークスを効果的に予測するものである。
本研究は、非復元単純無作為抽出における有限母集団中央値に対する、新たな一般化正弦型および指数正弦型推定量のファミリーを提案・評価するものであり、理論的解析、シミュレーション、および実データを通じて、これらの手法が補助情報を活用して平均二乗誤差を低減することにより、従来の推定量よりも大幅に優れた性能を示すことを実証する。
本論文は、多様なデザイン上の特徴、アウトカムの型、および解析戦略を許容することで、非劣性ステップウェッジ・クラスターランダム化比較試験の検出力計算を可能にする、柔軟なシミュレーションベースのRパッケージであるswNIsimを紹介し、期間の増加とクラスター割り当ての均衡が統計的検出力を高めることをシミュレーションを通じて実証するものである。
本論文は、局所的分布較正(Local Distributional Calibration)を導入するものであり、これは空間アンサンブルから未観測地点における一貫した全予測分布を推論することで、不均質な環境場に対して正確な超過確率を提供し、過小分散を補正し順序関係の違反を排除することによって、従来のクリギング手法を凌駕する非パラメトリックな手法である。
このチュートリアルは、中国におけるマルチウェーブ調査を通じて、マクロレベルの環境要因とミクロレベルの社会的参与および自殺関連の脆弱性を結びつけ、クラスター化や多重比較といった統計的課題に対処しながら、健康心理学におけるクラスター化されたデータを用いた媒介分析を行うための、再現可能でコードに裏付けられたワークフローを提示するものである。
本研究は、二次データと様々な統計的手法を用いて、イラク・クルディスタン地域における公共部門のデジタルトランスフォーメーションを測定するための統計的インテリジェンス・フレームワークを提案および評価するものであり、デジタルアイデンティティ能力には高い習熟度が見られる一方で、サービスのアクセシビリティには大幅な改善の余地があることを明らかにし、全体的なパフォーマンス・スコアが7点満点中4.60点という中程度の水準であることを示している。
本論文は、高次元一般化線形モデルにおける仮説検定のための、単純かつ計算効率の高い共線性検定統計量を提案するものであり、これは説明変数の数がサンプルサイズを上回る場合でも有効に機能し、特に疎な対立仮説のシナリオにおいて、古典的なウォルド検定や尤度比検定と比較して優れた統計的検出力を示す。
本論文は、非ガウス型非線形混合効果モデルの適合に向けてオープンソースのRパッケージであるsaemixを拡張したものであり、多様な実世界のアプリケーションおよび反復二値データに関するシミュレーション研究を通じて、その柔軟性と正確性を実証するものである。
本研究は、潜在的な故障への曝露とオフラインのサービス時間との間のトレードオフをモデル化することにより、単一待機ユニットの最適な周期的な試験間隔を解析的および計算的に決定し、繰り返される検出の不確実性と定期的な全件試験の導入がシステム全体の稼働率にどのように影響するかを定量化するものである。
本論文は、推定スコアや定数値といった基礎データの品質に関する制限を明示的に開示した上で、複数の大学ランキングデータセットと世界銀行の教育指標を統合・調和させ、システム間の相互比較を可能にする、再現可能なデータパイプラインおよびインタラクティブなTableauダッシュボードシステムであるEduVision DVを提示するものである。