arXiv 計量ファイナンス（q-fin）。
説明同一の許容性条件下での学習型単調時間集約の評価
要約本論文は、リスク規制が求める「各入力について単調非減少」というスコアの制約を前提に、古典的なリスク統計量（指数加重移動平均と高水位）を状態とする再帰型ネットワークを構築します。両側で許容性を揃えたうえで、集約を学習することの価値を評価しています。結果として、可分離な統計量の族の内側では学習集約と人手設計の集約は代替関係にあり、連続性や時間の局所化などでは限界が示されます。既存手法はそれぞれ異なる軸で優位性を持ち、どれか一つが全面的に優れるわけではありません。
説明Stock-JEPA：株式市場向けの、事前分布をアンカーとする潜在的修正表現学習
要約本論文は、低い信号対雑音比の株式金融データから表現を学習するためのフレームワーク Stock-JEPA を提案します。まず低複雑度の金融モデルで、複数期間のリターンとリスクを要約する統計量を作り、それをアンカーとして潜在空間に写像します。次に過去の文脈から、そのアンカーからの予測可能な変位を推定する修正予測器を学習します。中国と米国の大規模な株式市場で、5つの主要指標において13の強力なベースラインを上回ったと報告しています。
説明支持線での買い：多重スキュー・ブラウン運動下のエントリー問題
要約本論文は、価格がサポートとレジスタンスを偏りの水準として表す幾何多重スキュー・ブラウン運動に従う場合に、株式をいつ買い、その後最適に売却すべきかを研究する。買いの報酬は、関連論文で解かれた清算問題の退出プレミアムである。このプレミアムは退出継続領域の内側で厳密にr劣調和であり、買いが最適となるのは価格が上方に押し上げられる水準のみとなり、入場問題は有限個の点の上側凹包として値が与えられる有限問題に帰着する。サポートとレジスタンスが一つずつの場合、最適規則は全ての退出レジームにおいてちょうどサポートで買うことであり、その値も明示的に与えられる。
説明AlphaPADI：プール認識型階層的離散拡散によるアルファ式の自動発見手法
要約本論文は、株式のクロスセクションのリターンを予測する記号的なアルファ式（定式化されたアルファ）の自動発見を扱っています。提案手法AlphaPADIは、文法制約付きバッファ初期化、プール文脈を考慮した階層的拡散、報酬に基づくプール洗練の3要素から構成され、予測性能と式間の多様性を同時に評価します。原文によれば、中国市場と米国市場での実験において、評価された基準手法を予測性能とポートフォリオ性能の両面で上回ったとされています。
