Explicit description of all deflators for market models under random horizon with applications to NFLVR
Notice bibliographique
Résumé
This paper considers an initial market model, specified by its underlying assets $S$ and its flow of information $\mathbb F$, and an arbitrary random time $τ$ which might not be an $\mathbb F$-stopping time. As the death time and the default time (that $τ$ might represent) can be seen when they occur only, the progressive enlargement of $\mathbb F$ with $τ$ sounds tailor-fit for modelling the new flow of information $\mathbb G$ that incorporates both $\mathbb F$ and $τ$. In this setting of informational market, the first principal goal resides in describing as explicitly as possible the set of all deflators for $(S^τ, \mathbb G)$, while the second principal goal lies in addressing the No-Free-Lunch-with-Vanishing-Risk concept (NFLVR hereafter) for $(S^τ, \mathbb G)$. Besides this direct application to NFLVR, the set of all deflators constitutes the dual set of all "admissible" wealth processes for the stopped model $(S^τ,\mathbb G)$, and hence it is vital in many hedging and pricing related optimization problems. Thanks to the results of Choulli et al. [7], on martingales classification and representation for progressive enlarged filtration, our two main goals are fully achieved in different versions, when the survival probability never vanishes. The results are illustrated on the two particular cases when $(S,\mathbb F)$ follows the jump-diffusion model and the discrete-time model.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,007 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».