Fugu-MT 論文翻訳(概要): Stochastic Discount Factors with Cross-Asset Spillovers

論文の概要: Stochastic Discount Factors with Cross-Asset Spillovers

arxiv url: http://arxiv.org/abs/2602.20856v1
Date: Tue, 24 Feb 2026 12:58:01 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-25 17:34:53.751779
Title: Stochastic Discount Factors with Cross-Asset Spillovers
Title（参考訳）: クロスアセットスパイロバーを用いた確率的離散因子
Authors: Doron Avramov, Xin He,
Abstract要約: 本稿では,ソリッドレベルの予測信号,クロスアセスト・スルーオーバ,ディスカウント係数(SDF)を結合する統合フレームワークを開発する。シャープ比を最大化することにより、信号と流出を共同で推定する。このフレームワークは、断続的リターンダイナミクスの基礎となる情報アーキテクチャを明確に、経済的に基礎づけたビューを提供する。
参考スコア（独自算出の注目度）: 8.931182472479504
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper develops a unified framework that links firm-level predictive signals, cross-asset spillovers, and the stochastic discount factor (SDF). Signals and spillovers are jointly estimated by maximizing the Sharpe ratio, yielding an interpretable SDF that both ranks characteristic relevance and uncovers the direction of predictive influence across assets. Out-of-sample, the SDF consistently outperforms self-predictive and expected-return benchmarks across investment universes and market states. The inferred information network highlights large, low-turnover firms as net transmitters. The framework offers a clear, economically grounded view of the informational architecture underlying cross-sectional return dynamics.
Abstract（参考訳）: 本稿では,ソリッドレベルの予測信号,クロスアセスト・スルーオーバ,確率的割引係数(SDF)を結合する統合フレームワークを開発する。信号と流出はシャープ比を最大化することにより共同で推定され、両者が関連性に特有な位置を占め、資産間の予測的影響の方向を明らかにする解釈可能なSDFが得られる。 SDFは、投資宇宙や市場国家の自己予測と予測されたリターンのベンチマークを一貫して上回っている。推定情報ネットワークは、大規模なローターンオーバ企業をネット送信者として強調する。このフレームワークは、断続的リターンダイナミクスの基礎となる情報アーキテクチャを明確に、経済的に基礎づけたビューを提供する。

