Notice bibliographique
Résumé
Introduction Nicholas Dunbar Risk. SECTION 1: GENERIC OPTION PRICING. 1 Assets with Jumps Alexander Lipton Citadel Investment Group. 2 Why Be Backward? Peter Carr Ali Hirsa New York University Caspian Capital Management. 3 Corridor Variance Swaps Peter Carr Keith A. Lewis New York University Independent Consultant. 4 What's a Basket Worth? Peter Laurence Tai-Ho Wang University of Rome National Chung Cheng University. 5 Unifying Volatility Models Claudio Albanese Alexey Kuznetsov University of London McMaster University. 6 Smile at the Uncertainty Damiano Brigo, Fabio Mercurio, Francesco Rapisarda Banca IMI. 7 Local Cross-entropy David Edelman University College Dublin. SECTION 2: PRICING PROBLEMS IN CREDIT, EQUITIES AND INTEREST RATES. 8 I Will Survive Jon Gregory, Jean-Paul Laurent BNP Paribas. 9 All Your Hedges in One Basket Leif Andersen, Jakob Sidenius Susanta Basu Banc of America Securities Och-Ziff Capital Management. 10 A Measure of Survival Philipp J. Schonbucher ETH Zurich. 11 Market Models for CDS Options and Callable Floaters Damiano Brigo Banca IMI. 12 Index Volatility Surface via Moment-Matching Techniques Peter Lee Limin Wang Abdelkerim Karim Lehman Brothers Credit Suisse First Boston Lehman Brothers. 13 Smile Dynamics Lorenzo Bergomi Societe Generale. 14 Volatile Volatilities Leif Andersen Jesper Andreasen Banc of America Securities Nordea Markets. 15 Swap Vega in BGM: Pitfalls and Alternatives Raoul Pietersz Antoon Pelsser ABN Amro ING Group Risk Management. 16 Black Smirks Fei Zhou Lehman Brothers. 17 Correlating Market Models Bruce Choy Tim Dun Erik Schlogl Commonwealth Bank of Australia ANZ Risk Management University of Technology. SECTION 3: MARKET ANALYSIS AND QUANTITATIVE TRADING. 18 Bidding Principles Robert Almgren Neil Chriss University of Toronto SAC Capital. 19 Practical Relative-value Volatility Trading Stephen Blyth Deutsche Bank. 20 Arbitrage Under Power Michael Boguslavsky Elena Boguslavskaya ABN Amro University of Amsterdam. 21 Component Proponents II Christophe Perignon Christophe Villa Simon Fraser University ENSAI. 22 Excess Yields in Bond Hedging Haim Reisman, Gady Zohar Technion. Age of Reason or Age of Procedure? Stephen Blyth Deutsche Bank
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».