92 papers
Deze paper introduceert een onzekerheidsbewuste deep hedging-methode die gebruikmaakt van een ensemble van LSTM-netwerken om modelonzekerheid te kwantificeren en deze te combineren met de Black-Scholes delta, wat leidt tot statistisch significante verbeteringen in hedging-prestaties vergeleken met traditionele methoden.
Dit artikel demonstreert aan de hand van computersimulaties dat de entropie van gesimuleerde ruileconomieën empirisch kan worden gemeten volgens de principes van thermische macroeconomie, waardoor macro-economische analyses mogelijk worden zonder microfundamenten.
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 de Gewogen Generaliseerde Risicomaatstaf (WGRM) en het Gewogen Risicokwadrant (WRQ) om heterogene risicobeoordelingen te synthetiseren, waarbij het de wiskundige eigenschappen karakteriseert, optimalisatieproblemen omzet in lineaire programmering, en empirisch aantoont dat deze aanpak leidt tot superieure risicogecorrigeerde prestaties en betere downside-resilience dan traditionele methoden.
Dit artikel presenteert een machine learning-framework dat een gerichte bipartiete grafiek gebruikt om de voorspellende asymmetrie tussen de Amerikaanse en Chinese aandelenmarkten te onthullen, waarbij Amerikaanse slotkoersen sterke voorspellende waarde blijken te hebben voor Chinese intraday-returns, terwijl het omgekeerde effect beperkt is.
Dit artikel introduceert een tweelaags stochastisch controlemodel voor marktmaking in RFQ-markten met aggregators, waarbij de routeerbaarheid afhankelijk is van prestatiescores, en analyseert hoe dit leidt tot complexe dynamieken zoals bistabiliteit en een endogeen patroon van 'campagne versus oogst' in de optimale biedstrategieën.
Dit artikel toont aan dat marktmacht van individuele dealers en de doorgeefluikwerking van schokken in de repo-markt voor gilden aanzienlijke afwijkingen in obligatierendementen veroorzaken, variërend van 0,5 tot 4 procentpunten.
Dit paper introduceert een risicogebaseerd evaluatiekader voor de beveiliging van grote taalmodellen in de financiële sector, dat een gespecialiseerde taxonomie, geautomatiseerde red-teaming en een nieuwe 'Risk-Adjusted Harm Score' combineert om de operationele ernst van schadelijke uitkomsten beter te kwantificeren dan bestaande, domein-agnostische benchmarks.
Dit artikel introduceert een modelonafhankelijk raamwerk dat gestoorde optimale transporttechnieken en de Skew Stickiness Ratio combineert om SPX- en VIX-risicoscenario's snel en nauwkeurig te genereren zonder volledige herkalibratie, wat leidt tot betere hedging-prestaties dan traditionele stochastische lokale volatiliteitsmodellen.
Dit artikel lost het Merton-portefeuille-optimalisatieprobleem op in een niet-Markoviaanse multivariate Volterra-Hestonomgeving door gebruik te maken van een stochastische factoroplossing voor een Riccati-BSDE, wat leidt tot optimale strategieën in semi-gesloten vorm die afhankelijk zijn van tijdafhankelijke multivariate Riccati-Volterra-vergelijkingen.
Dit artikel gebruikt een globaal spelmodel om aan te tonen dat de stabiliteit van stablecoins afhangt van de interactie tussen informatie-structuur, fundamentele sterkte en het risico op grote verkopen, waarbij meer precisie in private signalen paradoxale effecten kan hebben op de kans op een run.
Dit artikel identificeert met behulp van interpretable machine learning de belangrijkste determinanten voor slecht presterende leerlingen in Latijns-Amerika na de pandemie, waarbij taalkleuren, schoolherhaling, gebrek aan digitale middelen, armoede en werk, en schoolkwaliteit als cruciale factoren naar voren komen.
Dit artikel ontwikkelt een niet-lineair theoretisch kader om de dynamiek van overheidsuitgavenhervormingen in Uruguay te analyseren en toont aan dat structurele hervormingen, door institutionele rigiditeiten en aanpassingskosten, leiden tot een J-vormig uitgavenpad waarbij de totale uitgaven eerst stijgen voordat ze op de lange termijn convergeren naar een efficiëntere toewijzing.
Deze studie toont aan dat de steun voor belastingverhogingen om ongelijkheid te verminderen in Japan na de pandemie verschuift van onvoorwaardelijke normen naar voorwaardelijke steun die sterk afhankelijk is van het vertrouwen in de overheid, vooral onder hogere inkomens.
Op basis van een Japanse panelstudie uit de periode 2016-2024 concludeert dit onderzoek dat de voorkeur voor inkomensherverdeling na de COVID-19-pandemie vooral bij hooginkomens daalde, waarbij een hoger vertrouwen in de overheid deze afname dempte, terwijl algemeen vertrouwen en wederkerigheid geen invloed hadden.
Deze studie toont aan dat er een omgekeerde U-vormige relatie bestaat tussen slaaptijd en de voorkeur voor hogere belastingtarieven ter herverdeling, waarbij zowel de kwaliteit van de slaap als het inkomen een significante rol spelen.
Deze paper introduceert een neural-network-framework voor multi-period risicorendement-optimatie met beperkte twee-staps feedback-beleid dat, onder zachte regulariteitsvoorwaarden, bewijst dat de empirische optimum convergeert naar de ware optimale waarde naarmate de netwerkcapaciteit en trainingsgrootte toenemen, wat wordt bevestigd door numerieke experimenten die uitval-robuustheid en nauwkeurige controle-heatmaps tonen.
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.
Deze paper introduceert Finance-Informed Neural Networks (FINN), een zelftoezichtend machine learning-model dat optieprijzing en -hedgeert op basis van dynamische replicatie en economische consistentie, waardoor het nauwkeurige resultaten levert in complexe marktomstandigheden en zelfs voor activa zonder bestaande optiemarkten.
Dit artikel presenteert een arbitragevrije waardering voor herverzekering tegen catastrofe-stoploss met een compound dynamic contagion-proces, waarbij de Esscher-transformatie wordt gebruikt om premies te berekenen die rekening houden met opkomende risico's zoals klimaatverandering en cyberaanvallen.