制約付きおよび非有界金融市場における期待効用最大化：無差別評価、レジームスイッチング、消費、およびエプスタインジン再帰的効用への応用
制約付きおよび非有界金融市場における投資家の期待効用最大化問題を、非有界な解を持つ二次後倒確率微分方程式（BSDE）と凸双対性の理論を用いて分析し、無差別評価、レジームスイッチング、消費、エプスタインジン再帰的効用への応用について考察する。
一般拡散モデルにおける無裁定条件とACLMMの存在条件の関係性について
本稿は、一般拡散モデルにおいて、無裁定条件 (NA) が成立することと、絶対連続局所マルチンゲール測度 (ACLMM) が存在することの同値性を、有限時間区間と無限時間区間のそれぞれの場合において考察し、有限時間区間の場合にはスケール関数の正則性と境界条件に関する追加条件が必要となることを示した。
ドリフトと変動性の不確実性下における堅牢な先行投資と消費: ランダム化アプローチ
リスク回避的かつ曖昧回避的な代理人は、ドリフトと変動性の不確実性を伴う不完備な金融市場において、先行投資と消費の最適な戦略を見出す。
自動市場メーカーの「一時的損失」と「リバランスに対する損失」の統計的性質
ブラウン運動を仮定した場合、一時的損失とリバランスに対する損失は期待値が同一であるが、分布関数は大きく異なる。
量子振幅ローディングを用いたレインボーオプション価格設定
本研究は、量子コンピューターを用いてレインボーオプションの価格設定を行う新しい手法を提案する。反復量子振幅推定法を活用し、効率性を高めるため価格空間への移行を遅らせる端末的な量子回路実装を示す。さらに、指数関数を扱うための2つの異なる振幅ローディング手法を分析する。
証券貸借市場における動的価格設定: エージェントレンダーポートフォリオの収益最適化への適用
エージェントレンダーは、短期売り手に証券を貸し出すことで貸出料収入を最大化することを目指している。従来の固定的な価格設定ルールや機械学習モデルでは、市場動向の変化に適応できないため、コンテキストバンディットフレームワークを用いた動的な価格設定手法が有効である。
金融市場における変動性予測のための GARCH 組み込みニューラルネットワーク
GARCH モデルの強みと深層学習モデルの柔軟性を組み合わせた新しいハイブリッドモデル GINN を提案し、既存のモデルよりも優れた変動性予測性能を示した。
ブロックチェーンとAIを活用した金融デフォルト予測の新しいアプローチ
ブロックチェーン技術とAI(機械学習)を組み合わせることで、金融機関のデフォルト予測の精度と実時間性を大幅に向上させることができる。
多因子多項式拡散モデルと時間間際先物ダイナミクス
多因子商品モデルでは、短期と長期の2つの潜在的な状態変数によって先物価格が説明されることが多い。本研究では、多項式拡散を用いて、観測不可能なスポット価格をモデル化し、先物価格曲線のダイナミクスをモデル化する。多項式拡散モデルは、非線形、高次の効果を組み込むことができ、Schwartz and Smith [17]の2因子モデルの一般化である。パラメータと潜在的な因子の推定には2つのフィルタリング手法を使用し、非線形性に対処する。また、多項式の次数が増加するにつれ、高次元の行列指数関数を正確かつ効率的に近似することが重要になることを示す。
商品先物価格のシミュレーションと推定のためのShinyアプリ「PDSim」
PDSimは、多項式拡散モデルと2要因モデルを使用して、商品先物価格のシミュレーションと推定を行うRパッケージです。ユーザーフレンドリーなインターフェイスにより、シミュレーションと推定の機能をすべてのユーザーが利用できます。
