MétaCan
Menu
Retour à la cohorte
Enregistrement W4362652837 · doi:10.3934/fmf.2023013

Representation for martingales living after a random time with applications

2023· article· en· W4362652837 sur OpenAlexafffund
Tahir Choulli, Ferdoos Alharbi

Notice bibliographique

RevueFrontiers of Mathematical Finance · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueStochastic processes and financial applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésParametrization (atmospheric modeling)Representation (politics)MathematicsDiscrete time and continuous timeFlow (mathematics)Martingale (probability theory)Local martingaleFiltration (mathematics)CombinatoricsDiscrete mathematicsPure mathematicsApplied mathematicsPhysicsStatisticsGeometry

Résumé

récupéré en direct d'OpenAlex

Our financial setting consists of a market model with two flows of information. The smallest flow $ \mathbb{F} $ is the 'public' flow of information which is available to all agents, while the larger flow $ \mathbb{G} $ has additional information about the occurrence of a random time $ \tau $. This random time can model the default time in credit risk or death time in life insurance. Hence the filtration $ \mathbb{G} $ is the progressive enlargement of $ \mathbb{F} $ with $ \tau $. In this framework, when $ \tau $ is a finite honest time, we describe explicitly how $ \mathbb G $-local martingales can be represented in terms of $ \mathbb{F} $-local martingales and parameters of $ \tau $. This representation complements Choulli, Daveloose and Vanmaele [12] to the case when martingales live 'after $ \tau $'. Under some mild assumptions on the pair $ (\mathbb{F}, \tau) $, we fully elaborate the application of these results to the explicit parametrization of all deflators under $ \mathbb{G} $. The results are illustrated in the case of a jump-diffusion model and a discrete-time market 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,005
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,228
Écart entre enseignants0,212 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers of Mathematical FinanceMême sujetStochastic processes and financial applicationsTravaux en français237 207