arXiv 計量ファイナンス（q-fin）。
説明系統譜（リネージュ）認識型探索制御によるLLMベースの進化的ファクター探索（LineageEvo）：因子の進化系統を用いてLLMの変異を導き、探索予算を配分する手法。
要約本論文は、大規模言語モデルを意味的変異演算子として用いる進化的なアルファ因子探索において、既存手法の探索が少数の構造的に類似した因子に集中しやすい問題を指摘します。著者らはLineageEvoを提案し、系統レベルで探索を制御します。系統ごとの経験から演算子の事前分布を作ってLLMの生成を導き、因子の質と系統の集中度の釣り合いで探索予算を配分します。CSI 500とS&P 500での実験では、LineageEvoが最も高い予測性能を示し、LSPSはより均衡した系統分布と構造的に幅広い因子プールを生成したと報告されています。
説明分布か分位数か？最悪ケースリスクの凸変分理論
要約本論文はスペクトルリスク尺度を基盤とし、最悪ケースリスク分析を統一・拡張する凸変分理論を提示する。曖昧集合全体の凸性を保つ分位数または分布表現を用いる表現原理に基づき、最適性条件から最悪ケース分布とそのリスク値を特定する。ワッサースタイン曖昧性、両側ESバンド、KL近傍など複数のモデルについて解析的または準解析的な解を示し、固定格子での収束性を持つ投影アルゴリズムも提案する。高次元ポートフォリオ応用では、ガウス参照下の平均アンカー付き同時KL曖昧性に対する厳密な投影恒等式を導き、頑健なポートフォリオ選択を二次錐計画に帰着させている。
注目点凸変分理論により複数の曖昧集合下で閉形式または準閉形式の最悪ケース解を統一的に導出し、新規性と理論的裏付けが高い。リスク管理分野への影響は中程度。
説明予測市場の契約は上場時に何を示すか：取引量と紛争リスク
要約本論文は、2023年1月から2026年5月までにPolymarketに上場された802,863件の決済済み市場を対象に、上場時点で得られる情報（タイトル、説明文、指定された決済ソース、契約メタデータ）のみを用いて、市場の生涯取引量と決済後に紛争が生じるかを予測している。契約情報は取引量をよく予測し、市場のテーマによる寄与が最も大きい。ただしプラットフォームの変化と上場形式の変更が重なった期間では予測精度が大きく低下し、紛争予測は順位付けには有効でも個別案件の予測には精度が不足している。
説明JaxMARL-BC：マクロ経済モデリングのためのマルチエージェント強化学習を数秒で実行
要約本論文はJAXで高速化したシミュレータJaxMARL-BCを提案し、MARL-BC経済モデルの学習を参照実装より75倍から724倍速く、20万の独立に学習する家計まで拡張できると報告しています。既知のDSGEの極限ケースで正しさを検証し、資本収益が異質なモデル拡張の概念実証的な較正を、以前は1か月以上かかった実験を2時間で行うことで示しています。本ツールはオープンソースとして公開されています。
説明Heston模型を超えるDSINC法：3/2モデルなど非アフィン型確率ボラティリティモデル
要約本論文は、減衰sinc（DSINC）法によるアメリカンオプション評価を、アフィン型のHeston類から一般的な一因子確率ボラティリティモデルへ拡張するものです。早期行使積分を単一のスペクトル積分に帰着させる縮約恒等式が、これらのモデルでも成り立つことを示しています。3/2モデルと無相関SABRモデルについては変換の扱いを示し、それ以外では周波数ごとに後退方程式を1つ解いて必要な積分を計算します。3/2、SABR、GARCH、対数正規ボラティリティの各モデルでのテストでは、精緻な有限差分のベンチマークと行使価格の1ベーシスポイント以内で一致しています。
説明限界注文板（LOB）向け状態空間基盤モデルの内部動作の解明
要約本研究は、8つの米国大型株の符号化された注文メッセージ列で自己回帰的に学習させた820万パラメータのMamba-3状態空間モデルが、市場微細構造について何を学習しているかを分析しています。論文によれば、短期的な価格変動の主要因である注文フロー不均衡がR²≈0.59で解読可能であり、その表現は未知の銘柄にも拡張され、状態を操作すると次のメッセージに対する予測が変化します。
