19 papers
Dit paper introduceert spectrale portefeuilletheorie, die een directe link legt tussen de spectrale structuur van door SGD getrainde neurale netwerken en vermogensdynamica, waardoor de overgang van dagelijkse rendementen naar langetermijnvermogenscompounding wordt verklaard via een unificerend spectraal raamwerk dat toepassingen biedt voor portefeuilleontwerp, ongelijkheidsmeting en fiscaal beleid.
Dit artikel introduceert het AlgoXpert Alpha Research Framework, een strikt protocol met drie fasen (IS, WFA, OOS) en meerdere veiligheidsmechanismen om overfitting te voorkomen en de robuustheid van kwantitatieve handelsstrategieën te waarborgen.
Deze studie introduceert een benchmarkframework voor het evalueren van de vermogensoptimalisatiecapaciteiten van grote taalmodellen via wiskundig onderbouwde meerkeuzevragen, waarbij wordt aangetoond dat GPT-4 over het algemeen de beste prestaties levert, gevolgd door Gemini 1.5 Pro en Llama 3.1-70B.
Dit onderzoek analyseert hoe drie grote taalmodellen (GPT, Gemini en Llama) beleggingsrisicoprofielen vormen en aanpassen aan specifieke persona's, waarbij elk model een unieke balans toont tussen risicobereidheid en consistentie.
Dit paper toont aan dat de fundamentele asymmetrie in de projectieve meetkunde van kwantum- en financiële toestandsruimtes, veroorzaakt door een niet-nul kubische term in de Taylor-ontwikkeling van de gerichte afstand, de oorsprong vormt van de Tweede Wet, het falen van de Maxwell-demon en de beperkingen van sequentiële handelaren.
Dit paper introduceert een gedistribueerd protocol op basis van convex optimalisatie dat portfoliobeheerders in staat stelt hun handelsorders af te stemmen om transactiekosten te verlagen zonder hun strategieën of orderlijsten te hoeven onthullen, waardoor zelfs na enkele iteraties aanzienlijke besparingen worden gerealiseerd.
Dit artikel introduceert Generative Adversarial Regression (GAR), een raamwerk dat conditionele risicoscenario's leert door generatoren te trainen die via een minimax-formulering de risicoprofielen van werkelijke data onder diverse beleidsstrategieën nabootsen, wat resulteert in robuustere en meer accurate risico-inschattingen dan bestaande methoden.
Dit artikel introduceert de Continuous Shariah Compliance Index (CSCI), een transparante maatstaf die bestaande binair Shariah-screeningsstandaarden verenigt om beleggingsportefeuilles te ontwerpen met variabele nalevingsintensiteit, en concludeert dat deze index voornamelijk waardevol is voor meting en portfolio-ontwerp in plaats van het identificeren van een nieuwe geprijsde factor.
Dit artikel biedt voor het eerst een volledige karakterisering van dynamisch optimale portefeuilles voor monotoon mean-variance-voorkeuren in modellen met onafhankelijke rendementen, waarbij het verband legt met de monotoon Sharpe-ratio en voorwaarden geeft voor de efficiëntie van mean-variance-portefeuilles.
Onflow is een modelvrij, online algoritme voor portefeuilletoewijzing dat via gradiëntstromen en versterkt leren dynamisch de verwachte logaritmische rendementen maximaliseert terwijl het transactiekosten effectief verwerkt, waardoor het zelfs bij hoge kosten superieur presteert ten opzichte van bestaande methoden zonder aannames over rendementverdelingen.
Dit paper introduceert een generaliseerde Bayesiaanse 'Gibbs-posterior' voor parametrische portefeuillekeuze die, zonder een model voor het rendementproces, de unieke geloofsupdatingsregel biedt die consistent is met de voorkeuren van de belegger, en presenteert een KNEEDLE-algoritme om de optimale weging van data versus prior te bepalen op basis van in-sample precisie en numerieke stabiliteit.
Dit artikel onderzoekt de relatie tussen de long-only global minimum variance portfolio en factorblootstellingen, waarbij voor één factor een expliciete oplossing wordt afgeleid en voor meerdere factoren een geometrische beschrijving wordt gegeven, geïllustreerd met empirische data van Amerikaanse aandelen.
Dit artikel ontwikkelt een algemeen raamwerk voor dynamische portefeuillekeuze met niet-concave uitkomsten onder gladde ambiguïteit, waarbij een robuuste representatie expliciete handelsregels oplevert en laat zien hoe ambiguïteitsaversie in het kader van gedelegeerd beheer met convexa incentives de geloofsovertuigingen naar ongunstige toestanden verschuift en de volatiliteit verlaagt.
Dit artikel presenteert een algemeen Heath-Jarrow-Morton-raamwerk voor cross-currency markten met onderpand en basisrisico, dat zowel vooruitkijkende IBOR-tarieven als achteruitkijkende overnight-tarieven integreert om complexe meervoudige valuta-portefeuilles, zoals cross-currency swaps, consistent te modelleren.
Dit paper introduceert een uitlegbare, regime-bewuste beleggingsstrategie op basis van een causaal Wasserstein Hidden Markov Model die, door dynamische aanpassing van regime-complexiteit en transactiekosten, aanzienlijk betere risicogecorrigeerde rendementen en lagere drawdowns bereikt dan traditionele benchmarks en niet-parametrische alternatieven.
Dit artikel toont aan dat een proportioneel vermogensbelasting, onder ideale voorwaarden, economisch equivalent is aan een risicodeling met de overheid die de optimale portefeuillekeuze en assetprijzen onveranderd laat, terwijl het afwijken van deze voorwaarden via boekwaardebelasting, liquiditeitsfricties of dividendextractie wel degelijk tot prijsveranderingen leidt.
Deze paper onderzoekt de robuustheid van de neutraliteit van een vermogensbelasting door aan te tonen dat deze onder CRRA-preferenties standhoudt bij stochastische volatiliteit en Epstein-Zin-gebruik, maar wordt ondermijnd door niet-homothetische voorkeuren en vier implementatiekanalen zoals progressieve drempels, waarbij de Noorse situatie en internationale voorstellen worden geanalyseerd.
Dit artikel vertaalt het neutrale vermogensbelastingkader van Froeseth (2026) naar de taal van de statistische fysica, waarbij het belastingneutraalheid wordt geïdentificeerd als een symmetrie in de drift-verschuiving van de Fokker-Planck-vergelijking, terwijl praktische afwijkingen worden verklaard als specifieke breuken in deze symmetrie.
Dit artikel introduceert een PPO-gebaseerd versterkt leermethode die de gewichten van door een DeepSeek-model gegenereerde handelsalfas dynamisch optimaliseert, wat resulteert in een robuustere risicogecorrigeerde prestatie en lagere maximale drawdowns vergeleken met traditionele strategieën.