Neuste Artikel für Finanzen

Eine Übersicht über Raum-Zeit-Multigrid-Methoden und ihre Anwendungen in verschiedenen Bereichen.

Deep-MacroFin nutzt Deep Learning, um komplexe wirtschaftliche Gleichungen effektiv zu lösen.

Erkunde die Rolle von BSDEs beim Management dynamischer finanzieller Risiken.

Ein Leitfaden zur Optimierung von Entscheidungen unter Unsicherheit mit stichprobenbasierten Methoden.

Dieser Artikel bespricht, wie man SAA mit der Multilevel-Monte-Carlo-Methode verbessert, um Verzerrungen zu handhaben.

Ein neues Modell verbessert die Vorhersagen auf den Finanzmärkten, indem es die Datenherausforderungen angeht.

Lern, wie Deep Reinforcement Learning Entscheidungsfindung und neuronale Netzwerke kombiniert.

Ein Blick auf bedingtes Least-Square-Hedging innerhalb von Sprungdiffusionsmodellen.

Die Rolle von Datenschutztechnologien im Kampf gegen Finanzkriminalität erkunden.

Neue datengestützte Methoden verbessern die Delta-Hedging-Leistung für Trader.

Diese Studie untersucht, wie Aktiennetzwerke die Preisprognosen verbessern können.

Die Rolle von Reinforcement Learning in der Transformation der finanziellen Entscheidungsfindung analysieren.

Erkunde Methoden, um fehlende Daten in grossen Matrizen effektiv zu füllen.

Ein neuer Ansatz verbessert die Sentiment-Analyse mit marktbasierten Datensätzen.

Federated Clustering hilft dabei, Daten zu analysieren, während sensible Informationen privat bleiben.

Methoden, die Hypernetzwerke nutzen, haben in den letzten Wettbewerben bei der Vorhersage von Vermögensrenditen richtig abgeräumt.

Diese Studie stellt eine Methode vor, um Machine-Learning-Modelle und Datensätze auszuwählen.

Ein Blick darauf, wie verteilungsorientiertes RL die Entscheidungsfindung umgestaltet, indem es die Ergebnisverteilungen versteht.

Ein frischer Ansatz, um die Beziehungen zwischen Kryptowährungen und die Marktdynamik zu verstehen.

Neue Methoden zur Behandlung mehrerer Ziele in Regelungssystemen verbessern die Leistung und Entscheidungsfindung.

Ein neuer Ansatz zur Erstellung kontrollierter Szenarien für Finanzmärkte.

Forscher zeigen einen schnelleren Weg, komplexe Differentialgleichungen mit Zufallsbewegungen zu lösen.

Innovativer Ansatz verbessert Kontrollstrategien in hochdimensionalen Umgebungen.

Ein Blick darauf, wie vergangene Ereignisse zukünftige Vorkommen in zufälligen Prozessen beeinflussen.

Erkunde Methoden zur Optimierung von Lösungen für binäre gemischte ganzzahlige lineare Programme.

Dieser Artikel untersucht fortschrittliche Modelle zur Vorhersage von Aktienkursen mithilfe von Deep-Learning-Techniken.

StockTime kombiniert numerische und textuelle Daten für bessere Aktienprognosen.

Ein neues Framework verbessert die Schätzung extremer Werte mithilfe von distributionsrobusten Optimierungstechniken.

Erforsche, wie parabolische Gleichungen Physik, Ingenieurwesen und Finanzen beeinflussen.

Untersuchung einer Preisgestaltungsmethode für amerikanische Optionen in komplexen Märkten.

Entdecke, wie neuronale Modelle die Genauigkeit und Flexibilität bei der Optionspreisfindung verbessern.

Lerne, wie Konzentrationsungleichungen helfen, Zufallsmatrizen zu analysieren.

Eine Studie über Sentiment-Analyse und die Effektivität von Sprachmodellen.

Neue Methoden verbessern die statistische Analyse von nicht-stationären Zeitseriendaten.

Ein Überblick über die Brownsche Bewegung und ihre Bedeutung in verschiedenen Bereichen.

Untersuchen, wie die Korrelation von Aktienkursen im Laufe des Handelstags variiert.

Diese Studie verbessert die Preisgestaltung amerikanischer Optionen mithilfe von stückweisen Diffusions-Markov-Prozessen.

Lern, wie man komplexe neuronale Netzwerke versteht.

Die Beiträge von Tom Hurd in der Mathematik und Finanzforschung ehren.

Eine neue Methode will die Fairness im maschinellen Lernen durch das Wiedergewichten von Datenproben verbessern.