The Martingale Sinkhorn Algorithm
이 논문은 유한 차원에서 마팅갈 베나무-브레니어 최적 수송 문제의 수치 해법으로, 기존 연구의 2 차 모멘트 제한을 넘어 차 모멘트 조건 하에서도 작동하는 마팅갈 싱크혼 알고리즘을 제안하고 그 수렴성을 증명합니다.
💰 Category
q-fin.CP
19 편의 논문
Stochastic Attention via Langevin Dynamics on the Modern Hopfield Energy
이 논문은 기존 어텐션 메커니즘을 고전적 에너지 함수의 경사 하강으로 해석하고, 랑주뱅 동역학을 적용하여 학습 없이 온도로만 제어되는 확률적 어텐션을 제안함으로써, 생성 단계에서 기존 학습 기반 베이스라인보다 뛰어난 다양성과 독창성을 달성함을 보여줍니다.
Causal Regime Detection in Energy Markets With Augmented Time Series Structural Causal Models
이 논문은 기상 패턴, 발전 기술, 가격 형성 간의 복잡한 인과 관계를 학습하고 가변적 인과 그래프를 구축하여 다양한 재생에너지 시나리오에 대한 반사실적 추론이 가능한 에너지 시장용 증강 시간 계열 인과 모델 (ATSCM) 을 제안합니다.
Towards Causal Market Simulators
이 논문은 기존 생성 모델의 한계를 극복하고 반사실적 분석을 가능하게 하기 위해 변이 오토인코더와 구조적 인과 모델을 결합한 '시계열 신경 인과 모델 VAE(TNCM-VAE)'를 제안하며, 인과적 제약을Decoder 아키텍처와 인과적 와asserstein 거리를 통해 구현하여 금융 시장 시뮬레이션의 정밀도를 크게 향상시켰음을 보여줍니다.
Uncertainty-Aware Deep Hedging
이 논문은 딥 ensemble 학습을 통해 불확실성을 정량화하고 이를 블랙 - 숄즈 델타와 결합한 CVaR 최적화 전략을 제안함으로써, 딥 헤징의 신뢰성 문제를 해결하고 기존 헤징 전략보다 통계적으로 유의미한 성과 개선을 달성했음을 보여줍니다.
A Bipartite Graph Approach to U.S.-China Cross-Market Return Forecasting
이 논문은 미국과 중국 주식 시장의 비중첩 거래 시간을 활용하여 방향성 지향적 이분 그래프를 구축하고, 이를 기계 학습 프레임워크에 통합함으로써 미국 시장 수익률이 중국 시장 수익률 예측에 유의미한 비대칭적 예측력을 가진다는 것을 규명했습니다.
Risk-Adjusted Harm Scoring for Automated Red Teaming for LLMs in Financial Services
이 논문은 금융 서비스 환경에서 LLM 의 위험을 정량화하기 위해 도메인 특화 해악 분류 체계, 자동화된 적색 팀링 파이프라인, 그리고 운영적 심각도를 고려한 '위험 조정 해악 점수 (RAHS)'를 통합한 새로운 평가 프레임워크를 제안합니다.
SPX-VIX Risk Computations Via Perturbed Optimal Transport
이 논문은 엔트로피 마팅게일 최적 수송 (EMOT) 프레임워크에 섭동 기법을 도입하여 SPX 와 VIX 의 시장 스마일 공동 보정을 통해 재보정 없이도 빠르고 안정적인 리스크 시나리오를 생성하고, 이를 통해 기존 확률적 국소 변동성 모델보다 우수한 헤지 성과를 달성하는 모델 독립적 위험 계산 프레임워크를 제안합니다.
On Utility Maximization under Multivariate Fake Stationary Affine Volterra Models
이 논문은 비마르코프적 특성을 가진 다변수 가짜 정상 아핀 볼테라 환경에서 마르팅게 최적성 원리와 리카티 역확률미분방정식을 활용하여 메르톤 포트폴리오 최적화 문제의 반폐형 해를 유도하고, 이를 통해 정상적인 거친 변동성이 최적 전략에 미치는 영향을 분석합니다.
Single- and Multi-Level Fourier-RQMC Methods for Multivariate Shortfall Risk
이 논문은 다변량 부족 위험과 최적 자본 배분을 추정하기 위해 푸리에 역변환 기법과 무작위화 준몬테카를로 (RQMC) 샘플링을 결합한 단일 및 다중 수준 알고리즘을 제안하며, 기존 몬테카를로 방법보다 우수한 수렴 속도와 계산 효율성을 입증합니다.
