Combined Custom Hedging: Optimal Design, Noninsurable Exposure, and Operational Risk Management
Notice bibliographique
Résumé
Optimal Design of Combined Contingent Claims: Theory and Applications. In “Combined Custom Hedging: Optimal Design, Noninsurable Exposure, and Operational Risk Management”, Paolo Guiotto and Andrea Roncoroni develop a normative framework for the optimal design, value assessment, and operations management integration of financial derivatives. Most business and operating revenues entail a mix of financially insurable and noninsurable risk. A risk-averse firm may face them by positioning in a pair of financial derivatives with optimal bespoke payoff functions; one claim is written on the insurable term, and the other claim is written on any observable index exhibiting correlation to the noninsurable term. On a theoretical ground, the authors 1) state the problem in a general setup and prove existence and uniqueness of the optimal pair of combined claims, 2) show that the optimal payoff functions satisfy a Fredholm integral equation, and 3) assess the incremental benefit the firm obtains by switching from the optimal single-claim custom hedge to the optimal combined custom hedge they propose. On an experimental ground, they show that 1) the optimal combined custom hedge would be empirically relevant for a highly risk-averse firm facing a market shock shown during the first period of the COVID-19 pandemic in 2020, 2) integration with the optimal procurement in a generalized newsvendor model leads to a significant improvement in both risk and return, and: 3) this gain can be traded off for a substantial enhancement in operational flexibility.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
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 ».