Инвестиции в китайские REIT с помощью искусственного интеллекта: новый подход

Архитектура многоагентной системы торговли REIT, представленная на рисунке, демонстрирует сложную взаимосвязь между агентами, каждый из которых функционирует как автономный участник рынка, стремящийся к оптимизации портфеля, что в совокупности формирует динамичную и саморегулирующуюся торговую экосистему, где поведение каждого агента влияет на общую стабильность и эффективность системы.

Исследователи разработали и протестировали многоагентную систему, управляемую большими языковыми моделями, для торговли китайскими публичными REIT, демонстрируя потенциал повышения доходности.

Риск вне моделей: новый подход к оценке опционов

В рамках методологии FRTB/ASA, разработанная схема RMOT интегрирует классификацию рисков, методологию RMOT и этапы валидации, обеспечивая формирование стресс-сценариев на основе RMOT для последующего использования в расчетах нормативного капитала.

В статье представлена инновационная методика, объединяющая грубую волатильность и оптимальный транспорт мартингалов для более точной оценки рисков, не поддающихся стандартному моделированию.

Оптимизация форм: новый импульс минимальных деформаций

На основе анализа оптимизации формы в трехмерном пространстве установлено, что применение градиентного потока [latex]H1H^{1}[/latex] и инерционного метода BGN-MDR позволяет минимизировать [latex]\lambda_{1}[/latex] даже при исходной невыпуклой и негладкой геометрии, демонстрируя эффективность алгоритмов в задачах оптимизации сложных форм.

Предложен инновационный подход к оптимизации формы объектов, основанный на динамике и минимизации скорости деформации, позволяющий ускорить процесс и повысить качество получаемых поверхностей.

Плавная адаптация генеративных моделей: новый подход к тонкой настройке

В ходе тонкой настройки модели наблюдается изменение производительности на двух проверочных наборах данных WILDS, где ряды соответствуют отдельным наборам, а столбцы отражают метрики FID и вероятностные пути, пройденные в процессе тонкой настройки, при этом затенённые области на графиках путей указывают на стандартное отклонение от среднего значения.

Исследователи предлагают метод постепенной тонкой настройки, позволяющий эффективно адаптировать предварительно обученные генеративные модели к новым данным без потери качества.