Трансферный рынок: Как научиться покупать игроков с умом
![Анализ затрат на трансфер и улучшения состава для «Арсенала», «Манчестер Сити» и «Манчестер Юнайтед» демонстрирует, что оптимизация, учитывающая качество игроков ([latex]\lambda_{3}[/latex]), позволяет добиться значительного повышения средней оценки состава по сравнению с результатами, полученными с помощью эвристического подхода, при этом время работы алгоритма измеряется минутами реального времени и включает повторные запуски для решения проблем с неоптимальными начальными решениями.](https://arxiv.org/html/2605.13926v1/x7.png)
Новая работа предлагает комплексный подход к оценке игроков и оптимизации состава, позволяющий клубам принимать взвешенные решения в условиях ограниченного бюджета.
Наука
Искусственный интеллект на службе экономики и финансов
Новые методы машинного обучения открывают возможности для решения сложных задач в моделировании и прогнозировании экономических процессов.
Инвестиции в условиях неопределенности: новая модель для портфельного выбора
Исследование предлагает оригинальный подход к оптимизации инвестиционных портфелей при неполной информации, учитывающий взаимодействие агентов и их стремление к относительной эффективности.
Уточнение рисков: как статистические факторы повышают точность моделей
![Расширенная модель оценки рисков демонстрирует устойчивое превосходство над нулевой гипотезой об отсутствии дополнительных факторов, что подтверждается анализом [latex]R2R^{2}[/latex] на основе 3030 повторных экспериментов, где активы случайным образом разделялись на обучающие и тестовые выборки (90/10), а скользящее среднее [latex]R2R^{2}[/latex] (окно 100 дней) и его стандартное отклонение служили мерой стабильности результатов при различных случайных разбиениях.](https://arxiv.org/html/2605.12977v1/x3.png)
Новый подход позволяет улучшить существующие модели оценки рисков за счет добавления динамических статистических факторов, что ведет к более надежной оценке ковариации и оптимизации портфеля.
Многоцелевая оптимизация: Новый взгляд на алгоритмы обучения
![Для набора данных о качестве воздуха в Пекине алгоритмы Weighted-Sum и Block-SMOO демонстрируют различные приближения к оптимальным фронтам Парето, что указывает на различные компромиссы между тестовыми потерями и эффективностью оптимизации [latex] \mathcal{L} [/latex].](https://arxiv.org/html/2605.12432v1/pareto_test_comparison.png)
В статье представлен инновационный стохастический алгоритм, сочетающий в себе методы блочного спуска и чередующейся оптимизации для эффективного решения задач с множеством целей.