Impact of arbitrage between leveraged ETF and futures on market liquidity during market crash
이 논문은 인공 시장 시뮬레이션을 통해 시장 폭락 시 레버리지 ETF 와 선물 간 차익거래가 존재할 때, 한 시장의 오류 주문이 발생하면 차익거래가 반대 시장의 유동성 (매도 깊이, 틸트니스, 거래량 등) 을 공급하여 시장 안정화에 기여함을 규명했습니다.
Convergence of Neural Network Policies for Risk--Reward Optimization
이 논문은 제약 조건이 있는 이단계 피드백 정책을 신경망으로 파라미터화하여 다기간 리스크 - 보상 최적화 문제를 해결하고, 네트워크 용량과 학습 데이터가 증가함에 따라 최적 값이 확률적으로 수렴함을 이론적으로 증명하며 수치 실험을 통해 검증한 연구입니다.
Onflow: a model free, online portfolio allocation algorithm robust to transaction fees
이 논문은 거래 비용을 고려하여 포트폴리오 할당을 최적화하는 모델 프리의 온라인 강화 학습 알고리즘인 'Onflow'를 제안하며, 이는 기존 벤치마크와 비교해 높은 거래 비용 환경에서도 우수한 성능을 보인다고 설명합니다.
Finance-Informed Neural Network: Learning the Geometry of Option Pricing
이 논문은 관측된 옵션 가격에 의존하는 대신 동적 헤지 기반의 자기지도 학습을 통해 금융 이론을 직접 통합한 '재무정보 신경망 (FINN)'을 제안하여, 블랙 - 숄즈 및 헤스팅 모델과 같은 다양한 환경에서 아비트리지 없는 가격 결정과 민감도 추정을 가능하게 하고, 유동성이 없는 자산에도 적용 가능한 새로운 금융 가격 책정 패러다임을 제시합니다.
A Learnable Wavelet Transformer for Long-Short Equity Trading and Risk-Adjusted Return Optimization
이 논문은 금융 시계열의 잡음과 비정상성 문제를 해결하고 위험 조정 수익을 최적화하기 위해, 학습 가능한 웨이블릿 기반의 다중 스케일 분해와 리스크 인식 정규화를 통해 직접 시장 중립적 롱/숏 포트폴리오를 생성하는 'WaveLSFormer'라는 새로운 트랜스포머 모델을 제안하고 그 우수성을 입증합니다.
On an Optimal Stopping Problem with a Discontinuous Reward
이 논문은 해약 행위가 계약의 위험중립 가치를 극대화한다고 가정할 때, 불연속적인 보상을 갖는 최적 정지 문제를 연구하여 해약 지역과 가치 함수의 분석적 특성을 fee 및 해약 수수료 함수와 연결하고, 미국식 옵션과 유사한 세 가지 새로운 가치 함수 표현식을 제시합니다.
Enhanced indexation using both equity assets and index options
이 논문은 2017 년부터 2025 년까지의 S&P 500 데이터를 활용하여 지수 옵션을 '옵션 전략'이라는 인공 자산으로 간주하여 편입하는 강화 지수화 접근법을 제안하고, 제 2 차 확률적 우월성을 기반으로 한 실증 분석을 통해 이러한 방식이 주식 또는 상장지수펀드 (ETF) 를 포함한 포트폴리오의 표본 외 성과를 명확히 향상시킨다는 것을 입증합니다.
Autonomous AI Agents for Option Hedging: Enhancing Financial Stability through Shortfall Aware Reinforcement Learning
이 논문은 SPY 및 XOP 옵션을 대상으로 shortfall 확률과 하방 위험을 고려한 강화학습 프레임워크 (RLOP 및 QLBS) 를 제안하여, 기존 모델의 한계를 극복하고 실제 헤지 성과와 금융 안정성을 향상시키는 자율 AI 에이전트 기반의 위험 관리 접근법을 제시합니다.
Differential Machine Learning for 0DTE Options with Stochastic Volatility and Jumps
이 논문은 확률적 변동성과 점프를 고려한 0DTE 옵션의 가격과 그리스 값을 단일 네트워크 평가로 계산하기 위해 블랙 - 섀스 형식과 PIDE 잔차 페널티를 결합한 차분 기계학습 방법을 제안하며, 이를 통해 점프 항의 식별성을 높이고 가격 및 그리스 정확도를 개선함과 동시에 기존 푸리에 기반 벤치마크보다 훨씬 빠른 속도를 달성함을 보여줍니다.