25 artigos
Este artigo estuda a partilha de risco entre agentes com preferências modeladas por medidas de risco de distorção heterogéneas e não necessariamente avessas ao risco, derivando soluções explícitas para a inf-convolução e a inf-convolução contra-monótona que podem ser representadas por uma generalização das medidas de risco de distorção.
Este artigo desenvolve um modelo estocástico contínuo baseado em processos de Hawkes para determinar o investimento ótimo em cibersegurança sob ataques agrupados, demonstrando que considerar a dinâmica realista de aglomeração de ameaças resulta em políticas de investimento mais eficazes do que abordagens tradicionais baseadas em Poisson.
Este artigo demonstra que, em cenários de perdas com caudas pesadas e média infinita, a diversificação pode paradoxalmente aumentar o risco de cauda em relação a uma estratégia concentrada, estabelecendo condições sob as quais uma carteira diversificada domina estocasticamente uma carteira de "uma única cesta".
Este artigo apresenta o Slippage-at-Risk (SaR), um quadro quantitativo prospectivo para medir o risco de liquidez em exchanges de futuros perpétuos, que utiliza microestrutura do livro de ofertas para prever riscos de execução e definir requisitos de capital, demonstrando sua eficácia como indicador líder de estresse sistêmico através de dados da Hyperliquid.
Este artigo apresenta um quadro unificado que reconstrói a estrutura multilayer da economia a partir de dados de balanço, permitindo simular a propagação de choques e realizar testes de estresse sem depender de informações de rede confidenciais.
Este artigo apresenta um método de aprendizado de ensemble baseado em Regressão por Processos Gaussianos que, ao reduzir a complexidade computacional e incorporar a incerteza preditiva na alocação de ativos, supera modelos existentes e o índice S&P 500 em termos de retorno econômico e estatístico em uma análise empírica de ações dos EUA entre 1962 e 2016.
Este artigo desenvolve uma estrutura de análise não-padrão para medidas de risco coerentes e seus estimadores, estabelecendo representações hiperfinitas e fórmulas discretas de Kusuoka que permitem derivar resultados de consistência, bootstrap e normalidade assintótica para estimadores de plug-in espectral.
O artigo propõe o framework Calibrated Credit Intelligence (CCI), que combina pontuação neural bayesiana, gradient boosting com restrições de justiça e uma estratégia de fusão adaptada a mudanças de distribuição para gerar pontuações de risco de crédito precisas, bem calibradas e equitativas em cenários de implantação real com desvio temporal.
O artigo propõe a Regressão Adversarial Generativa (GAR), um quadro de aprendizado que alinha geradores a objetivos de risco downstream por meio de uma formulação minimax, produzindo cenários de risco condicional que superam métodos tradicionais na preservação de métricas de risco como VaR e ES em dados do S&P 500.
O artigo propõe um modelo híbrido de Markov Oculto que combina estados de mercado definidos por quantis de Laplace com um mecanismo de saltos de Poisson para gerar séries temporais financeiras sintéticas que superam modelos existentes ao preservar simultaneamente a fidelidade distributiva, a estrutura temporal e a cobertura de caudas dos dados reais.
Este artigo estabelece caracterizações analíticas e um quadro de otimização computacionalmente viável para a Medida de Risco Generalizada Ponderada (WGRM) e o Quadrângulo de Risco Ponderado (WRQ), demonstrando empiricamente que essa abordagem melhora o desempenho ajustado ao risco e a resiliência em portfólios ao sintetizar avaliações heterogêneas de mercado e mitigar erros decorrentes de previsões únicas.
Este artigo propõe um modelo de controle estocástico em dois níveis para mercados de RFQ agregados, demonstrando como a dinâmica de pontuação de desempenho dos dealers pode gerar comportamentos complexos como bifurcações e histerese, levando a estratégias endógenas de "campanha versus colheita" na formação de preços.
Este artigo propõe novos algoritmos numéricos de nível único e multinível que combinam técnicas de inversão de Fourier com amostragem RQMC para estimar riscos de déficit multivariados e alocações ótimas, superando métodos tradicionais em precisão e eficiência computacional ao explorar a suavidade das funções no domínio da frequência.
Este artigo desenvolve um novo quadro robusto para a gestão de riscos de mortalidade em seguros de vida ao derivar limites superiores e inferiores para funcionais da duração da vida que são compatíveis com tabelas de vida observadas, permitindo quantificar o impacto de desvios nas taxas de mortalidade sobre os valores dos contratos sem depender de suposições específicas sobre a distribuição de óbitos entre idades inteiras.
Este artigo propõe uma avaliação livre de arbitragem para resseguro de catástrofes com cláusula de stop-loss, utilizando um processo de contágio dinâmico composto e a transformada de Esscher para quantificar prêmios que consideram riscos emergentes como mudanças climáticas e pandemias, validados através de simulações de Monte Carlo e análises de sensibilidade.
Este artigo demonstra que a subaditividade do Valor em Risco (VaR) é impossível para variáveis aleatórias unilaterais, exceto no caso degenerado de aditividade exata, e estabelece condições estruturais de dependência negativa e dominância de simplex que caracterizam quando o VaR é totalmente superaditivo.
Este artigo investiga regras ótimas de partilha de riscos em redes descentralizadas, caracterizando soluções lineares justas entre amigos conectados e estabelecendo uma ligação com o Laplaciano do grafo no caso em que os riscos são divididos igualmente.
Este artigo visa aprofundar a discussão sobre o provisionamento de sinistros individuais, propondo uma nova metodologia baseada no método Chain-Ladder clássico para superar as limitações das abordagens existentes e estabelecer um novo padrão na prática atuarial.
Este estudo compara modelos de sobrevivência, como o modelo de risco discreto e árvores de decisão, com regressão logística para estimar a estrutura temporal do risco de baixa de empréstimos sob o IFRS 9, concluindo que, embora o modelo de risco discreto supere outras abordagens de duas etapas, um modelo de uma única etapa permanece superior devido à distribuição específica dos dados de perda.
Este artigo apresenta dois novos quadros de aprendizado por reforço, RLOP e QLBS, que priorizam a probabilidade de déficit e a sensibilidade ao risco de baixa para melhorar a cobertura de opções e a estabilidade financeira, demonstrando empiricamente que essas abordagens reduzem a frequência de déficits e melhoram a gestão de riscos de cauda em comparação com modelos paramétricos tradicionais.