Инвестиции в условиях неопределенности: новый подход к управлению портфелем

Наблюдения показывают, что при использовании различных уровней неопределённости ([latex]10^{-3}, 10^{-2}, 10^{-1}[/latex] секунд) и при сопоставлении или несоответствии геометрии, применение интерактивной дистилляции в сочетании с пост-хоковой проекцией на второй стадии позволяет добиться снижения среднеквадратичной ошибки оценки времени ([latex]RMSE[/latex]) в зависимости от размерности, особенно при увеличении вычислительных ресурсов с [latex]100 \cdot d[/latex] до [latex]400 \cdot d[/latex].

Исследование предлагает инновационную методику динамического выбора активов, позволяющую формировать надежные инвестиционные стратегии даже при неточности оценки параметров рынка.

Волатильность на Связи: Как Машинное Обучение Раскрывает Скрытые Зависимости на Финансовых Рынках

Временные ряды реализованной волатильности, рассчитанные по оценке Янга-Чжана для шести фьючерсных рынков за период с мая 2002 по январь 2025 года (5699 наблюдений), демонстрируют динамику годовой волатильности, отражая закономерности, обусловленные не рациональными ожиданиями, а скорее страхами и привычками участников рынка.

Новое исследование показывает, что распространение волатильности между различными активами не так хаотично, как кажется, и выявляет неожиданно четкую структуру взаимосвязей.

Финансовый интеллект нового поколения: объединяя данные для прогнозирования рынков и рисков

Исследователи представляют новую мультимодальную модель, способную одновременно анализировать микро- и макроэкономические факторы для повышения точности прогнозирования и оценки финансовых рисков.