TL;DR
- چکیده:.
- مدلهای سنتی برای قیمتگذاری اوراق قرضه فاجعهآمیز (CAT) در تلاش برای به دست آوردن دادههای پیچیده و رابطهای.
- ذاتی در این ابزارها هستند.
چه اتفاقی افتاد
چکیده:. مدلهای سنتی برای قیمتگذاری اوراق قرضه فاجعهآمیز (CAT) در تلاش برای به دست آوردن دادههای پیچیده و رابطهای.
ذاتی در این ابزارها هستند. این مقاله CATNet را معرفی میکند،.
یک چارچوب جدید که از معماری یادگیری عمیق هندسی،. شبکه کانولوشن گراف رابطهای (R-GCN)،.
برای مدلسازی بازار اولیه اوراق قرضه CAT بهعنوان یک نمودار،. استفاده میکند و از ساختار شبکه زیربنایی آن برای پیشبینی گسترش استفاده میکند.
تجزیه و تحلیل ما نشان میدهد که بازار اوراق قرضه CAT ویژگیهای یک شبکه بدون مقیاس را نشان. میدهد،.
ساختاری که تحت سلطه چند مرکز بسیار مرتبط و تأثیرگذار است. CATNet عملکرد پیش بینی بالاتری را نشان میدهد و بهطور قابل توجهی از معیارهای قوی Random Forest.
و XGBoost بهتر عمل میکند. تجزیه و تحلیل تفسیرپذیری تأیید میکند که ویژگیهای توپولوژیکی شبکه، مصنوعات آماری صرف نیستند.
آنها پروکسیهای کمیبرای مدت طولانی هستند شهود صنعت در مورد شهرت صادرکننده،. نفوذ پذیره نویس،.
و تمرکز خطر. این تحقیق شواهدی را ارائه میکند که اتصال شبکه یک عامل تعیینکننده کلیدی قیمت است،.
و الگوی جدیدی را برای ارزیابی ریسک ارائه میدهد و ثابت میکند که مدلهای مبتنی بر نمودار میتوانند. هم دقت پیشرفتهتر و هم بینشهای عمیقتر و قابل سنجش بازار را ارائه دهند.
قیمت گذاری اوراق بهادار (q-fin. PR); هوش مصنوعی (cs.
AI)؛ یادگیری ماشین (cs. LG)؛ مالی محاسباتی (q-fin.
CP); مدیریت ریسک (q-fin. RM) استناد بهعنوان: (یا v2 [q-fin.
PR] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite تاریخچه ارسال از:.
Dixon Domfeh [مشاهده ایمیل] [v1] چهارشنبه،. 13 اوت 2025،.
ساعت 21:. 38:.
25 UTC (1023 KB) [v2] دوشنبه،. 6 آوریل 2026،.
00:. 42:.
10 UTC (1,. 016 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.