19 편의 논문
이 논문은 확률적 경사 하강법 (SGD) 으로 학습된 신경망 가중치 행렬의 스펙트럼 구조를 포트폴리오 배분 행렬로 직접 동일시하여, SGD 의 세 가지 힘이 포트폴리오 역학으로 변환되고 스펙트럼 불변성 정리를 통해 포트폴리오 설계, 부의 불평등 측정, 세제 정책 및 신경망 진단을 통합하는 '스펙트럼 포트폴리오 이론'을 제시합니다.
이 논문은 파라미터 과적합과 선택 편향을 완화하기 위해 안정적 파라미터 영역 평가, 정보 누출을 방지하는 워킹 포워드 분석, 그리고 엄격한 파라미터 잠금이 적용된 아웃오브샘플 테스트를 포함한 3 단계 프로토콜과 다층적 방어 구조를 제시하여 양적 전략의 실전 전환 실패를 방지하는 'AlgoXpert Alpha 연구 프레임워크'를 소개합니다.
이 논문은 포트폴리오 최적화 문제를 통해 대규모 언어 모델의 금융 의사결정 능력을 평가하는 새로운 벤치마크 프레임워크를 제시하고, GPT-4, Gemini 1.5 Pro, Llama 3.1-70B 모델 간 위험 및 수익 기반 목표와 제약 조건에 따른 성능 차이를 분석하여 양적 추론 측면에서의 잠재력과 한계를 규명합니다.
이 논문은 GPT, Gemini, Llama 등 세 가지 대규모 언어 모델 (LLM) 이 표준화된 위험 설문지에 어떻게 반응하는지 분석하여, 각 모델이 장기 투자 성향을 보이지만 위험 허용도와 일관성에서 차이를 보이며, 연령이나 자산과 같은 특정 페르소나 부여 시 위험 프로필을 조정하는 방식을 규명했습니다.
이 논문은 스핀 1 이상 시스템의 방향성 거리의 테일러 전개에 존재하는 비영 (non-zero) 3 차 항이 유도하는 상태 교환에 대한 근본적 비대칭성을 통해 열역학 제 2 법칙, 맥스웰의 도깨비 실패, 그리고 연속적 거래자의 한계를 설명합니다.
이 논문은 포트폴리오 매니저들이 거래 방법이나 거래 내역을 공유하지 않고도 분산 볼록 최적화 기반의 간단한 프로토콜을 통해 거래 비용을 추정하고 조정함으로써, 소수의 조정 라운드만으로도 기업과 매니저 모두에게 상당한 비용 절감 효과를 거둘 수 있음을 제안합니다.
이 논문은 하류 위험 목표와 정렬된 생성기를 학습하여 다양한 정책 하에서 최악의 위험 편차를 식별하는 적대적 정책을 도입함으로써, VaR 및 ES 와 같은 조건부 위험 시나리오를 보다 정확하게 생성하는 '생성적 적대 회귀 (GAR)' 프레임워크를 제안합니다.
이 논문은 여러 이진 규정을 통합하여 연속적인 샤리아 준수 지수 (CSCI) 를 개발함으로써 포트폴리오 설계의 투명성과 유연성을 높였으나, CSCI 가 표준 특성을 통제한 후에도 기대 수익률과 유의미한 연관성을 보이지는 않는다는 점을 규명했습니다.
이 논문은 독립 수익률을 가진 자산 가격 모델에서 최소의 가정 하에 단조 평균 - 분산 (MMV) 효용에 대한 동적 최적 포트폴리오 선택을 최초로 완전히 특징짓고, 이를 단조 샤프 비율과 연결하며 평균 - 분산 효율 포트폴리오가 MMV 효율이 되기 위한 필요충분조건을 제시합니다.
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.
이 논문은 수익 생성 과정에 대한 모델 없이 투자자의 효용 함수와 일치하는 유일한 베이지안 업데이트 규칙인 깁스 사후분포를 제안하고, KNEEDLE 알고리즘을 통해 과적합 없이 최적의 가중치를 선정하여 미국 주식 시장 데이터에서 특성 기반 수익의 시계열적 특성과 위험 회피도 및 고차 모멘트와의 관계를 실증적으로 분석합니다.
이 논문은 요인 모델에서 도출된 공분산 행렬을 기반으로 장기-only 글로벌 최소 분산 포트폴리오와 자산의 요인 노출도 간의 관계를 분석하여, 1 요인 모델의 경우 명시적 해를 제공하고 다중 요인 모델의 경우 기하학적 관점에서 해를 설명하며 미국 주식의 실증 데이터를 통해 이를 검증합니다.
이 논문은 매끄러운 애매성 (smooth ambiguity) 과 베이지안 학습 하에서 비선형 보수, 다양한 효용 함수, 유연한 애매성 태도를 포괄하는 일반적 동적 포트폴리오 선택 프레임워크를 제시하며, 이를 통해 위임된 자산 관리와 같은 구체적인 사례에서 애매성 회피가 불리한 상태에 대한 신념을 강화하고 위험 감수를 제한하여 변동성을 감소시킨다는 것을 보여줍니다.
이 논문은 담보화 및 불완전 시장 하에서 다양한 통화를 고려한 교차통화 헤이트-조로-모턴 (HJM) 프레임워크를 제시하여, 담보 불일치와 기준금리 전환 (IBOR 에서 SOFR 등) 으로 인한 시장 관행 차이를 포괄적으로 모델링하고 교차통화 스왑과 같은 다중 통화 금융상품의 위험 요인을 통합적으로 분석합니다.
이 논문은 2-워asserstein 거리를 활용한 엄격한 인과적 HMM 기반의 설명 가능한 레짐 인식 포트폴리오 구축 프레임워크를 제안하여, 동적 복잡성 조절과 레짐 정체성 보존을 통해 SPX 및 비모수적 모델 대비 높은 위험 조정 수익률과 낮은 추락폭을 달성한 것을 입증합니다.
이 논문은 균일한 비율의 부세 (wealth tax) 가 투자자의 포트폴리오 구성과 자산 가격 결정에 중립적이며, 이는 세후 기대수익률과 위험이 동일한 비율로 축소되어 샤프 비율이 유지되기 때문임을 증명하고, 이러한 중립성이 보편적 시장가치 과세, 마찰 없는 시장, 배당 소비라는 세 가지 조건 하에서 성립함을 규명합니다.
이 논문은 Froeseth(2026) 의 부자세 중립성 가설을 확장하여 확률적 변동성과 Epstein-Zin 효용 하에서는 포트폴리오 중립성이 유지되지만 비동차적 선호나 노르웨이식 누진세 구조와 같은 실제 세제 요소 하에서는 왜곡이 발생함을 규명하고, 이를 Saez-Zucman 의 글로벌 부자세 제안 등 실제 정책 사례에 적용하여 분석합니다.
이 논문은 확률적 동역학과 통계물리학의 언어를 활용하여 부자세가 드리프트 - 시프트 대칭성으로 작용할 때 중립성을 유지하며, 실제 적용 시 발생하는 여러 왜곡 요인들은 이 대칭성이 깨지는 현상으로 설명될 수 있음을 제시합니다.
이 논문은 강화학습 기법인 PPO 를 활용하여 다양한 시장 환경에서 DeepSeek 모델이 생성한 알파 신호들의 가중치를 동적으로 최적화함으로써, 기존 전략 대비 더 높은 샤프 비율과 낮은 최대 낙폭을 달성하는 안정적인 투자 전략을 제시합니다.