論文の概要: Geopolitics, Geoeconomics and Risk:A Machine Learning Approach

• arxiv url: http://arxiv.org/abs/2510.12416v1
• Date: Tue, 14 Oct 2025 11:51:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-15 19:02:32.301391
• Title: Geopolitics, Geoeconomics and Risk:A Machine Learning Approach
• Title（参考訳）: 地政学・地理経済学・リスク:機械学習によるアプローチ
• Authors: Alvaro Ortiz, Tomasa Rodrigo,
• Abstract要約: このデータセットを用いて、感情動態が主権リスクをいかに形成するかを研究する。 世界的な金融変数は主権リスクの主要な要因である。 しかし、地政学的リスクや経済政策の不確実性も重要な役割を担っている。
• 参考スコア（独自算出の注目度）: 0.21485350418225244
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a novel high-frequency daily panel dataset of both markets and news-based indicators -- including Geopolitical Risk, Economic Policy Uncertainty, Trade Policy Uncertainty, and Political Sentiment -- for 42 countries across both emerging and developed markets. Using this dataset, we study how sentiment dynamics shape sovereign risk, measured by Credit Default Swap (CDS) spreads, and evaluate their forecasting value relative to traditional drivers such as global monetary policy and market volatility. Our horse-race analysis of forecasting models demonstrates that incorporating news-based indicators significantly enhances predictive accuracy and enriches the analysis, with non-linear machine learning methods -- particularly Random Forests -- delivering the largest gains. Our analysis reveals that while global financial variables remain the dominant drivers of sovereign risk, geopolitical risk and economic policy uncertainty also play a meaningful role. Crucially, their effects are amplified through non-linear interactions with global financial conditions. Finally, we document pronounced regional heterogeneity, as certain asset classes and emerging markets exhibit heightened sensitivity to shocks in policy rates, global financial volatility, and geopolitical risk.
• Abstract（参考訳）: 新興市場及び先進国42カ国を対象に、地政学的リスク、経済政策不確実性、貿易政策不確実性、政治センチメントを含む、市場とニュースに基づく指標の新たな高周波パネルデータセットを導入する。 本データセットを用いて,CDS(Credit Default Swap)によって測定された感情動態が主権リスクをいかに形成するかを調査し,グローバル金融政策や市場のボラティリティといった従来のドライバーと比較して,その予測値を評価する。 我々の予測モデルの競馬分析は、ニュースベースの指標を取り入れることで予測精度が大幅に向上し、非線形機械学習手法、特にランダムフォレスト(Random Forests)が最大の利益をもたらすことを実証している。 分析の結果,グローバルな金融変数が主権リスクの主要な要因である一方で,地政学的リスクや経済政策の不確実性も重要な役割を担っていることが明らかとなった。 重要なことに、それらの効果は世界的な金融条件との非線形相互作用によって増幅される。 最後に, ある資産クラスや新興市場が, 政策金利, グローバル金融ボラティリティ, 地政学的リスクのショックに対する感受性を高めていることから, 地域的不均一性を示す。

