Укрощение Волатильности: Адаптивное Леверидж-Управление для Оптимизации Индексов

от

Наблюдаемая динамика годовой волатильности четырех индексов демонстрирует, что даже при целевом уровне в 15%, истинная волатильность актива может колебаться в пределах 90-процентного доверительного интервала, что подчеркивает присущую рыночным данным неопределенность и сложность точного прогнозирования.

В статье представлена методика контроля волатильности, позволяющая создавать индексы из рискованных и безрисковых активов с фиксированным уровнем волатильности.

Когда помощь топит: Неравный доступ к выкупу домов в зонах затопления

от

Сравнительный анализ различных подходов к распределению средств показал, что переход от текущей политики FEMA (с соотношением 75/25, обеспечивающим низкую справедливость - RRG = 0.26 - при стоимости $82 миллиона) к равномерному увеличению федеральной доли до 90% значительно повышает справедливость (RRG = 0.87), однако со значительным увеличением затрат до $648 миллионов, в то время как взвешенное по справедливости распределение затрат позволяет достичь сопоставимой справедливости (RRG = 0.78) при снижении затрат на 25% ($420 миллионов) за счёт целевого направления ресурсов в сообщества с низкими доходами, где даже незначительные улучшения в справедливости имеют наибольший эффект.

Новое исследование показывает, что существующая система финансирования выкупа домов, находящихся в зоне риска затопления, усугубляет социальное неравенство, оставляя наиболее уязвимые сообщества без поддержки.

Круги и Лабиринты: Заметки о CRCL

от

Согласно отчетам, датированным серединой текущего месяца, доходы Circle за последний квартал возросли на семьдесят семь процентов, достигнув семисот семидесяти миллионов. Это напоминает историю о зеркальном зале, где каждое отражение увеличивает исходный объект до абсурдных размеров. Основным двигателем этого роста, как утверждается, послужило увеличение количества выпущенных токенов USDC – цифрового аналога доллара – на семьдесят два процента, до семидесяти пяти с половиной миллиардов. Число, которое, если продолжить его бесконечно, неизбежно приведет к парадоксу.

Обучение с подкреплением вслепую: новые горизонты оптимизации политик

от

В условиях отсутствия сдвига, алгоритм DRPU демонстрирует сходимость к сравнимой политике [latex]\pi_{cp}[/latex] (неоптимальной), в то время как LSPU стабилизируется на более слабой, при этом ошибка коррекции оценки [latex]err_k[/latex] к итерации 80 у DRPU стремится к нулю, в отличие от LSPU, где сохраняется ненулевая ошибка, что указывает на превосходство DRPU в достижении точной оценки.

Исследование представляет усовершенствованные алгоритмы для обучения политик на основе исторических данных, преодолевая ограничения существующих методов и обеспечивая теоретические гарантии устойчивости.