Apprendimento Bayesiano vs. No-Regret nei Mercati Finanziari
Uno studio su arXiv (2502.08597) confronta agenti di apprendimento bayesiano e no-regret nei mercati finanziari con rendimenti stocastici. Collega i concetti di sopravvivenza e dominio di mercato dell'economia con la teoria della minimizzazione del regret. Risultato chiave: il regret è cruciale nella selezione di mercato, ma un basso regret da solo non garantisce la sopravvivenza; un agente con regret logaritmico può essere estromesso da un apprendista bayesiano con un prior finito che include il modello corretto. L'apprendimento bayesiano è fragile, mentre quello no-regret è più robusto e richiede meno conoscenza dell'ambiente.
Fatti principali
- 1. Lo studio confronta apprendisti bayesiani e no-regret nei mercati finanziari.
- 2. Il regret gioca un ruolo chiave nella selezione di mercato.
- 3. Un basso regret non garantisce la sopravvivenza.
- 4. Un agente con regret logaritmico può essere eliminato da un apprendista bayesiano con un prior che include il modello corretto.
- 5. L'apprendimento bayesiano è molto fragile.
- 6. L'apprendimento no-regret è più robusto e richiede meno conoscenza.
- 7. Lo studio collega le teorie della sopravvivenza e della minimizzazione del regret.
- 8. Pubblicato su arXiv con ID 2502.08597.
Entità
Istituzioni
- arXiv