Finance quantitative - Finance computationnelle

Une nouvelle méthode améliore les prévisions des relations entre actifs pour de meilleures stratégies d'investissement.

Une nouvelle méthode améliore la précision et l'efficacité des estimations de volatilité implicite.

Analyser comment les structures de frais affectent les market makers automatisés et l'arbitrage dans la finance décentralisée.

Cet article explore comment la géométrie aide à analyser des systèmes complexes à travers les courbes de Betti et les variétés.

Stratégies pour augmenter les gains sur les échanges décentralisés grâce à l'arbitrage.

Cette étude examine l'impact du capital-investissement sur la prévision de la performance des actions publiques.

Un regard approfondi sur les options panier et leurs stratégies de tarification innovantes.

Un nouveau modèle s'attaque aux biais et améliore les prévisions des prix des actions en utilisant des données diverses.

Un aperçu concis des rapports de recherche sur les actions et de leur importance dans l'investissement.

Apprends comment le filtre de Kalman aide à prévoir les prix des actifs en finance.

Examiner le rôle du risque dans l'apprentissage automatique pour la tarification des actifs.

Un nouveau système de contrôle vise à améliorer la gestion des taux d'intérêt dans la DeFi.

Apprends comment les DKG améliorent la prise de décision financière grâce à l'analyse des tendances.

Explore le rôle des contrats à terme et des modèles de prix dans le trading de matières premières.

Cet article présente une nouvelle méthode pour gérer la masse monétaire dans la finance décentralisée.

Explore les différences et les implications de la couverture profonde et de la couverture delta.

Cet article explore des méthodes pour prédire l'exécution des RFQ pour les titres adossés à des hypothèques.

Cet article examine la non-identifiabilité dans les simulations de marché et propose une solution en utilisant plusieurs caractéristiques des données.

Une nouvelle approche utilisant l'apprentissage automatique pour simplifier les calculs de la marge initiale dynamique.

Découvrez comment les réseaux de Hopfield transforment la gestion d'actifs et l'optimisation de portefeuille.

Cet article explore les LLM pour prédire les retours boursiers en se basant sur les actualités financières.

Cet article parle d'une nouvelle stratégie de couverture dynamique en utilisant la volatilité implicite.

Un regard sur comment les carnets d'ordre influencent le comportement du marché et la tarification des actifs.

Un petit aperçu de la tarification des options en utilisant les maths financières et le calcul stochastique.

Explorer comment les structures de groupe améliorent les explications des modèles d'apprentissage automatique en finance.

Une nouvelle méthode améliore les prévisions du marché boursier après les rapports de résultats en utilisant l'IA.

Explore des stratégies avancées dans le trading d'options à haute fréquence pour améliorer les résultats d'investissement.

Une nouvelle approche améliore l'analyse des données financières pour un trading plus intelligent.

Améliorer les prévisions de rendement des actifs grâce à la sélection de caractéristiques causales dans des marchés instables.

Deep-MacroFin utilise l'apprentissage profond pour résoudre efficacement des équations économiques complexes.

Cet article parle d'améliorer l'AAS avec la méthode de Monte Carlo mult Niveau pour gérer le biais.

De nouvelles méthodes basées sur les données améliorent les performances de couverture delta pour les traders.

Cette étude examine comment les réseaux d'actions peuvent améliorer les prévisions de prix.

Découvre comment le pricing dynamique peut booster les revenus dans l'immobilier.

Découvrez comment les modèles neuronaux améliorent la précision et la flexibilité de la tarification des options.

Utiliser des algorithmes pour dénicher des opportunités d'investissement sur les marchés boursiers.

Cette étude améliore le prix des options américaines en utilisant des processus de Markov à diffusion par morceaux.

Ce document traite du besoin de justice dans les systèmes d'IA.

Les modèles neuronaux N-HiTS et N-BEATS battent les méthodes traditionnelles en matière de prévisions de marché.

Une nouvelle approche pour gérer des portefeuilles financiers grâce à des méthodes d'apprentissage profond.