Последовательные $\delta$-оптимальные потребление и инвестирование для финансовых рынков со стохастической волатильностью при неизвестных параметрах
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Рассматривается задача оптимального потребления и инвестирования для финансового рынка Блэка-Шоулса со стохастической волатильностью и с неизвестным коэффициентом роста акций. Параметр волатильности управляется внешним экономическим фактором, который моделируется процессом Орнштейна-Уленбека с неизвестным параметром сноса. В первой части статьи мы методом динамического программирования находим оптимальную финансовую стратегию, которая зависит от неизвестных параметров рынка. Чтобы оценить коэффициент сноса, мы наблюдаем процесс, моделирующий внешний экономический фактор $Y$, на интервале $[0, T_0]$ для заданного $T_0 > 0$ и пользуемся методом последовательного оценивания. Во второй части статьи мы показываем, что целевая функция для такой стратегии находится в $\delta$-окрестности ее оптимального значения, т.е. стратегия, построенная с помощью последовательного оценивания, является $\delta$-оптимальной.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.016 | 0.012 |
| Meta-epidemiology (narrow) | 0.004 | 0.004 |
| Meta-epidemiology (broad) | 0.006 | 0.003 |
| Bibliometrics | 0.004 | 0.007 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.011 | 0.005 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.010 | 0.051 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it