Finance quantitative - Finance computationnelle

Combiner l'apprentissage automatique et les options pour de meilleures stratégies d'investissement.

Cet article parle d'une nouvelle approche d'IA générative pour modéliser le flux de commandes sur les marchés financiers.

Utiliser l'algorithme de Grover pour une meilleure sélection de portefeuille en finance.

Examiner comment l'informatique quantique pourrait améliorer les prévisions des prix des actions par rapport aux méthodes traditionnelles.

Découvre comment les modèles d'IA peuvent améliorer la classification des questions dans le secteur bancaire.

Un nouvel algorithme augmente la précision dans la résolution des équations différentielles stochastiques rétrogrades.

Un nouveau marché vise à relier les investissements et la performance environnementale.

Une nouvelle méthode améliore les simulations financières en se concentrant sur des caractéristiques de drawdown réalistes.

Le modèle -Cell combine des techniques traditionnelles et d'apprentissage machine pour prédire la volatilité.

DeepVol utilise l'apprentissage profond pour améliorer les prévisions de volatilité sur différents actifs financiers.

Cet article examine comment la volatilité des coûts de l'alimentation influence les décisions de récolte du saumon.

Une nouvelle méthode améliore la précision des modèles grâce à l'apprentissage fédéré et à la régression par noyau.

Découvre des techniques modernes pour évaluer avec précision les options américaines avec plusieurs actifs.

Apprends comment la gestion de la taille des positions aide à gérer le risque sur des marchés volatils.

L'étude compare les limites de prix et les coupe-circuits pour gérer les baisses des prix des actions.

Explorer des méthodes pour rendre l'IA en finance plus compréhensible et fiable.

Cet article parle du besoin de clarté dans les modèles d'apprentissage automatique.

Utiliser l'apprentissage profond pour améliorer la précision des prix des options sur les paniers.

Utiliser l'analyse de données pour repérer des startups prometteuses avant d'investir.

Ce document examine comment les entreprises fonctionnent sur les marchés de crédits carbone pour réduire les émissions.

Un regard critique sur l'efficacité des modèles de volatilité rugueuse sur les marchés financiers.

Apprends comment les petits investisseurs peuvent changer de portefeuille tout en réduisant les coûts et en maximisant la valeur.

Apprends des méthodes pour choisir des portefeuilles qui dépassent les benchmarks standards tout en gérant les risques.

Un regard détaillé sur le jeu de données ECL pour la prévision de la faillite.

Examiner le prix des options en utilisant des équations aux dérivées partielles dans des marchés à régimes changeants.

Examiner comment l'apprentissage profond améliore la prise de décision dans des environnements incertains.

Examiner comment les processus de Hawkes marqués éclairent les interactions entre événements au fil du temps.

Explorer comment l'IA transforme la prise de décision en trading sur les marchés financiers.

Présentation de Causal-NECO VaR pour une meilleure prédiction des risques en finance.

Examiner le lien entre les facteurs de tarification des actifs et la performance du marché en utilisant des portefeuilles aléatoires.

Une nouvelle approche pour comprendre la dynamique du marché crypto grâce à des techniques de modélisation avancées.

Ce papier examine comment les affirmations des analystes influencent le comportement du marché et la valeur des actions.

Un nouveau modèle améliore la couverture dynamique en prenant en compte l'impact du marché et la liquidité.

Un aperçu des simulations de livres d'ordres à cours limite et leurs implications pour le trading.

Ce papier explore des méthodes pour estimer les probabilités de remplissage pour les ordres à cours limité.

Apprends des méthodes efficaces pour évaluer différents titres de créance sur les marchés financiers.

Une nouvelle approche pour détecter le spoofing sur les marchés financiers en utilisant l'apprentissage automatique et l'avis d'experts.

Un aperçu des facteurs uniques qui influencent l'investissement en cryptomonnaie.

StockGPT utilise des modèles avancés pour prédire les retours sur actions en se basant sur des données historiques.

Les algorithmes quantiques améliorent les calculs de risque pour les dérivés financiers.