TL;DR
- چکیده:.
- بازارهای پیشبینی،.
- مانند Polymarket،.
چه اتفاقی افتاد
چکیده:. بازارهای پیشبینی،.
مانند Polymarket،. اطلاعات پراکنده را در احتمالات قابل معامله جمعآوری میکنند،.
اما هنوز فاقد یک هسته تصادفی یکپارچه قابل مقایسه با گزینههای بدست آمده از Black-Scholes هستند. از آنجایی که این بازارها با مشارکت نهادی،.
ادغام مبادلات،. و حجم بالاتر پیرامون انتخابات و چاپ کلان مقیاس میشوند،.
بازارسازان بدون ابزارهای استاندارد برای مظنه یا پوشش ریسک با نوسانات اعتقادی،. جهش و خطرات متقابل مواجه میشوند.
ما چنین پایهای را پیشنهاد میکنیم:. یک پرش لجیت با رانش خنثی ریسک که احتمال معامله p_t را بهعنوان Q-martingale در نظر میگیرد و.
نوسانات باور،. شدت پرش و وابستگی را بهعنوان عوامل خطر قابل نقلقول نشان میدهد.
در بالا،. ما یک خط لوله کالیبراسیون میسازیم که نویز ریزساختار را فیلتر میکند،.
انتشار را از جهشها با استفاده از حداکثر کردن انتظار جدا میکند،. رانش خنثی ریسک را اعمال میکند،.
و بازده. یک سطح باور- نوسان پایدار.
سپس یک لایه مشتق منسجم (واریانس،. همبستگی،.
راهرو و ابزارهای گذر اول) مشابه با نوسانات و محصولات همبستگی در بازارهای اختیار تعریف میکنیم. در آزمایشهای کنترلشده روی مسیرهای مصنوعی خنثی و دادههای رویداد واقعی،.
مدل خطای پیشبینی باور واریانس افق کوتاه را نسبت به خطوط مبنا فقط انتشار و فضای احتمال کاهش. میدهد و از کالیبراسیون علی و تفسیرپذیری اقتصادی پشتیبانی میکند.
از نظر مفهومی،. هسته انتشار پرش لاجیت یک آنالوگ با نوسانات ضمنی برای بازارهای پیشبینی ارائه میکند:.
یک زبان قابل معامله و قابل معامله برای نقلقول،. پوشش ریسک و انتقال ریسک باور در مکانهایی مانند Polymarket.
مهندسی محاسبات، امور مالی و علوم (cs. CE)؛ مالی محاسباتی (q-fin.
CP) استناد بهعنوان: (یا v2 [cs. CE] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite تاریخچه ارسال از:. Shaw Dalen [مشاهده ایمیل] [v1] جمعه،.
17 اکتبر 2025،. 00:.
18:. 29 UTC (51 KB) [v2] دوشنبه،.
6 آوریل 2026،. 04:.
29:. 37 UTC (47 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.