현재 시장 상황을 반영하여 포트폴리오 위험을 더 정확하고 현실적으로 파악할 수 있는 접근법을 제안한다.
금융 기관은 인공지능 기술 도입에 따른 다양한 위험에 직면하고 있으며, 이를 관리하기 위해 기존 위험 관리 체계를 적응시키거나 새로운 접근법을 모색하고 있다.
본 연구는 중성 원자 양자 프로세서를 활용하여 신용등급 하락 예측을 위한 하이브리드 클래식-양자 분류 모델을 제안한다. 이 모델은 기존 Random Forest 모델과 경쟁력 있는 성능을 보이면서도 해석 가능성이 높고 실행 시간이 빠르다.
본 논문은 위험 기반 효용 부족(UBSR)의 추정 및 최적화 문제를 다룹니다. UBSR은 금융 분야에서 널리 사용되는 위험 측정 지표로, 기존 VaR와 CVaR의 단점을 보완할 수 있는 대안으로 주목받고 있습니다. 저자들은 UBSR을 무한 변수에 적용할 수 있도록 확장하고, 비대칭적 관점에서 UBSR 추정 및 최적화를 위한 새로운 방법론을 제안합니다.
금융 네트워크의 자산 가격 변동에 대한 복원력 한계를 정량화하고, 이를 초과하는 경우 발생할 수 있는 최악의 시스템 손실을 효율적으로 계산할 수 있는 방법을 제시한다.