92 artigos
Este artigo caracteriza o equilíbrio de Nash para mercados de créditos de carbono e demonstra, por meio de experimentos numéricos utilizando o algoritmo Nash-DQN, que a aplicação de aprendizado por reforço permite que empresas emissorres alcancem economias financeiras significativas ao aderir a esse equilíbrio.
O artigo propõe uma solução para o Puzzle do Prêmio de Riqueza ao apresentar um modelo derivado do CAPM baseado no consumo que, ao assumir fatores de desconto temporal entre 0,97 e 0,99, gera um coeficiente de aversão relativa ao risco de aproximadamente 4,40, demonstrando consistência com a literatura empírica e robustez nos resultados.
Este estudo conclui que, na União Europeia, a relação observada entre o aumento de relatórios de transações suspeitas e o número de condenações por lavagem de dinheiro é espúria e não causal, sendo impulsionada por tendências temporais comuns e diferenças entre países, o que indica que simplesmente aumentar o volume de relatórios não resulta estatisticamente em mais condenações.
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 propõe um novo paradigma de simulação baseado em cenários que integra modelos físicos de mobilidade e emissões com uma camada social de respostas comportamentais, permitindo a avaliação ex-ante dos impactos diretos e indiretos de regulamentações de tráfego urbano em sistemas complexos de mobilidade.
O artigo apresenta o WaveLSFormer, um modelo Transformer baseado em wavelets aprendíveis que realiza decomposição multiescala e otimização direta de retornos ajustados ao risco para gerar carteiras long-short intradiárias, demonstrando desempenho superior a diversas arquiteturas de base em dados financeiros reais.
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.
O artigo demonstra a ineficiência dos mercados de criptoativos ao rejeitar empiricamente restrições de equilíbrio que não podem ser atribuídas a riscos mal precificados, indicando a presença de fricções que impedem a realocação de capital.
O estudo demonstra que, à medida que o fluxo de propostas em DAOs supera a capacidade de monitoramento da participação ampla, a governança efetiva tende a se concentrar em um grupo menor de participantes altamente ativos, evidenciando um mecanismo de "muito grande para monitorar".
O artigo apresenta um modelo de equilíbrio geral em um mundo linear que determina endogenamente o comércio e as fronteiras, oferecendo uma estrutura unificada e tratável para analisar resultados geopolíticos, economia política, segurança e ideologia que não seriam possíveis se essas variáveis fossem tratadas como exógenas.
Este artigo demonstra que sinais de sentimento multidimensionais extraídos por grandes modelos de linguagem, como GPT-4o e Llama 3.2, combinados com modelos financeiros tradicionais, melhoram a previsão de retornos semanais de futuros de petróleo WTI ao capturar nuances além da simples polaridade, como intensidade e incerteza.
Este artigo apresenta um experimento de campo demonstrando que equilibrar a prevalência de feedback e solicitar probabilidades, combinados com recalibração pós-processamento, mitigam viéses cognitivos em anotações humanas de eventos raros, melhorando significativamente a precisão e a confiabilidade de modelos de IA downstream.
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.
O artigo apresenta o DatedGPT, uma família de modelos de linguagem treinados com cortes temporais rigorosos para eliminar o viés de antecipação em previsões financeiras, garantindo que o conhecimento de cada modelo seja estritamente limitado ao seu ano de corte sem comprometer o desempenho.
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 utiliza uma abordagem baseada na teoria da informação, combinando dispersão e entropia, para analisar como as comunicações políticas concentradas do início do segundo mandato de Donald Trump em 2025 geraram assinaturas entrópicas distintas que capturam a volatilidade e a coerência dos movimentos globais dos mercados financeiros.
Este artigo utiliza um modelo de cadeia de suprimentos global calibrado com dados da OCDE para demonstrar que a economia indiana é mais vulnerável a sanções provenientes da Arábia Saudita, seguida pelos Emirados Árabes Unidos, China, Singapura, Estados Unidos e Rússia.
O estudo demonstra que, em cenários de escassez de recursos, o aumento da inteligência e da diversidade em populações de agentes de IA pode piorar os resultados coletivos ao gerar sobrecarga perigosa, enquanto a formação de tribos mitiga esse risco, indicando que o impacto da sofisticação da IA depende inteiramente da relação entre capacidade e população.
Este artigo fornece a primeira caracterização exata de equilíbrios em jogos LQG contínuos com sinais endógenos, reduzindo a hierarquia infinita de crenças a um ponto fixo determinístico e introduzindo uma "cunha de informação" que quantifica o valor estratégico de manipular as expectativas dos oponentes.
Embora as bolsas interdisciplinares gerem artigos interdisciplinares, o estudo revela que as bolsas disciplinares são, na verdade, mais eficazes na produção de pesquisas interdisciplinares de alto impacto, destacando a importância fundamental do investimento em expertise disciplinar profunda para impulsionar avanços científicos amplos.