関連論文リスト

Mitigating Reward Hacking in RLHF via Bayesian Non-negative Reward Modeling [49.41422138354821]
非負の因子分析をBradley-Terry選好モデルに統合する原理的報酬モデリングフレームワークを提案する。 BNRMは、スパースで非負の潜在因子生成過程を通じて報酬を表す。 BNRMは報酬の過度な最適化を著しく軽減し、分布シフトによるロバスト性を改善し、強いベースラインよりも解釈可能な報酬分解をもたらすことを示す。
論文参考訳（メタデータ） (2026-02-11T08:14:11Z)
MarketGANs: Multivariate financial time-series data augmentation using generative adversarial networks [4.104902299123294]
MarketGANは、高密度データ不足下での高次元アセットリターン生成のための因子ベースの生成フレームワークである。経済的帰納バイアスとして明示的な資産価格因子構造を組み込み、単一のジョイントベクトルとしてリターンを生成する。米国株の日次リターンを利用して、MarketGANは資産リターンの実証的なスタイルの事実とより密に一致している。
論文参考訳（メタデータ） (2026-01-25T10:19:04Z)
Outcome-Grounded Advantage Reshaping for Fine-Grained Credit Assignment in Mathematical Reasoning [60.00161035836637]
グループ相対政策最適化は、推論タスクのための有望な批判のない強化学習パラダイムとして登場した。我々は,各トークンがモデルの最終回答にどの程度影響するかに基づいて,利益を再分配する,きめ細かい信用割当機構であるOutcome-grounded Advantage Reshaping (OAR)を紹介した。 OAR-Gは計算オーバーヘッドを無視して同等のゲインを達成し、どちらも強力なGRPOベースラインをはるかに上回っている。
論文参考訳（メタデータ） (2026-01-12T10:48:02Z)
Interpretable Deep Learning for Stock Returns: A Consensus-Bottleneck Asset Pricing Model [0.0]
本稿では,販売側アナリストの推論過程を再現する部分解釈可能なニューラルネットワークであるConsensus-Bottleneck Asset Pricing Model (CB-APM)を紹介する。 CB-APMは米国株の将来のリスクプレミアムを予測するだけでなく、信念集約と期待されるリターンを構造的に解釈可能な方法で結びつける。
論文参考訳（メタデータ） (2025-12-18T07:05:25Z)
Diffolio: A Diffusion Model for Multivariate Probabilistic Financial Time-Series Forecasting and Portfolio Construction [7.0782219254786725]
本稿では,多変量金融時系列予測とポートフォリオ構築のための拡散モデルDiffolioを提案する。 Diffolioは階層型アテンションアーキテクチャを備えたデノナイジングネットワークを採用しており、アセットレベル層とマーケットレベル層の両方で構成されている。
論文参考訳（メタデータ） (2025-11-10T12:05:32Z)
Generative Reasoning Recommendation via LLMs [48.45009951684554]
大規模言語モデル(LLM)は、生成的推論レコメンデーションモデル(GRRM)として機能する上で、根本的な課題に直面している。本研究は,レコメンデーションタスクに対する統一的な理解・推論・予測方法を実現する,事前学習されたLLMを適用してGRRMを構築する方法について検討する。本稿では,協調的セマンティックアライメント(Collaborative-Semantic Alignment),Reasoning Curriculum Activation(Reasoning Curriculum Activation),Sparse-Regularized Group Policy Optimization(Sparse-Regularized Group Policy Optimization)の3つのコンポーネントを統合するエンドツーエンドフレームワークであるGREAMを提案する。
論文参考訳（メタデータ） (2025-10-23T17:59:31Z)
NDCG-Consistent Softmax Approximation with Accelerated Convergence [67.10365329542365]
本稿では,ランキングの指標と直接一致した新たな損失定式化を提案する。提案したRG損失を高効率な Alternating Least Squares (ALS) 最適化手法と統合する。実世界のデータセットに対する実証的な評価は、我々のアプローチが同等または上位のパフォーマンスを達成することを示す。
論文参考訳（メタデータ） (2025-06-11T06:59:17Z)
Accuracy on the Line: On the Strong Correlation Between Out-of-Distribution and In-Distribution Generalization [89.73665256847858]
分布外性能は,広範囲なモデルと分布シフトに対する分布内性能と強く相関していることを示す。具体的には,CIFAR-10 と ImageNet の変種に対する分布内分布と分布外分布性能の強い相関関係を示す。また,CIFAR-10-Cと組織分類データセットCamelyon17-WILDSの合成分布の変化など,相関が弱いケースについても検討した。
論文参考訳（メタデータ） (2021-07-09T19:48:23Z)
High-Robustness, Low-Transferability Fingerprinting of Neural Networks [78.2527498858308]
本稿では,ディープニューラルネットワークを効果的にフィンガープリントするための特性例を提案する。モデルプルーニングに対するベースモデルへの高いロバスト性、無関係モデルへの低透過性などが特徴である。
論文参考訳（メタデータ） (2021-05-14T21:48:23Z)
Dirichlet policies for reinforced factor portfolios [1.3706331473063877]
本稿では、要素投資と強化学習(RL)を組み合わせることを目的とする。エージェントは、企業の特性に依存する逐次ランダムアロケーションを通じて学習する。パラメトリックな選択肢の幅広い範囲において、我々の結果は、RLベースのポートフォリオが均等に重み付けられた(1/N)アロケーションに非常に近いことを示している。
論文参考訳（メタデータ） (2020-11-10T20:25:41Z)

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。