関連論文リスト

• Bubble, Bubble, AI's Rumble: Why Global Financial Regulatory Incident Reporting is Our Shield Against Systemic Stumbles [29.86669983369923]
  現在のAIインシデントデータベースは、クラウドソーシングやニューススクレイピングに依存しており、体系的に資本市場の異常を見落としている。 本稿では,医療・航空のインシデントドキュメンテーションモデルを用いて,取引後の報告フレームワークを合成する,規制グレードのグローバルデータベースを提案する。 我々は、AI主導のシステムリスクの不安定な「カルドロン」に対して、AI主導の金融市場におけるリスク管理を強化し、レジリエンスを高めるための即時行動を求めます。
  論文  参考訳（メタデータ） (2025-09-30T12:01:25Z)
• The Sound of Risk: A Multimodal Physics-Informed Acoustic Model for Forecasting Market Volatility and Enhancing Market Interpretability [45.501025964025075]
  本稿では,財務リスク評価のための新たな枠組みを提案する。 我々は1,795件の収支コールのデータセットを用いて、スクリプトによるプレゼンテーションと自発的なQ&A交換の動的変化をキャプチャする機能を構築した。 我々の重要な発見は、予測能力の顕著なばらつきを明らかにしている: マルチモーダルな特徴は、方向性の株価リターンを予測しないが、30日間に実現されたボラティリティにおけるサンプル外変動の最大43.8%を説明できる。
  論文  参考訳（メタデータ） (2025-08-26T03:51:03Z)
• Interpreting Fedspeak with Confidence: A LLM-Based Uncertainty-Aware Framework Guided by Monetary Policy Transmission Paths [30.982590730616746]
  連邦準備制度が使用するスタイル化され、しばしばニュアンスな言語である「Fedspeak」は、暗黙の政策信号と戦略的スタンスを符号化している。 我々はFedspeakを解析・解釈するための不確実性を考慮したフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-11T14:04:59Z)
• Modeling Regime Structure and Informational Drivers of Stock Market Volatility via the Financial Chaos Index [0.0]
  本稿では、金融カオス指標による株式市場のボラティリティの構造動態について考察する。 我々は、低カオス、中間カオス、高カオスの3つの異なる市場体制を特定し、それぞれ異なるレベルのシステム的ストレスを特徴とする。 マクロ経済、金融、政策、地政学の不確実性の変化は、政権全体でのボラティリティのダイナミクスに強い予測力を示します。
  論文  参考訳（メタデータ） (2025-04-26T15:48:11Z)
• Dynamic Hedging Strategies in Derivatives Markets with LLM-Driven Sentiment and News Analytics [30.815524322885754]
  本稿では,感情分析やニュース分析に大規模言語モデル(LLM)を活用する新たなフレームワークを提案する。 このフレームワークは、ヘッジ戦略に対するリアルタイムな調整を可能にし、継続的な感情信号に基づいて位置を調整する。
  論文  参考訳（メタデータ） (2025-04-05T22:35:06Z)
• Towards Robust Stability Prediction in Smart Grids: GAN-based Approach under Data Constraints and Adversarial Challenges [53.2306792009435]
  本稿では,安定したデータのみを用いて,スマートグリッドの不安定性を検出する新しいフレームワークを提案する。 最大98.1%の精度でグリッド安定性を予測でき、98.9%で敵の攻撃を検知できる。 シングルボードコンピュータ上で実装され、7ms以下の平均応答時間でリアルタイムな意思決定を可能にする。
  論文  参考訳（メタデータ） (2025-01-27T20:48:25Z)
• RiskQ: Risk-sensitive Multi-Agent Reinforcement Learning Value Factorization [49.26510528455664]
  本稿では,リスクに敏感な個人・グローバル・マックス(RIGM)の原則を,個人・グローバル・マックス(IGM)と分散IGM(DIGM)の原則の一般化として紹介する。 RiskQは広範な実験によって有望な性能が得られることを示す。
  論文  参考訳（メタデータ） (2023-11-03T07:18:36Z)
• A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
  金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。 ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。 我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
  論文  参考訳（メタデータ） (2020-12-10T01:15:48Z)
• Reinforcement-Learning based Portfolio Management with Augmented Asset Movement Prediction States [71.54651874063865]
  ポートフォリオマネジメント(PM)は、最大利益や最小リスクといった投資目標を達成することを目的としている。 本稿では,PMのための新しいステート拡張RLフレームワークであるSARLを提案する。 当社の枠組みは, 金融PMにおける2つのユニークな課題に対処することを目的としている。(1) データの異種データ -- 資産毎の収集情報は通常, 多様性, ノイズ, 不均衡(ニュース記事など), (2) 環境の不確実性 -- 金融市場は多様で非定常である。
  論文  参考訳（メタデータ） (2020-02-09T08:10:03Z)

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。