ترجمه فارسی مقاله EX-DRL: مصون سازی در برابر ضررهای سنگین با یادگیری تقویتی توزیعی شدید

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی EX-DRL: Hedging Against Heavy Losses with EXtreme Distributional Reinforcement Learning
عنوان مقاله به فارسی EX-DRL: مصون سازی در برابر ضررهای سنگین با یادگیری تقویتی توزیعی شدید
نویسندگان Parvin Malekzadeh, Zissis Poulos, Jacky Chen, Zeyu Wang, Konstantinos N. Plataniotis
فرمت مقاله انگلیسی PDF
تعداد صفحات 14
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Risk Management,Machine Learning,Statistical Finance,مدیریت ریسک , یادگیری ماشین , امور مالی آماری ,
توضیحات Submitted 27 August, 2024; v1 submitted 22 August, 2024; originally announced August 2024. , Comments: 14 pages
توضیحات به فارسی ارسال شده در 27 اوت 2024 ؛V1 ارسال شده 22 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: 14 صفحه
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Recent advancements in Distributional Reinforcement Learning (DRL) for modeling loss distributions have shown promise in developing hedging strategies in derivatives markets. A common approach in DRL involves learning the quantiles of loss distributions at specified levels using Quantile Regression (QR). This method is particularly effective in option hedging due to its direct quantile-based risk assessment, such as Value at Risk (VaR) and Conditional Value at Risk (CVaR). However, these risk measures depend on the accurate estimation of extreme quantiles in the loss distribution's tail, which can be imprecise in QR-based DRL due to the rarity and extremity of tail data, as highlighted in the literature. To address this issue, we propose EXtreme DRL (EX-DRL), which enhances extreme quantile prediction by modeling the tail of the loss distribution with a Generalized Pareto Distribution (GPD). This method introduces supplementary data to mitigate the scarcity of extreme quantile observations, thereby improving estimation accuracy through QR. Comprehensive experiments on gamma hedging options demonstrate that EX-DRL improves existing QR-based models by providing more precise estimates of extreme quantiles, thereby improving the computation and reliability of risk metrics for complex financial risk management.

چکیده به فارسی (ترجمه ماشینی)

پیشرفت های اخیر در یادگیری تقویت توزیع (DRL) برای مدل سازی توزیع های ضرر ، نوید در تدوین استراتژی های محافظت در بازارهای مشتقات را نشان داده است.یک رویکرد مشترک در DRL شامل یادگیری مقدار توزیع از دست دادن در سطوح مشخص شده با استفاده از رگرسیون کوانتیل (QR) است.این روش به دلیل ارزیابی خطر مستقیم مبتنی بر کمی ، مانند ارزش در ریسک (VAR) و ارزش مشروط در معرض خطر (CVAR) به ویژه در محافظت از گزینه مؤثر است.با این حال ، این اقدامات ریسک به برآورد دقیق مقادیر شدید در دم توزیع ضرر بستگی دارد ، که می تواند در DRL مبتنی بر QR به دلیل نادر و انتهای داده های دم ، همانطور که در ادبیات برجسته شده است ، نادرست باشد.برای پرداختن به این مسئله ، ما DRL شدید (EX-DRL) را پیشنهاد می کنیم ، که با مدل سازی دم توزیع از دست دادن با یک توزیع پارتو عمومی (GPD) پیش بینی کمی را افزایش می دهد.این روش داده های تکمیلی را برای کاهش کمبود مشاهدات کمی کمی معرفی می کند ، در نتیجه دقت تخمین را از طریق QR بهبود می بخشد.آزمایش های جامع در مورد گزینه های محافظت از گاما نشان می دهد که EX-DRL با ارائه برآورد دقیق تر از مقادیر شدید ، مدل های مبتنی بر QR را بهبود می بخشد ، در نتیجه محاسبه و قابلیت اطمینان معیارهای ریسک برای مدیریت پیچیده ریسک مالی را بهبود می بخشد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.