A deep learning method for solving American double Heston model
이 논문은 상수 및 확률적 이자율 하에서의 아메리칸 더블 헤스톤 모델을 동시에 해결하여 조기 행사 경계, 옵션 가치 및 그리스 지표를 효과적으로 예측하기 위해 신경망의 곱셈 앙상블(MLA-MoS-1 및 MLA-MoS-2)을 활용하는 딥러닝 프레임워크를 제안한다.
441 편의 논문
이 논문은 상수 및 확률적 이자율 하에서의 아메리칸 더블 헤스톤 모델을 동시에 해결하여 조기 행사 경계, 옵션 가치 및 그리스 지표를 효과적으로 예측하기 위해 신경망의 곱셈 앙상블(MLA-MoS-1 및 MLA-MoS-2)을 활용하는 딥러닝 프레임워크를 제안한다.
본 연구는 비복원 단순 무작위 추출 상황에서의 유한 모집단 중앙값에 대한 새로운 일반화된 사인형 및 지수-사인형 추정량 군을 제안하고 평가하며, 이론적 분석, 시뮬레이션, 그리고 실제 데이터를 통해 이러한 방법들이 보조 정보를 활용하여 평균 제곱 오차를 줄임으로써 전통적인 추정량들을 유의미하게 능가함을 입증한다.
이 논문은 다양한 설계 특징, 결과 유형 및 분석 전략을 수용할 수 있는 유연한 시뮬레이션 기반 R 패키지인 swNIsim을 소개하며, 시뮬레이션을 통해 시간적 단계를 늘리고 클러스터 배분을 균형 있게 조정하는 것이 통계적 검정력을 높인다는 것을 입증한다.
이 논문은 국소 분포 교정(Local Distributional Calibration)을 소개하는데, 이는 이 방법이 이질적인 환경 장(environmental fields)에 대한 정확한 초과 확률을 제공하기 위해 공간 앙상블로부터 미측정 위치에서의 일관된 전체 예측 분포를 추론하는 비매개변수적 방법으로서, 과소 분산을 교정하고 순서 관계 위반을 제거함으로써 전통적인 크리깅 접근법보다 우수한 성능을 보인다.
이 튜토리얼은 중국의 다파동 연구를 통해 거시적 수준의 환경 요인과 미시적 수준의 사회적 참여 및 자살 관련 취약성을 연결하는 동시에 클러스터링 및 다중 비교와 같은 통계적 과제를 해결함으로써, 보건 심리학에서 클러스터링된 데이터를 활용한 매개 분석을 수행하기 위한 재현 가능하고 코드 기반의 워크플로우를 제시한다.
본 연구는 2차 데이터를 활용하고 다양한 통계적 방법을 사용하여 이라크 쿠르디스탄 지역 공공 부문의 디지털 전환을 측정하기 위한 통계적 지능 프레임워크를 제안 및 평가하며, 이를 통해 디지털 신원 역량에서는 높은 숙련도를 보이지만 서비스 접근성 측면에서는 개선의 여지가 크다는 것을 나타내는 4.60/7점의 보통 수준의 전반적인 성과 점수를 밝혀냈다.
본 논문은 예측 변수의 수가 표본 크기를 초과하는 경우에도 효과가 유지되며, 특히 희소 대립 가설 시나리오에서 고전적인 와ルド(Wald) 검정과 우도비 검정보다 우수한 통계적 검정력을 입증하는, 고차원 일반화 선형 모델의 가설 검정을 위한 단순하고 계산 효율적인 공선성 검정 통계량을 제안한다.
이 논문은 비가우시안 비선형 혼합 효과 모델을 적합시키기 위한 오픈 소스 R 패키지 saemix의 확장을 제시하며, 다양한 실제 응용 사례와 반복 이항 데이터에 대한 시뮬레이션 연구를 통해 그 유연성과 정확성을 입증한다.
본 연구는 숨겨진 결함 노출과 오프라인 서비스 시간 사이의 절충 관계를 모델링함으로써 단일 예비 유닛을 위한 최적의 주기적 점검 간격을 분석적 및 계산적으로 결정하며, 반복적인 탐지 불확실성과 주기적인 전체 점검의 포함이 전반적인 시스템 준비 태세에 어떠한 영향을 미치는지 정량화한다.
본 논문은 추정 점수 및 상수 값과 같은 기저 데이터 품질의 한계를 명시적으로 공개하면서, 여러 대학 순위 데이터셋을 세계은행 교육 지표와 통합 및 조화시켜 시스템 간 비교를 가능하게 하는 재현 가능한 데이터 파이프라인이자 대화형 Tableau 대시보드 시스템인 EduVision DV를 제시한다.