arXiv 計量ファイナンス（q-fin）。
説明AlphaRLM：文献を基に言語モデルを整合させ、記号的ファクターを生成する研究
要約本論文はAlphaRLMという強化学習フレームワークを提案し、入力となるファクター式なしに、金融文献から実行可能な記号的量子ファクターを構築するよう大規模言語モデルを訓練します。文献から導かれたアイデアと演算子に基づく構築手法（LEGO）と、実行可能性および分位ごとの収益分離に関する報酬を用います。CSI 300、CSI 1000、S&P 500での実験では、年率超過収益において一部の既存のファクター探索およびLLMベースの手法を上回ったと報告されています。
説明イベント列の検証可能な測定と予測のための厳密な相型点過程
要約本論文は、相型（Erlang 連鎖）状態空間に基づく点過程の枠組みを提案し、市場反応の測定と次のイベントの予測の両方に厳密な尤度で用いる。測定では、2022〜2026年の約670件の定例マクロ経済発表について六つの市場を分析し、CPI、雇用統計、PPI、FOMC声明への直接的な反応は約1秒で吸収され、市場自身の反響により反応の半分が16〜137秒に延びることを示す。予測では、神経点過程EPT-Xを提案し、複数のデータセットで最良のテスト尤度を得たとしている。
注目点相型Hawkes過程により凹尤度の大域最適と閉形式の応答・安定性条件を示し、測定と予測の両方に用いて実データで検証している。
説明動的ポートフォリオ選択における事前および場面条件付きの情報価値
要約本論文は、期待収益に不確実性があり、新しい情報によって投資家が信念を更新する状況でのポートフォリオ決定を扱います。固定信念の投資家、価格観察者、注意容量の制約下で補助シグナルを処理する投資家を有限期間のガウス・モデルで比較し、場面条件付き期待効用と情報価値を提案します。事前には価格学習と補助的注意が価値を持つ一方、場面によっては学習の修正効果と変動コストが働き、順位が逆転しうることを示します。
説明米国債利回り曲線シナリオ生成のための条件付き正規化フローにおけるテール不安定性と尺度制御
要約本論文は、米国国債の11年限の日次利回り変化のシナリオ生成に用いる2つの条件付き正規化フローモデルを比較する。未使用の60営業日の期間で、元のモデルは標準化座標の絶対値が3430万に達する極端なサンプルを生成した。ガウス基底と結合尺度制御を強化したモデルは14.72に抑えられた。ただし安定性が予測精度の向上を意味するわけではなく、新しい期間では歴史的シミュレーション法が分布スコアとカバレッジで優れていた。
