Эволюция торговых стратегий с помощью искусственного интеллекта

Новый подход, сочетающий возможности больших языковых моделей и эволюционных алгоритмов, позволяет создавать более эффективные стратегии автоматической торговли на финансовых рынках.

Новый подход, сочетающий возможности больших языковых моделей и эволюционных алгоритмов, позволяет создавать более эффективные стратегии автоматической торговли на финансовых рынках.
![Для опционов с датой экспирации через один день, построение арбитражеустойчивых цен спроса и предложения демонстрирует, что плотность риска, рассчитанная по модели Хестона, и плотность, восстановленная методом SEDEx, остаются близки, но не совпадают точно при интервальных ограничениях, при этом восстановленные цены удовлетворяют ограничениям на цены спроса и предложения с абсолютной точностью до [latex] 10^{-7} [/latex].](https://arxiv.org/html/2605.22792v1/images/price_heston_bidask.png)
Новый подход позволяет точно восстановить нейтральную к риску плотность вероятности из цепочки опционов, минуя сложные модели и обеспечивая надежную оценку деривативов.
![Функции ценности и стратегии управления, основанные на них, демонстрируются в двумерном примере для моментов времени [latex]h \in \{0, 33, 66, 100\}[/latex], где траектория движения источника и направления обновления, выделенные желтым цветом, наглядно иллюстрируют эволюцию системы во времени.](https://arxiv.org/html/2605.22507v1/figures/contour_value_functions_and_gradients_v3.png)
В статье представлена инновационная структура генеративного моделирования, основанная на динамическом оптимальном транспорте и использующая подходы стохастического управления.

Новое исследование показывает, как оценить возможности больших языковых моделей в качестве «живых агентов» в сложных ситуациях, используя игру Risk в качестве платформы для тестирования.
В статье представлена методология, позволяющая более точно оценивать риски во времени, основанная на теории оптимального транспорта и марковских моделях.