Ценообразование в сетях: влияние конкуренции и относительных показателей
![Наблюдения за динамикой [latex]\mathbb{E}[S(t)] [/latex] при различных значениях параметра θ - 0.4, 0.7, 1.0, 1.3 и 1.6 - демонстрируют эволюцию системы, определяемую параметрами, указанными в таблице 2, и раскрывают чувствительность модели к изменениям этого ключевого параметра.](https://arxiv.org/html/2512.21621v1/RPG-single-3.png)
Новое исследование показывает, как агенты, ориентированные на сравнение своих результатов с другими, формируют цены на рынках, структурированных как деревья.
Наука
Искусственные данные для финансовых рынков: новый инструмент моделирования рисков
Исследование демонстрирует, как генеративные модели, создающие синтетические финансовые временные ряды, позволяют проводить точный анализ и оптимизацию портфелей, сохраняя при этом конфиденциальность данных.
Оптимизация портфеля: новый взгляд на разреженные модели и байесовский подход
В статье представлен современный байесовский фреймворк для построения и ребалансировки портфелей, минимизирующий ошибку отслеживания индекса.
Восстановление матриц: новый подход к заполнению пробелов
![Сравнительный анализ ранговой функции, выпуклой оболочки ранга (ядерной нормы) [Cai2010SVT], MLN [chen2021logarithmic] и предлагаемого RMLN для скалярных данных демонстрирует их различные подходы к аппроксимации и оптимизации, выявляя специфические преимущества и недостатки каждого метода в контексте обработки данных.](https://arxiv.org/html/2512.21050v1/rank.png){kind=icon}
В статье представлен инновационный метод восстановления неполных матриц, основанный на взвешенной логарифмической норме, демонстрирующий улучшенные результаты в задачах обработки изображений.
Разрыв между ценой и выигрышем: гендерные различия в склонности к риску
Новое исследование показывает, что женщины более склонны к избеганию риска при потенциальных потерях, но менее осторожны при оценке выгод, чем мужчины.