論文の概要: Tradable Itô Signatures: A Model-Free, Interpretable Framework for Dynamic Hedging

• arxiv url: http://arxiv.org/abs/2608.18120v1
• Date: Tue, 14 Jul 2026 16:49:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.260044
• Title: Tradable Itô Signatures: A Model-Free, Interpretable Framework for Dynamic Hedging
• Title（参考訳）: Tradable Itô Signatures - 動的ヘッジのためのモデルフリーで解釈可能なフレームワーク
• Abstract要約: 本論文では,Itシグネチャ変換を用いた動的ヘッジのための解釈可能な機械学習フレームワークを提案する。 離散化された各署名コンポーネントは、単純な自己金融戦略によって完璧に複製可能であることを示す。 シミュレーションでは,ニューラルネットワークのベンチマークよりも計算コストが大幅に低く,高いサンプル効率を実現する。
• 参考スコア（独自算出の注目度）: 4.629590745684042
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose an interpretable machine-learning framework for dynamic hedging using the Itô signature transform, which turns asset-price paths into a set of linear features that universally represent nonlinear functions on time-series. We show that each discretized Itô signature component can be perfectly replicated by a simple self-financing strategy using only the underlying assets and cash, which turns Itô signature components into tradable and transparent hedging bases. This allows nonlinear derivative payoffs to be approximated by linear combinations of signature terms and hedged through the corresponding combination of trading strategies. We further establish a new approximation result for the Itô signature and derive theoretical bounds for both in-sample and out-of-sample hedging errors. Our method is computationally efficient, easy to implement, and avoids the estimation of future conditional expectations, which makes it attractive for real-world applications. In simulations, our method delivers strong sample efficiency at substantially lower computational cost than neural-network benchmarks. In an empirical study of S\&P 500 index options, it performs robustly across vanilla and path-dependent contracts, with the signature-kernel weighted version providing further gains by localizing estimation to similar historical market paths. Overall, the paper identifies the Itô signature as a practical, transparent, and model-agnostic implementation framework for dynamic hedging.
• Abstract（参考訳）: 本稿では,Itôシグネチャ変換を用いた動的ヘッジの解釈可能な機械学習フレームワークを提案する。これは,アセット・プライス・パスを時系列上の非線形関数を普遍的に表現する線形特徴の集合に変換する。 各離散化Itôシグネチャコンポーネントは、基礎となる資産と現金のみを用いて単純な自己金融戦略によって完璧に複製できることを示し、Itôシグネチャコンポーネントをトラジブルかつ透明なヘッジベースに変換する。 これにより、非線形微分ペイオフはシグネチャ項の線形結合によって近似され、対応する取引戦略の組合せを通じてヘッジされる。 さらに、イトー符号に対する新たな近似結果を確立し、サンプル内およびサンプル外ヘッジエラーの理論的境界を導出する。 提案手法は計算効率が高く,実装が容易で,将来の条件付き期待値の予測を回避し,現実のアプリケーションにとって魅力的な手法である。 シミュレーションでは,ニューラルネットワークベンチマークよりも計算コストが大幅に低く,高いサンプル効率を実現する。 S\&P 500指数オプションの実証的研究では、バニラとパスに依存した契約間で堅牢に動作し、シグネチャカーネル重み付けバージョンは、同様の歴史的市場パスに対する推定をローカライズすることでさらなる利益をもたらす。 全体として,本論文ではItôシグネチャを動的ヘッジのための実用的で透明で,モデルに依存しない実装フレームワークとして認識している。

