Finanzas Cuantitativas - Finanzas computacionales

El modelo -Cell combina técnicas tradicionales y de aprendizaje automático para predecir la volatilidad.

DeepVol usa aprendizaje profundo para mejorar las predicciones de volatilidad en varios activos financieros.

Este artículo examina cómo la volatilidad de los costos de alimentación afecta las decisiones de cosecha de salmón.

Un nuevo método mejora la precisión del modelo a través del aprendizaje federado y la regresión de núcleos.

Aprende sobre técnicas modernas para fijar precios de opciones americanas con múltiples activos de manera precisa.

Aprende cómo el tamaño de las posiciones ayuda a gestionar el riesgo en mercados volátiles.

El estudio compara los límites de precios y los frenos de circuito en la gestión de las caídas de precios de las acciones.

Explorando métodos para hacer que la IA en finanzas sea más comprensible y confiable.

Este artículo habla sobre la necesidad de claridad en los modelos de aprendizaje automático.

Usando deep learning para mejorar la precisión en los precios de opciones de canasta.

Usar análisis de datos para identificar startups prometedoras antes de invertir.

Este documento examina cómo las empresas operan en los mercados de créditos de carbono para reducir emisiones.

Una mirada crítica a la efectividad de los modelos de volatilidad rugosa en los mercados financieros.

Aprende cómo los pequeños inversores pueden cambiar sus carteras mientras minimizan costos y maximizan el valor.

Aprende métodos para seleccionar carteras que superen los índices estándar mientras gestionas los riesgos.

Una mirada detallada al conjunto de datos ECL para la predicción de quiebras.

Examinando la fijación de precios de opciones usando ecuaciones diferenciales parciales en mercados de cambio de régimen.

Examinando cómo el deep learning mejora la toma de decisiones en entornos inciertos.

Examinando cómo los procesos de Hawkes marcados iluminan las interacciones de eventos a lo largo del tiempo.

Explorando cómo la IA transforma la toma de decisiones en el trading en los mercados financieros.

Presentando Causal-NECO VaR para una mejor predicción de riesgos en finanzas.

Examinando la relación entre los factores de precios de activos y el rendimiento del mercado usando carteras aleatorias.

Un nuevo enfoque para entender la dinámica del mercado cripto a través de técnicas de modelado avanzadas.

Este documento examina cómo las afirmaciones de los analistas influyen en el comportamiento del mercado y en los valores de las acciones.

Un nuevo modelo mejora la cobertura dinámica al tener en cuenta el impacto del mercado y la liquidez.

Una mirada a las simulaciones de libros de órdenes límite y sus implicaciones para el trading.

Este artículo explora métodos para estimar probabilidades de ejecución para órdenes limitadas.

Aprende métodos efectivos para fijar precios en varios valores de deuda en los mercados financieros.

Un nuevo enfoque para detectar fraudes en los mercados financieros usando aprendizaje automático y la opinión de expertos.

Una visión general de los factores únicos que afectan la inversión en criptomonedas.

StockGPT usa modelado avanzado para predecir los retornos de acciones basándose en datos históricos.

Los algoritmos cuánticos mejoran los cálculos de riesgo para los derivados financieros.

Nuevos métodos simplifican la fijación de precios de opciones financieras complejas para los traders.

Mejorando la toma de decisiones al integrar riesgos en el aprendizaje por refuerzo.

Aprende cómo la dominancia estocástica de segundo orden puede mejorar tu estrategia de inversión.

Explorando modelos de Ornstein-Uhlenbeck polinómicos para la volatilidad financiera y la fijación de precios de derivados.

Una mirada al método G-LSM para valorar opciones americanas de manera efectiva.

Una mirada a cómo MLMC mejora las estimaciones complejas usando enfoques en capas.

Un nuevo modelo mejora la gestión de portafolios a través de IA y teorías tradicionales.

Un nuevo marco para mejorar la toma de decisiones en situaciones dinámicas.