論文の概要: Dynamic spillovers and investment strategies across artificial intelligence ETFs, artificial intelligence tokens, and green markets

• arxiv url: http://arxiv.org/abs/2503.01148v1
• Date: Mon, 03 Mar 2025 03:53:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:16:00.903836
• Title: Dynamic spillovers and investment strategies across artificial intelligence ETFs, artificial intelligence tokens, and green markets
• Title（参考訳）: 人工知能ETF、人工知能トークン、グリーンマーケットにおけるダイナミックな流出と投資戦略
• Authors: Ying-Hui Shao, Yan-Hong Yang, Wei-Xing Zhou,
• Abstract要約: 本稿では,R2分解を用いたAI,AIトークン,グリーンマーケット間のリスク流出について検討する。 AIトークンとグリーンボンドはリスクレシーバーとして機能するのに対し、AIとクリーンエネルギーはリスクトランスミッターとして機能する。 また、AIトークンは、AIトークンやグリーンアセットと比較して、ハッシュ化が難しく、ヘッジ能力に制限があることもわかりました。
• 参考スコア（独自算出の注目度）: 2.1028463367241033
• License:
• Abstract: This paper investigates the risk spillovers among AI ETFs, AI tokens, and green markets using the R2 decomposition method. We reveal several key insights. First, the overall transmission connectedness index (TCI) closely aligns with the contemporaneous TCI, while the lagged TCI is significantly lower. Second, AI ETFs and clean energy act as risk transmitters, whereas AI tokens and green bond function as risk receivers. Third, AI tokens are difficult to hedge and provide limited hedging ability compared to AI ETFs and green assets. However, multivariate portfolios effectively reduce AI tokens investment risk. Among them, the minimum correlation portfolio outperforms the minimum variance and minimum connectedness portfolios.
• Abstract（参考訳）: 本稿では,R2分解法を用いて,AI ETF,AIトークン,グリーンマーケット間のリスク流出について検討する。 いくつかの重要な洞察を明らかにします。 まず, 送信接続性指数(TCI)は同時TIと密接に一致し, タグ付きTIは著しく低下する。 第2に、AI ETFとクリーンエネルギーはリスク送信機として機能し、一方、AIトークンとグリーンボンドはリスク受信機として機能する。 第3に、AIトークンのヘッジは難しく、AI ETFやグリーンアセットと比較して、限られたヘッジ能力を提供する。 しかし、多変量ポートフォリオは、AIトークンの投資リスクを効果的に低減します。 その中で、最小相関ポートフォリオは最小分散および最小連結性ポートフォリオよりも優れる。

関連論文リスト

• A Sea of Coins: The Proliferation of Cryptocurrencies in UniswapV2 [0.8192907805418583]
  新たに作成したトークンの財務的影響を分析し、市場ダイナミクス、収益性、流動性操作を評価する。 簡単な買い買い戦略を適用することで、新しく作成されたトークンへの投資に関連するいくつかの大きなリスクを明らかにすることができます。 本研究は、分散市場におけるリスクと金融のダイナミクスと投資家への課題に関する洞察を提供する。
  論文  参考訳（メタデータ） (2025-02-14T19:18:39Z)
• Quantifying A Firm's AI Engagement: Constructing Objective, Data-Driven, AI Stock Indices Using 10-K Filings [0.0]
  本稿では,自然言語処理(NLP)技術を用いたAIストックの分類手法を提案する。 2011年から2023年の間に3,395社のNASDAQ上場企業の年間10-K申請を分析した。 これらの指標を用いて、等重AI指数(AII)、大きさ重AI指数(SAII)、時間割AI指数(TAII05とTAII5X)の4つのAIストック指標を構築した。
  論文  参考訳（メタデータ） (2025-01-03T11:27:49Z)
• OML: Open, Monetizable, and Loyal AI [39.63122342758896]
  OML は Open, Monetizable, Loyal AI の略である。 OMLはAI開発を民主化するためのアプローチである。 私たちの研究の重要なイノベーションは、新たな科学分野であるAIネイティブ暗号の導入です。
  論文  参考訳（メタデータ） (2024-11-01T18:46:03Z)
• Engineering Trustworthy AI: A Developer Guide for Empirical Risk Minimization [53.80919781981027]
  信頼できるAIのための重要な要件は、経験的リスク最小化のコンポーネントの設計選択に変換できる。 私たちは、AIの信頼性の新たな標準を満たすAIシステムを構築するための実用的なガイダンスを提供したいと思っています。
  論文  参考訳（メタデータ） (2024-10-25T07:53:32Z)
• EARBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [53.717918131568936]
  EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。 高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。 しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。 本研究では,EAIシナリオにおける身体的リスクの自動評価のための新しいフレームワークEARBenchを紹介する。
  論文  参考訳（メタデータ） (2024-08-08T13:19:37Z)
• AI Maintenance: A Robustness Perspective [91.28724422822003]
  我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。 本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。 我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
  論文  参考訳（メタデータ） (2023-01-08T15:02:38Z)
• Acceleration AI Ethics, the Debate between Innovation and Safety, and Stability AI's Diffusion versus OpenAI's Dall-E [0.0]
  このプレゼンテーションは、倫理をイノベーションアクセラレータとして再構成することで反応する。 倫理学の研究は、外部からの機能ではなく、AI開発と応用に埋め込まれている。
  論文  参考訳（メタデータ） (2022-12-04T14:54:13Z)
• Rogue Protocol: A Framework For NFT Royalties Tokenisation [0.0]
  本稿では,トークンの価格と分散型アクティビティの成功を結びつける暗号システムを提案する。 これによりトークンの公平な配布が保証され、システム内の創業者や参加者に、彼らが取っているリスクの量に応じて報酬を与える。
  論文  参考訳（メタデータ） (2022-10-21T13:02:04Z)
• Intelligent Trajectory Design for RIS-NOMA aided Multi-robot Communications [59.34642007625687]
  目的は,ロボットの軌道とNOMA復号命令を協調的に最適化することで,マルチロボットシステムにおける全軌道の総和率を最大化することである。 ARIMAモデルとDouble Deep Q-network (D$3$QN)アルゴリズムを組み合わせたML方式を提案する。
  論文  参考訳（メタデータ） (2022-05-03T17:14:47Z)
• ESCORT: Ethereum Smart COntRacTs Vulnerability Detection using Deep Neural Network and Transfer Learning [80.85273827468063]
  既存の機械学習ベースの脆弱性検出方法は制限され、スマートコントラクトが脆弱かどうかのみ検査される。 スマートコントラクトのための初のDeep Neural Network(DNN)ベースの脆弱性検出フレームワークであるESCORTを提案する。 ESCORTは6種類の脆弱性に対して平均95%のF1スコアを達成し,検出時間は契約あたり0.02秒であることを示す。
  論文  参考訳（メタデータ） (2021-03-23T15:04:44Z)
• Qlib: An AI-oriented Quantitative Investment Platform [86.8580406876954]
  AI技術は、量的投資システムに新たな課題を提起した。 Qlibは、その可能性の実現、研究の強化、定量的投資におけるAIテクノロジの価値の創造を目的とする。
  論文  参考訳（メタデータ） (2020-09-22T12:57:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。