ハイ・イールド債の監督類似性

- Joshua Rosaler, Luca Candelori, Vahagn Kirakosyan, Kharen Musaelian, Ryan Samson, Martin T Wells, Dhagash MehtaそしてStefano Pasquali
- 2025年6月2日

PDFをダウンロードするにはここをクリック

Joshua Rosaler、Luca Candelori、Vahagn Kirakosyan、Kharen Musaelian、Ryan Samson、Martin T. Wells、Dhagash Mehta、Stefano Pasqualiは、量子認知機械学習（QCML）を社債の距離メトリック学習に適用。類似性の尺度は、流動性の低い債券の取引、類似した取引可能な代替商品の識別、直近の相場や取引が少ない証券の価格付けに有効です。教師あり距離メトリック学習のQCMLは、ハイイールド市場ではツリーベースのモデルを上回り、投資適格市場では同等の性能を発揮

証券間の類似関係を学習することは、機械学習を金融の文脈に応用する上で中心的な役割を果たします。例えば、ポートフォリオ・マネジャーが特定の証券をポートフォリオに組み入れたいが

コンテンツを印刷またはコピーできるのは、有料の購読契約を結んでいるユーザー、または法人購読契約の一員であるユーザーのみです。

これらのオプションやその他の購読特典を利用するには、info@risk.net にお問い合わせいただくか、こちらの購読オプションをご覧ください： http://subscriptions.risk.net/subscribe

現在、このコンテンツを印刷することはできません。詳しくはinfo@risk.netまでお問い合わせください。

現在、このコンテンツをコピーすることはできません。詳しくはinfo@risk.netまでお問い合わせください。

当社の利用規約、https://www.infopro-digital.com/terms-and-conditions/subscriptions/（ポイント2.4）に記載されているように、印刷は1部のみです。

追加の権利を購入したい場合は、info@risk.netまで電子メールでご連絡ください。

このコンテンツは、当社の記事ツールを使用して共有することができます。当社の利用規約、https://www.infopro-digital.com/terms-and-conditions/subscriptions/（第2.4項）に概説されているように、認定ユーザーは、個人的な使用のために資料のコピーを1部のみ作成することができます。また、2.5項の制限にも従わなければなりません。

追加権利の購入をご希望の場合は、info@risk.netまで電子メールでご連絡ください。