Bibliographic record
Abstract
Dans cet article nous établissons des formules d'évaluation pour un ensemble d'options américaines sur deux ou plus actifs sous-jacents. Notre contribution est de deux ordres. En premier lieu nous caractérisons la région d'exercice optimale et établissons des formules d'évaluation pour un nombre de contrats d'options américaines à actifs multiples sous-jacents et à fonctions de gains convexes. Des exemples incluent les options sur le maximum de deux actifs, les options à double prix d'exercice, les options sur différentiels, les options d'échange, les options sur le produit et les puissances du produit, et les options sur la moyenne arithmétique de deux actifs. En deuxième lieu, nous considérons également une classe de contrats à gains non-convexes tels que les options d'échange américaines avec plafond. Pour cette option nous identifions de manière explicite la frontière d'exercice optimale et nous établissons une décomposition en termes d'une option d'échange avec plafond avec exercice automatique lorsque le plafond est atteint et d'une prime d'exercice prématuré qui dépend des bénéfices réalisés lorsque l'exercice précède l'atteinte du plafond. Outre la généralisation de la littérature présente sur l'évaluation des options américaines, notre analyse a également des conséquences pour la théorie macro-économique de l'investissement dans l'incertain. Une spécialisation d'un de nos modèles constitue également une nouvelle formule de représentation pour une option américaine avec plafond sur un actif sous-jacent unique.
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.
How this classification was reachedexpand
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 | 0.004 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".