Últimos artículos para Finanzas

Estudiando los impactos adversos en agentes de trading automatizado en mercados competitivos.

Un estudio sobre cómo mejorar los modelos de lenguaje en finanzas con herramientas externas.

Este artículo presenta un modelo para simplificar datos complejos de alta dimensión usando procesos gaussianos.

Este artículo explora una nueva forma de comparar soluciones en el espacio de Wasserstein.

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

Un nuevo método mejora la privacidad y la precisión en modelos basados en datos.

Explora los conceptos clave y aplicaciones de la teoría de matrices aleatorias en varios campos.

Este documento evalúa la solvencia y la gestión financiera de los proveedores de servicios de activos virtuales.

Un nuevo método mejora la velocidad y precisión de las simulaciones en varios campos científicos.

Un nuevo enfoque para predecir eventos utilizando técnicas de aprendizaje auto-supervisado.

Nuevos métodos para analizar datos funcionales mejoran la comprensión en varios campos.

Un estudio sobre cómo identificar patrones inusuales en series temporales usando clasificación de una sola clase.

Este estudio analiza cómo los sesgos del análisis de sentimientos afectan las decisiones de trading de acciones.

Aprende cómo los modelos de cambio de régimen mejoran la toma de decisiones de inversión.

Este artículo presenta un método para la estimación de parámetros en el proceso de Hawkes usando observaciones discretas.

Una mirada a los FBSDEs y sus aplicaciones en finanzas y biología.

Nuevo método mejora la explicabilidad de GNN usando gráficos proxy.

Explora la relación entre los procesos de Markov y las transformadas de Laplace para un análisis avanzado.

Explorando la distancia de Wasserstein al cuadrado para una reconstrucción efectiva de SDE a partir de datos ruidosos.

Un nuevo método mejora la eficiencia al cargar datos en computadoras cuánticas.

Aprende sobre el staking apalancado y su papel en las finanzas descentralizadas.

Examinando cómo el muestreo de Thompson mejora las elecciones en medio de la incertidumbre y el ruido.

Aprende cómo los procesos de Hawkes modelan eventos interconectados en varios campos.

Explorando el uso de LLMs para analizar datos de series temporales en varios campos.

Nuevas estrategias en Aprendizaje Federado mejoran la privacidad y la eficiencia en el aprendizaje automático.

Este artículo explora las ecuaciones diferenciales estocásticas y sus aplicaciones en la gestión de la incertidumbre.

Nuevos métodos combinan datos estructurados y no estructurados para hacer mejores predicciones.

Explorando el modelo de volatilidad estocástica realizada para mejores predicciones financieras.

Este artículo habla sobre el arranque en caliente y los métodos clásicos en QAOA para la optimización de carteras.

Analizando tendencias y contribuyentes clave en finanzas cuantitativas a partir de artículos de arXiv.

Este estudio presenta métodos de prueba avanzados para evaluar el rendimiento de las inversiones.

Analizando eventos de pérdida para mejorar la gestión del riesgo usando un proceso de renovación de Markov.

Explora nuevos métodos para optimizar carteras de inversión con riesgos minimizados.

La optimización estocástica en línea ayuda a manejar la incertidumbre en la toma de decisiones.

Aprende cómo la memoria prolongada influye en las predicciones en varios campos.

Esta investigación combina el análisis de Fourier con modelos de difusión para generar series de tiempo de manera más efectiva.

Una visión de cómo DRO y estadísticas robustas mejoran la toma de decisiones bajo incertidumbre.

Una mirada a las complejidades de las fusiones y adquisiciones y cómo determinar ratios de intercambio justos.

Un nuevo método mejora la eficiencia de la comunicación en el aprendizaje federado.

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