![Адаптивное рыночное ценообразование, представленное в работе, определяет локальную динамику состоянием рынка, а адаптивную цель - недавними реализованными вознаграждениями, преобразуя оба фактора в котировки спроса и предложения посредством представления HJB-forward [latex] [/latex].](https://arxiv.org/html/2605.21707v1/Images/FB-AS-Teaser.png)
В новой работе представлена методика адаптивного маркет-мейкинга, позволяющая динамически подстраиваться к меняющимся рыночным условиям без предварительного обучения на исторических данных.
Новое исследование демонстрирует, как непрерывный мониторинг рыночных сигналов позволяет оптимизировать распределение активов между технологичными и консервативными ETF.
![Наблюдения показывают, что требования к капиталу и коэффициент корректировки тесно связаны при экспоненциальной серьезности ([latex]\mu = 1[/latex]), причем при использовании линейной функции ([latex]g(x) = x[/latex]) достигается стандартный уровень, в то время как применение преобразований, таких как корень квадратный ([latex]g(x) = \sqrt{x}[/latex]) или TVaR ([latex]g(x) = \min(x/\alpha, 1)[/latex] при [latex]\alpha = 0.01[/latex]), позволяет ужесточить ограничения при базовых параметрах ([latex]A = 20[/latex], [latex]\delta = 0.05[/latex]) или при более строгих ([latex]A = 5[/latex], [latex]\delta = 0.01[/latex]).](https://arxiv.org/html/2605.16448v1/x3.png)
В новой работе исследованы методы оценки максимального ожидаемого дефицита, позволяющие оптимизировать распределение резервов в условиях динамически меняющихся рисков.
Исследование демонстрирует применение алгоритмов глубокого обучения с подкреплением для оптимизации инвестиционного портфеля на глобальных фондовых рынках.
![Для анализа производительности трех политик при наличии 30 целей и алфавита из 5 элементов, при бюджетном ограничении в 9.5, визуализируется ландшафт производительности, где каждая политика представлена вершиной, а связи между ними - ребрами; траектории [latex]\mathbf{\Gamma\_{1}}[/latex] и [latex]\mathbf{\Gamma\_{2}}[/latex] демонстрируют эволюцию от низкопроизводительных состояний к локальному и глобальному оптимумам соответственно, в пределах допустимой области [latex]\mathcal{S}\_{B}[/latex], ограниченной линией [latex]L(\mathbf{X})=B\_{T}[/latex].](https://arxiv.org/html/2605.16174v1/x7.png)
Новая модель сочетает в себе сетевой анализ и эволюционные алгоритмы для оценки влияния политических решений на достижение целей устойчивого развития.