関連論文リスト

• A Prototypical Signature Approach for Writer-Independent Offline Signature Verification [6.396522606507045]
  オフラインシグネチャ検証は、静的イメージを使用して偽シグネチャと真のシグネチャを区別することを目的としている。 負のサンプルは通常、トレーニングデータを作成するために、他のユーザの真の署名からランダムに描画される。 原型シグネチャを用いた多種多様な情報的負のサンプルを生成するためのデータ駆動型戦略を提案する。
  論文  参考訳（メタデータ） (2026-06-16T22:48:44Z)
• JEPAMatch: Geometric Representation Shaping for Semi-Supervised Learning [3.7931928645127986]
  本稿では、FlexMatchで使用される古典的半教師付き損失と、LeJEPAから派生した潜在空間正規化項を組み合わせた新たなトレーニング目標を提案する。 提案手法は、擬似ラベル戦略の利点を保ちながら、よく構造化された表現を奨励する。
  論文  参考訳（メタデータ） (2026-04-22T19:44:41Z)
• Sparse-by-Design Cross-Modality Prediction: L0-Gated Representations for Reliable and Efficient Learning [0.0]
  統一されたスペーシフィケーションプリミティブは、モダリティに匹敵する精度と効率のトレードオフをもたらす。 学習表現に直接L0スタイルのスパーシリティを強制するモダリティ非依存的かつ機能的にハードコンクリートなゲーティングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-26T03:33:42Z)
• LLM Routing with Dueling Feedback [49.67815163970033]
  ユーザの満足度,モデルの専門性,推論コストのバランスを保ちながら,クエリ毎に最適なモデルを選択するという課題について検討する。 絶対的なスコアではなく、ペアの選好フィードバックから学習することで、ルーティングをコンテキストデュエルの帯域として定式化する。 分類的重み付けを用いた対照的な微調整を用いて,オフラインデータからモデル埋め込みを導出する表現学習手法であるカテゴリーキャリブレーション・ファインタニング(CCFT)を導入する。
  論文  参考訳（メタデータ） (2025-10-01T12:52:25Z)
• Winning the Pruning Gamble: A Unified Approach to Joint Sample and Token Pruning for Efficient Supervised Fine-Tuning [71.30276778807068]
  サンプルプルーニングとトークンプルーニングを戦略的に協調する統合フレームワークを提案する。 Q-Tuningは、トレーニングデータの12.5%しか使用せず、全データSFTベースラインに対する平均38%の改善を実現している。
  論文  参考訳（メタデータ） (2025-09-28T13:27:38Z)
• The N-Grammys: Accelerating Autoregressive Inference with Learning-Free Batched Speculation [48.52206677611072]
  投機的復号化は、より小さなドラフトモデルによって生成されたトークンを並列に検証することで、言語モデルの自己回帰生成を高速化することを目的としている。 単純な戦略の組み合わせは、異なるタスクに対して大きな推論スピードアップを達成できることを示す。
  論文  参考訳（メタデータ） (2024-11-06T09:23:50Z)
• Delta-AI: Local objectives for amortized inference in sparse graphical models [64.5938437823851]
  スパース確率的グラフィカルモデル(PGM)における補正推論のための新しいアルゴリズムを提案する。 提案手法は, PGMにおける変数のサンプリングをエージェントが行う一連の行動とみなす場合, エージェントのポリシー学習目的において, PGMの疎結合が局所的な信用割当を可能にするという観察に基づいている。 合成PGMからサンプリングし、スパース因子構造を持つ潜在変数モデルを訓練するための$Delta$-AIの有効性について説明する。
  論文  参考訳（メタデータ） (2023-10-03T20:37:03Z)
• Generating drawdown-realistic financial price paths using path signatures [0.0]
  本稿では,金融価格データのシーケンスを定量的に近似したドローダウンでシミュレーションするための,新しい生成機械学習手法を提案する。 我々は、変分自己エンコーダ生成モデルと縮小再構成損失関数を組み合わせた非自明なモンテカルロアプローチを提唱する。 我々は、混合株式、債券、不動産、商品ポートフォリオに関する数値実験で締めくくった。
  論文  参考訳（メタデータ） (2023-09-08T10:06:40Z)
• Provable Guarantees for Generative Behavior Cloning: Bridging Low-Level Stability and High-Level Behavior [51.60683890503293]
  生成モデルを用いた複雑な専門家による実演の行動クローニングに関する理論的枠組みを提案する。 任意の専門的軌跡の時間ごとのステップ分布に一致するトラジェクトリを生成することができることを示す。
  論文  参考訳（メタデータ） (2023-07-27T04:27:26Z)
• Progressive Identification of True Labels for Partial-Label Learning [112.94467491335611]
  部分ラベル学習(Partial-label Learning, PLL)は、典型的な弱教師付き学習問題であり、各トレーニングインスタンスには、真のラベルである候補ラベルのセットが設けられている。 既存のほとんどの手法は、特定の方法で解決しなければならない制約付き最適化として精巧に設計されており、計算複雑性をビッグデータにスケールアップするボトルネックにしている。 本稿では,モデルと最適化アルゴリズムの柔軟性を備えた分類器の新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T08:35:15Z)

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。