Über die Variabilität von seria-Elementen in der opera buffa : Transformationsprozesse in Baldassare Galuppis komischen Opern
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this paper I consider a portfolio optimization problem where an agent holds an endowment of stock and is allowed to buy some quantity of a put option on the stock.This basic question (how much insurance to buy?) has been addressed in insurance economics through the literature on rational insurance purchasing.However, in contrast to the rational purchasing literature that uses exact algebraic analysis with a binomial probability model of portfolio value, I use numerical techniques to explore this problem.Numerical techniques allow me to approximate continuous probability distributions for key variables.Using large sample, asymptotic analysis I identify the optimal quantity of put options for three types of preferences over the distribution of portfolio value.The location of the optimal quantity varies across preferences and provides examples of important concepts from the rational purchasing literature: coinsurance for log utility (q*<1), full-insurance for quantile-based preferences (q*=1), and over-insurance for mean-variance utility (q*>1).I calculate the shape of the objective function and show the optimum is well defined for mean-variance utility and quantile-based preferences in an asymptotic setting.Using resampling, I show the optimal values are stable for the mean-variance utility and the quantilebased preferences but not the log utility.For the optimal value with mean-variance utility I show that the put option affects the probability distribution of portfolio value in an asymmetric way, which confirms that it is important to analyze the optimal use of derivatives in a continuous setting with numerical techniques.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,051 | 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 découle