arXiv 計量ファイナンス（q-fin）。
説明状態依存ホークス過程による連続型日中電力市場のレジーム転換モデリング
要約本論文は、欧州の連続型日中電力市場において流動性状態ごとに注文フローを表現する多変量状態依存ホークス過程を提案する。買い気配と売り気配のスプレッド、板の注文量、仲値のボラティリティから流動性ストレス指数（LSI）を構成して市場状態を特定し、EPEX SPOTのオランダXBID毎時注文データで推定している。結果として、注文フローは強い自己励起性を持ち、約定が同方向の新規注文を誘発する一方、逆方向の効果は小さいことが示された。
説明FinVector-Market-4B：構造化金融タスク向け LoRA 適応の制御実験
要約本論文は Qwen3.5-4B モデルをランク 16 の LoRA で、2.2 万件のデータを用いて金融の構造化タスクに適応させ、600 件のベンチマークで基礎モデルと比較したものです。JSON スキーマを与えるだけで、基礎モデルの JSON 有効率は 0% から 91.3% に上昇しました。同じ明示的プロンプトの下で複数のタスク指標も改善しています。一方、著者らはマクロ F1 の低下がラベル集合の変化によるものであり、文書の重複などからベンチマークの汎化結論には限界があると指摘しています。
説明報価から外れた補充注文がもたらす有限のビッド・アスクスプレッド
要約本論文は、二場の反応拡散型注文板モデルにおける有限のビッド・アスクスプレッドについて、統一的な解析的説明を与える。モデルは操作時間において買い・売りの密度を別々に保持し、拡散、取消し、反応、外部からの注文発注を含む。作者は反応境界の周囲の有限区間で発注を控える市場形成者ソースを導入し、報価から外れた往復の補充注文を表す。近似の下で、報価スプレッドは発注ソースのない区間の閾値以下の核に対応し、補充注文は報価の外側に投入されて拡散により戻る必要があるとされる。
説明債務不履行確率モデリングのための信用行動の関数表現
要約本論文は、関数データ解析により債務不履行確率をモデル化する枠組みを提案します。一連の信用変数を関数として表現し、月内の情報が線形モデルの不履行予測力を高めるかを検討しています。利用可能残高、利用率、当座貸越などの一般的な変数は、口座の種類、残高、与信限度額という時間とともに変化する三つの量から導出できることを示しています。これらを月次集計値にせず連続時間過程として保持し、銀行営業日の順序位置に伴う周期的パターンを相対時間の枠組みで揃えて分析しています。関数型ロジスティック回帰で評価した結果、予測性能はXGBoostと同等で、通常のロジスティック回帰を上回り、線形モデルの解釈可能性も保たれています。
説明規制下の信用スコアリングにおける学習型単調リカレント特徴量：枠組みのコストとマクロ条件付けの必要性
要約本論文は、規制対象の信用スコアリングにおいて、単調リカレントネットワークで時系列特徴量を学習することの価値を、五つの信用データセットで検証している。入力の任意次元化や外生的マクロ条件付き減衰ゲートなどにおいても単調性が保たれることを証明している。学習特徴量の価値は統治枠組みが厳しいほど高まり、景気変動時にはマクロ系列を入力列ではなく再帰の条件として用いると危機期コホートでAUCが向上するとされる。
説明一次元を超える凸順序：射影検定、反例、ガウス混合
要約本論文は、多変量確率変数の凸順序による比較を扱います。すべての一次元射影を比較する条件は一般には十分でないことを示し、ゲージ関数と径方向分布を用いて反例を構成しています。また、共通の径方向分布から生成される線形変換（中心ガウス分布を含む）については射影検定が十分であることを示しています。さらに、中心ガウス分布が2つの中心ガウス分布の混合に多変量凸順序で支配される必要十分条件は、すべての一次元射影が凸順序にあることだと明らかにしています。
注目点各次元で放射状反例を構成し、中心化ガウスと2成分ガウス混合の凸順序を完全に特徴づけており、新規性と厳密性が高い。
説明非定常市場における深層ヘッジのための敵対的学習
要約本論文は、二重予算の分布頑健最適化に基づくドリフト考慮型の敵対的学習フレームワークWRAP（Wasserstein-Reweighting Adversarial Perturbation）を提案している。深層ヘッジの学習データが将来の市場条件を表さない問題に対し、φ-ダイバージェンス制約による軌道の再重み付けと、最適輸送（OT）制約による経路の摂動を組み合わせる。実験はHeston動学（定常・非定常）と一般化アフィン拡散（GAD）で行われ、再重み付けと輸送がそれぞれ補完的な効果を持ち、非定常下では両者を組み合わせた敵対的学習が最も大きな改善をもたらすことが示されている。
説明集団の全体的な選好アンカーから作る合成文化エージェント
要約本論文は、全球選好調査（GPS）の6つの座標の符号を集団ごとの選択方針へ対応させ、直接選好最適化（DPO）で集団別の軽量アダプタを学習する新しい手法を提案します。世界価値観調査（WVS）の候補項目で評価したところ、アダプタは与えられた対比ラベルを再現し、16か国の開発パネルでGPSの信頼符号による二群を明確に分けました。一方で、人間のWVS回答との整合性は同パネルでは未解決のままです。
説明不確実ボラティリティモデルにおける事後誤差上界・下界
要約本論文は、不確実ボラティリティモデル（Uncertain Volatility Model）におけるヨーロピアンオプション価格の数値近似に対して、事後的な原始—双対（primal-dual）の上界と下界を提案しています。滑らかな候補値関数のヘッセ行列から導かれるフィードバック制御により下界を、行列値のガンマ場に基づく表現とハミルトニアン罰則により上界を与えます。また、離散時間近似の誤差を評価し、確率的方策勾配法と物理情報ニューラルネットワークで得た候補解を用いた数値実験の結果、二階微分の精度が厳密な後験界の獲得に重要であることを示しています。
