MétaCan
Menu
Retour à la cohorte
Enregistrement W4417331488 · doi:10.3390/risks13120252

From Stochastic Orders to Volatility Surfaces: Revisiting the One-X Property

2025· article· en· W4417331488 sur OpenAlexaff
Zeyu Cao, Shaosai Huang

Notice bibliographique

RevueRisks · 2025
Typearticle
Langueen
DomaineMathematics
ThématiqueMarkov Chains and Monte Carlo Methods
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCounterexampleUnimodalityProperty (philosophy)ConjectureStochastic volatilityVolatility (finance)Stochastic process

Résumé

récupéré en direct d'OpenAlex

The One-X property, introduced by Zetocha in a 2023 paper, provides a novel stochastic order with direct implications for constructing arbitrage-free implied volatility surfaces. The current work revisits its theoretical foundations and explores its connections with classical stochastic orders, thereby offering a deeper understanding of its mathematical structure and practical significance in calendar-arbitrage-free modeling. We first present an explicit counterexample to a conjecture raised in Zetocha’s previous paper, and then provide a natural and valid enhancement of this conjecture. After discussing the inherent relations between the One-X property and properties such as TP2, RP2, and unimodality of density ratio (introcuded by Glasserman and Pirjol in their 2024 papers), we further explore some sufficient conditions to achieve the One-X property for random variables of certain mixture types that are frequently seen in applications.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,887
Score d'incertitude au seuil0,354

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,163
Tête enseignante GPT0,411
Écart entre enseignants0,248 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRisksMême sujetMarkov Chains and Monte Carlo MethodsTravaux en français237 207