arXiv 計量ファイナンス（q-fin）。
説明確率割引因子ポートフォリオ向け検索拡張拡散モデル（RADAR）
要約本論文は確率割引因子（SDF）の枠組みでポートフォリオ最適化を研究し、金融データのリスク構造を捉える市場状態表現を学習します。提案手法RADARは、類似する過去の市場局面を検索して文脈に依存するノイズ分布を構成し、条件付き拡散モデルでマルチモーダル表現をノイズ除去します。著者らは、リスク調整後の主要指標で最先端の性能を示し、資産収益率と相関について経済的に意味のあるシグナルが得られたと報告しています。
説明支持線・抵抗線を持つ多重歪みブラウン運動下の最適清算
要約本論文は、支持線で上向き、抵抗線で下向きに局所時間の押し戻しを受ける幾何的多重歪みブラウン運動の下での永久清算問題を解いています。価格のみに依存するマルコフ型のテクニカル分析モデルです。閉形式の判定基準により、連続区間が抵抗線の下に収まる、抵抗線をまたぐ、上端が抵抗線に一致する、という三つの幾何的形状を区別します。抵抗線での売却は仮定ではなく結論として導かれます。パラメータの識別については、支持線のパラメータは権利行使の挙動から正確に決まる一方、抵抗の強さは閉形式の端点を持つ区間内でのみ識別可能です。
説明深層カーネルヘッジ：ニューラルネットワークの表現力とカーネル法を組み合わせたヘッジ手法の論文
要約本論文は、ニューラルネットワークで埋め込みを学習したカーネルによって定義される再生核ヒルベルト空間上でヘッジ関数を構成する深層カーネルヘッジの枠組みを提案しています。打ち切られた時間拡張シグネチャ特徴量によって経路依存情報を扱い、広義の表現定理により有限次元の最適化問題へ帰着させています。大規模なカーネル行列の計算負荷を抑えるため、ランダムフーリエ特徴近似を用い、その収束保証も示しています。合成データと実データでの実験では、特にデータが少ない状況で競争力があり頑健なヘッジ性能が示されたと報告されています。
説明単語数から文脈へ：資産価格決定のためのトピックモデル
要約本論文は、文埋め込みモデル（sentence transformer）とk-means法を組み合わせたトピックモデルと、従来のLDAを比較した研究です。39万4,661本の記事からトピック語を抽出し、その一貫性（NPMI）とポートフォリオの成果（シャープレシオ）を評価しました。文埋め込み手法の観測値の方が高かったものの、現時点の検定では優位性は確立されていないとしています。著者は、より厳密な検定と、より広範なデータセットによる検証が必要だと述べています。
説明RICE-Alpha：イベントグラフと信頼性補正を用いたLLMエージェント株価予測フレームワーク
要約本論文はRICE-Alphaを提案します。これは時点制約の下で株式をスコアリングする枠組みで、過去のニュース事件を利用して予測を行います。多視点の基礎予測と、過去の事件の継続に基づく信頼性較正済みの残差補正を分けてモデル化し、イベントグラフで発行体ごとの時系列を保持します。2024〜2026年のNasdaq-100およびハンセン指数の日次データでは、比較したLLMエージェントとモメンタム戦略の中で最良の結果を示したと報告されています。
説明オラクル・パラメータ化定関数マーケットメーカー：価格フィードから価格設定ルールへ
要約本論文は、クォート価格がプール残高と外部オラクル価格の両方に依存するオラクル・パラメータ化自動マーケットメーカー（OP-AMM）を提案します。価格発見がオフチェーンで行われるトークン化証券などの場面にも、情報非依存のAMMの枠組みを拡張しています。厳格なオラクル収縮条件の下で、クォート価格はオラクル価格とプール残高で決まる自給価格の間にあることを示し、市場遅延によるリスクとオラクル誤差による損失を分けるLVR分解を導出しています。さらに、古いオラクルや離散更新オラクル、サンドイッチ攻撃も分析し、1秒単位のSPY NBBOデータによる反実仮想バックテストで各設計のトレードオフを示しています。
説明ギリシャ指標の制御：帰納的バイアスを持つオプションポートフォリオ
要約本論文は、ポートフォリオ全体のリスクエクスポージャーを明示的に制御することで、ヘッジ行動を組み込んだオプション取引のためのエンドツーエンドの深層学習フレームワークを提案しています。学習目標に微分可能なリスク感応度ペナルティを加え、選択したリスク次元で中立性を保つようにしています。ナスダック100指数オプションの過去データで評価した結果、適切に調整された正則化により、サンプル外のリスク調整後リターンが向上し、実現された方向性エクスポージャーが低減したと報告されています。
