Искусственный интеллект на службе у акционеров: Оптимизация программ выкупа акций
![Наблюдается, что применение совместной модели хеджирования позволяет нормализовать выплаты по политике [latex]P_{nL}^{ASR}[/latex] относительно минимальной выплаты [latex]W_{Min}[/latex] и выразить их в базисных пунктах, в отличие от политики, не использующей хеджирование.](https://arxiv.org/html/2601.18686v1/Section4/ASRnetVSjointNet.png)
Новый подход, основанный на машинном обучении и глубоком хеджировании, позволяет существенно повысить эффективность программ выкупа акций и минимизировать риски.
Наука
Управление в условиях неопределенности: новый подход к надежности систем
В статье представлен метод стохастического управления, обеспечивающий надежную работу систем даже при нечетко заданных требованиях и высокой степени неопределенности.
Торги по закрытию: как нейросети учатся быть маркет-мейкерами
В новой работе исследователи предлагают подход на основе обучения с подкреплением для оптимизации стратегий маркет-мейкинга, учитывающий динамику торгов по закрытию.
Портфель Марковица: Новый взгляд на оптимизацию
Исследование показывает, что модифицированная версия классического портфеля Марковица, использующая формулу Шермана-Моррисона, обеспечивает оптимальное решение в задачах многопериодной оптимизации инвестиций.
Интеллектуальные портфели: как нейросети учатся на ошибках
Новый подход к оптимизации инвестиционных портфелей сочетает алгоритмы обучения без сожалений с анализом настроений рынка на основе больших языковых моделей.