arXiv 計量ファイナンス（q-fin）。
説明予測市場における取引方向の測定：決済データを基準とした取引コスト計測（Polymarket）
要約本論文は、Polymarket の公開約定データを、オンチェーン決済の takerside を基準に検証し、売買方向の判定精度を評価しています。Lee-Ready 法、ティックテスト、回顧的なバルク出来高分類を比較し、実効スプレッド、実現スプレッド、中値インパクトといった取引コスト指標への影響を分析しています。ただし、これらは提示された相場に基づく会計的な数量であり、因果的影響や私的情報を特定するものではないと述べています。
説明専門家が検証したAI学習教材：大学の講義における学習効果の分布
要約本論文は、ある大学1年次の経済学必修科目で、2つのコホートを比較した研究です。一方の受講生群は、根拠に基づくモデルで生成され大学院生のTAが確認したAI播客、FAQ、クイズ式学習ガイドを利用できました。二重差分法により、利用と平均2.34点（50点満点）の差が関連していることが示され、効果の多くは成績下位の学生に生じていました。著者らは、平均効果だけを報告する評価では支援対象の学生が恩恵を受けたかを判断できないと論じています。
説明クレジットカードの貸倒損失率（LGD）モデル化の2手法の比較：Run-off三角形と回帰
要約本論文は、銀行業で一般的に使われるRun-off三角形（ROT）法と、回帰ベースの2段階モデルを比較し、クレジットカードの貸倒損失率（LGD）を推定します。回帰モデルは典型的なU字型のLGD分布を再現できますが、ROT法はそれができないとされています。集計した損失率の時系列でも、回帰モデルの方が実際の経験損失率により近く推移しています。著者らは、精度を重視するIFRS 9の会計枠組みでは回帰手法の方が適している可能性があると述べています。
説明パーソナルAIアシスタントの利益は誰のものか：売り手の適応と非利用者（言語モデル市場シミュレーション）
要約本論文は、言語モデルを用いたエージェントベースの賃貸市場シミュレーションにより、パーソナルAIアシスタントの利益が売り手の適応によってどう変化するか、またアシスタントを使わない消費者への影響を検証しています。売り手が固定されている場合、実行型アシスタントの利用者は1日あたり13.7米ドルの支出を削減しましたが、売り手の適応により約3分の1が回収されました。非利用者の支出変化は平均でほぼゼロで、予測どおりの負担増は確認されませんでした。
注目点言語モデルの市場シミュレーションで、売り手の適応が助手の利益の約3分の1を回収し、未利用者への負担予測が外れることを示す。
説明正確な多変量分布信頼性のためのディリクレ混合所属モデル
要約本論文は、保険契約者のリスクを潜在的リスククラス上の安定した組成として表すディリクレ混合所属モデル（DMMM）を提案する。基礎的特性が事前評価を決め、反復的な多変量経験が事後評価を順次更新する。後験予測分布は、ポートフォリオ成分と経験成分の凸結合として厳密に書け、従来の条件付き平均を超えて信頼性因子の構造を拡張する。シミュレーション実験と車両テレマティクスへの応用で検証されている。
説明限界注文板の動きにおける潜在的な連続的レジーム
要約本論文は、ユーロ・ストックス50指数先物の高頻度限界注文板データ（2022年から2025年までの約987取引日）を分析し、市場の状態が離散的なレジームなのか、それとも連続的な潜在空間を離散化した結果なのかを検証しています。状態空間の実効次元は約1.4で、主要な潜在座標が共分散状態の変動の83.66%から85.27%を説明し、レジームラベルなしでVSTOXXを追跡すると述べています。細かい連続情報は予測力を保つ一方、その離散化が性能低下の原因とされ、予測はおよそ10分で最も高くなり、最大のプール型サンプル外R2は0.7483です。
注目点リーマン幾何で指値注文板の状態を表し、離散レジームではなく連続体であると論じる点は新しい。987取引日と17手法の比較で証拠は比較的充実しており、分野内で有用。
