Demande de portefeuille et politique de couverture de risque sous information incomplète
Notice bibliographique
Résumé
Dans cet article, nous considérons le problème de choix de portefeuille sous information incomplète lorsque l’investisseur maximise l’utilité de sa richesse terminale. Le portefeuille optimal est obtenu de manière explicite en utilisant la formule de représentation d’Ocone et Karatzas (1991) sous changement équivalent de mesure. Lorsque la richesse terminale découle uniquement de la politique d’investissement dans les actifs financiers, le portefeuille optimal a deux composantes : la première est un terme d’espérance-variance pur relatif à l’information de l’investisseur, la seconde un terme de couverture contre les fluctuations de l’estimateur de l’espérance de rendement des actifs financiers. Dans le cas du modèle gaussien, la demande de couverture est reliée à l’erreur d’estimation. Lorsque la richesse terminale provient également d’un cash-flow aléatoire en supplément des fonds générés par la politique d’investissement, nous démontrons que le portefeuille optimal contient aussi des termes de couverture contre (i) les fluctuations stochastiques dans le taux de croissance du cash-flow terminal et contre (ii) les révisions dans l’estimateur du taux d’appréciation du cash-flow terminal. Ces formules généralisent diverses applications considérées dans la littérature. En conclusion, nous abordons le problème d’information asymétrique.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».