MétaCan
Menu
Retour à la cohorte
Enregistrement W2903042244 · doi:10.1142/s0219024918500115

DYNAMIC MEAN–VARIANCE OPTIMIZATION PROBLEMS WITH DETERMINISTIC INFORMATION

2018· article· en· W2903042244 sur OpenAlexfundno aff
Martin Schweizer, Danijel Zivoi, Mario Šikić

Notice bibliographique

RevueInternational Journal of Theoretical and Applied Finance · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueStochastic processes and financial applications
Établissements canadiensnon disponible
Organismes subventionnairesEidgenössische Technische Hochschule ZürichSwiss Finance InstituteMcMaster University
Mots-clésSemimartingaleMartingale (probability theory)Variance (accounting)Applied mathematicsMathematicsTransformation (genetics)PortfolioExponential functionMathematical optimizationIntegrable systemMathematical economicsComputer sciencePure mathematicsEconomicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

We solve the problems of mean–variance hedging (MVH) and mean–variance portfolio selection (MVPS) under restricted information. We work in a setting where the underlying price process [Formula: see text] is a semimartingale, but not adapted to the filtration [Formula: see text] which models the information available for constructing trading strategies. We choose as [Formula: see text] the zero-information filtration and assume that [Formula: see text] is a time-dependent affine transformation of a square-integrable martingale. This class of processes includes in particular arithmetic and exponential Lévy models with suitable integrability. We give explicit solutions to the MVH and MVPS problems in this setting, and we show for the Lévy case how they can be expressed in terms of the Lévy triplet. Explicit formulas are obtained for hedging European call options in the Bachelier and Black–Scholes models.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,953
Score d'incertitude au seuil0,360

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,203
Écart entre enseignants0,197 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Theoretical and Applied FinanceMême sujetStochastic processes and financial applicationsTravaux en français237 207