Nichtstationarität als ein zentraler Aspekt von Finanzmärkten
Notice bibliographique
Résumé
We leverage methods from statistical physics to study problems in economics, particularly financial markets. While there are some examples in history where physicists contributed to problems in economics, both sciences developed independently. The interdisciplinary field of econophysics has been formed during the last twenty years to facilitate the transfer of methods. We start by investigating the influence of the non-stationarity in financial time series on portfolio optimization and assess different methods designed to suppress the negative effects on the covariance estimation. The study compares different models to estimate the covariance matrix and how combinations of refinements can improve on them. The effectiveness of the refinements depends on the covariance estimators and they are essential to receive good results for portfolio optimization. The temporal dependencies inherent in financial time series are investigated with a recently introduced quantile-based correlation function. The results provide a much broader overview of the time series’ features compared to the classic method of studying the autocorrelation of the absolute or squared returns. In addition, we study how well different common stochastic processes capture the features of empirical time series and find striking differences. To model the influence of the non-stationarity, we use an ensemble approach to construct a multivariate correlation-averaged normal distribution, which addresses the non-stationarity of the covariance matrix. We carry out an extensive empirical study to validate the approach. The correlation-averaged normal distribution is then used as a realistic distribution for the asset values in the Merton model. We calculate the average loss distribution which takes the non-stationarity into account. This approach yields a quantitative understanding of why the benefits of diversification are limited. As practitioner-oriented risk measures we investigate the Value at Risk and Expected Tail Loss for credit portfolios.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».