15 papers
Dit artikel introduceert een ensemble-leermethode op basis van Gaussian Process Regression die de computationele complexiteit verlaagt en statistisch en economisch superieure resultaten boekt ten opzichte van bestaande machine learning-modellen bij het voorspellen van aandelenrendementen en het construeren van optimale portefeuilles.
Dit paper presenteert een nieuwe Bitcoin-prijsvoorspellingsmethode die Combinatorial Fusion Analysis (CFA) toepast om diverse machine learning-modellen te combineren, wat resulteert in een aanzienlijk betere prestatie met een MAPE van 0,19% vergeleken met individuele modellen en andere bestaande voorspellingsmethoden.
Deze studie toont aan dat het gebruik van LLM-gebaseerde nieuwsgevoelensanalyse, met name met het DeBERTa-model of een ensemble van drie modellen, de nauwkeurigheid van de voorspelling van aandelenkoersbewegingen significant kan verbeteren.
Dit paper introduceert een hybride Hidden Markov Model dat discrete markttoestanden combineert met een jump-diffusie-mechanisme om synthetische beursdata te genereren die zowel zware staarten als volatiliteitsclusteren nauwkeurig nabootsen, waardoor het superieur is aan traditionele GARCH- en HMM-modellen voor stress-testen en risicomodellering.
Dit artikel introduceert een nieuw ARCH-raamwerk voor data in Hilbertruimten dat de volledige evolutie van de conditionele covariantie-operator modelleert in plaats van alleen puntsgewijze varianties, en biedt daarbij voorwaarden voor stationariteit, afgeleide schatters en een toepassing op hoogfrequente intradagrendementen.
Dit artikel introduceert een geïntegreerd kader dat een node-transformerarchitectuur combineert met BERT-gebaseerde sentimentanalyse om de aandelenmarkt als een graaf te modelleren, wat resulteert in een significante verbetering van de voorspellingsnauwkeurigheid en richtingsefficiëntie voor S&P 500-aandelen ten opzichte van traditionele methoden.
Dit onderzoek toont aan dat het gebruik van meerdimensionale sentimentgegevens, gegenereerd door grote taalmodellen zoals GPT-4o en aangevuld met traditionele financiële modellen, de voorspellende nauwkeurigheid van weeklijkse WTI-ruwe-olie-futures rendementen verbetert door factoren als intensiteit en onzekerheid te betrekken die verder gaan dan eenvoudige polariteit.
Dit artikel analyseert de marktreactie op de geconcentreerde beleidscommunicatie tijdens de eerste 100 dagen van het tweede presidentschap van Donald Trump in 2025 met behulp van entropie-metingen, waarbij wordt aangetoond dat deze methologie effectieve signalen biedt voor regionale marktimpact en een waardevolle aanvulling vormt op bestaande methoden voor het karakteriseren van markten onder turbulente omstandigheden.
Dit artikel onderzoekt hoe temperatuur, een concept uit de statistische fysica dat in econofysica vaak als abstracte grootheid wordt gebruikt, concreet gemeten kan worden in agentgebaseerde systemen buiten de kapitaalmarkten, en presenteert een meetmethode en een strategie om de gemiddelde opinie in concurrerende subsystemen te beïnvloeden.
Dit artikel betoogt dat de negatieve scheefheid en positieve gemiddelde van aandelenrendementen voortkomen uit een gebroken symmetrie in de stochastische volatiliteit, en introduceert een gemodificeerde Jones-Faddy-skew-t-verdeling om deze asymmetrie effectief te modelleren, wat wordt geïllustreerd aan de hand van dagelijkse S&P500-gegevens.
Deze paper introduceert EDINET-Bench, een open-source benchmark voor Japanse financiële rapporten die aantoont dat zelfs geavanceerde grote taalmodellen moeite hebben met complexe financiële taken zoals fraudeopsporing en dat er behoefte is aan realistischere evaluatiekaders met gespecialiseerde ondersteuning.
Dit artikel introduceert de Temporal Hierarchy Forecasting (THieF)-methode voor het voorspellen van dag-ahead elektriciteitsprijzen, waarbij het reconciliëren van voorspellingen voor uur- en blokeenheden de nauwkeurigheid in de Duitse en Spaanse markten tot 13% verbetert zonder significante extra rekentijd.
Dit artikel introduceert een robuust parametrisch raamwerk op basis van de Minimum Density Power Divergence Estimator (MDPDE) voor de detectie van jumps in hoogfrequente CIR- en CKLS-modellen, waarbij gebruik wordt gemaakt van asymptotische scheiding tussen diffusie- en jumpsprongen om een consistent en statistisch valide classificatieproces te garanderen.
Deze paper presenteert een praktisch raamwerk voor extreme waarde-analyse in eindige, multivariate en gecorreleerde systemen, zoals financiële markten, waarbij hoogfrequente aandelenrendementen via een rotatie in de eigenbasis van de correlatiematrix worden ontleed om collectieve en idiosyncratische effecten te scheiden en staartrisico's te schatten met behulp van een peaks-over-threshold-benadering die rekening houdt met non-stationariteit.
Dit artikel presenteert een dynamische cryptocurrency-portefeuillestrategie die technische indicatoren en sentimentanalyse combineert binnen een gemiddelde-variatie-optimalisatiekader, wat leidt tot betere risicogecorrigeerde rendementen dan traditionele benchmarks, hoewel aanvullende risicobeheersmechanismen nodig zijn om de kwetsbaarheid voor marktdalingen te verminderen.