arXiv
q-fin.TR · q-fin.CP · q-fin.MF 2026年10月27日
説明 状態依存ホークス過程による指値注文板モデルの最適注文配置
要約 本論文は、注文フローが状態依存ホークス過程でモデル化された市場ブロッカーの最適な気配値提示を研究する。ブロックベースの線形需要設定により成行注文件数と約定数量を結び付け、連続時間・離散状態の動的計画法に必要な需要モーメントを与える。二次の終端在庫ペナルティの下で在庫依存の気配値を特徴づけ、二次価値関数の係数に対する後退再帰式を導出する。LOBSTERデータを用いた数値実験では、1ティックおよび3ティックで固定スプレッドのベンチマークより高い総終端資産を示したが、2ティックのベンチマークよりは低かった。
Jonathan Ch\'avez Casillas, Li Gan
arXiv
q-fin.PR · q-fin.CP · q-fin.MF 2026年10月27日
説明 不完全市場におけるカタストロフィ債評価への幾何学的リーマン価格算法の応用:市場整合的金融エントロピーと頻度・重大度リスクプレミアムの分解
要約 本論文は、金融エントロピーのリーマン幾何最適化により、不完全市場でカタストロフィ(CAT)債を価格付けする枠組みを提示する。等価測度の有限次元多様体上で最大金融エントロピー問題として定価測度を選び、複合ポアソン・一般化パレート損失モデルとWang歪みを用いて金融エントロピーとリーマン計量の閉形式を導出する。2014-1シリーズのGolden State Re II Ltd.の四半期スプレッドに較正した仮想的な地震CAT債を例に、リスク中立の発動強度と物理強度の倍率を示し、エントロピー基準による頻度リスクと重大度リスクのプレミアムの分解結果を分析している。
Saeid Safarveisi
arXiv
q-fin.TR 2026年10月27日
説明 預け入れを増やしても収益が減らないように:プール型貸付市場における供給者収益の単調性と金利曲線設計
要約 利用率に応じて金利が決まるモデルでは、流動性を追加すると供給者の残高が増えても総利息収入が減りうることを扱った論文です。供給者が資金の割合αを保有する場合、限界的な預け入れで収益が減らない条件を示しています。さらに、公開されたDrift市場の2つのデータで、この条件が満たされない時間帯がどの程度あったかを検証しています。
Ahzam Khan, Cavey Cool
arXiv
q-fin.PM 2026年10月27日
説明 一貫して妥当なリターンをもたらすシンプルなポートフォリオ
要約 本論文は、個人投資家の制約下で既存のポートフォリオ構築手法を実証的に検証した研究です。空売りとレバレッジを認めず、月次で取引コストを伴う流動性の高い米国ETFを対象とし、構築問題を凸最適化として定式化しています。三本のETFからなる単純なポートフォリオでも安定したリターンが得られ、過去二十年の数値実験では標準的な60/40配分を上回ったと報告されています。
Oskar Ed\'en Wallberg, Alexander Karolin
arXiv
math.PR · q-fin.RM 2026年10月27日
説明 Cox-BESQ過程で駆動される無限サーバー待ち行列のリスク指標
要約 本論文は、到着強度が平方ベッセル(BESQ)過程で与えられるCox過程によって駆動される無限サーバー待ち行列のモデルを提案している。基礎となるダイナミクスのアフィン構造を利用し、到着強度、系内顧客数、および一定期間における系内顧客数の積分の結合モーメント母関数の閉じた形を導出する。さらに、この母関数を二時点以上で求められることを示す。得られた母関数とリスク指標のフーリエ表現に基づき、変数が臨界閾値を超える条件付きの結合モーメント型リスク指標を構成し、数値実験によって手法の実装と理論結果の有用性を示している。
Jos\'{e} Da Fonseca, Yajun Shi, Wenjun Zhang
arXiv
q-fin.ST · q-fin.CP · q-fin.TR 2026年10月27日
説明 イベント定義と分岐比:統合気配値フィードにおける価格変動クラスタリングのHawkes推定
要約 本論文は米国統合気配値フィードの価格変動をHawkesモデルで分析し、原データの推定でサブミリ秒の核成分と臨界付近の分岐比が得られることを示します。著者らは、大ティック銘柄ではNBBO変動の約半分がロックまたは枯渇した気配値で、1ミリ秒以内に解消されるため、モデルがそれを自己励起として読み取っていると指摘します。イベントを1ミリ秒持続する仲値の水準として定義すると、この核成分は消えます。
Hyoeun Lee
arXiv
cs.CL · cs.LG · q-fin.ST 2026年10月27日
説明 FinLLM-KG:知識グラフで強化した大規模言語モデルによるアルゴリズム取引向け金融センチメント分析
要約 本論文は、因果型大規模言語モデルと金融知識グラフを組み合わせたFinLLM-KGフレームワークを提案します。モデルの重みを更新せず、推論時にSEC 10-K報告書から得た企業レベルの知識を与えます。記事単位の感情スコアを個々の文とグラフ上の事実に紐づけ、予測の根拠を確認できるようにしています。シミュレーションでは、従来の最先端ベースラインよりポートフォリオ成績が一貫して向上したと報告されています。
Giorgos Iacovides, Oliver Hannibal, Wuyang Zhou ほか