Notice bibliographique
Résumé
We develop a completely new and straightforward method for simulating the joint law of the position and running maximum at a fixed time of a general Levy process with a view to application in insurance and financial mathematics. Although different, our method takes lessons from Carr's so-called "Canadization" technique as well as Doney's method of stochastic bounds for Levy processes; see Carr [Rev. Fin. Studies 11 (1998) 597-626] and Doney [Ann. Probab. 32 (2004) 1545-1552]. We rely fundamentally on the Wiener-Hopf decomposition for Levy processes as well as taking advantage of recent developments in factorization techniques of the latter theory due to Vigon [Simplifiez vos Levy en titillant la factorization de Wiener-Hopf (2002) Laboratoire de Mathematiques de L'INSA de Rouen] and Kuznetsov [Ann. Appl. Probab. 20 (2010) 1801-1830]. We illustrate our Wiener-Hopf Monte Carlo method on a number of different processes, including a new family of Levy processes called hypergeometric Levy processes. Moreover, we illustrate the robustness of working with a Wiener-Hopf decomposition with two extensions. The first extension shows that if one can successfully simulate for a given Levy processes then one can successfully simulate for any independent sum of the latter process and a compound Poisson process. The second extension illustrates how one may produce a straightforward approximation for simulating the two-sided exit problem.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 ».