本文提出了一种结合动态鲁棒失真风险度量的强化学习框架，通过Wasserstein球构建环境不确定性集合，实现了时间一致的风险感知决策。利用神经网络估计动态风险，推导出基于分位数的确定性策略梯度，并设计了深度演员-评论家算法。在包括组合投资的实证应用中，展示了算法良好的性能与策略稳健性 [page::0][page::2][page::6][page::10][page::15][page::16].
本报告研究了公众对种族偏见和肤色歧视（colorism）意识提升对WNBA裁判判罚的影响。采用机器学习算法精准量化选手肤色，并利用裁判随机分配及固定效应方法估计种族和肤色构成对犯规判罚的影响。结果发现，媒体广泛报道之前无明显种族偏见，但曝光后出现“过度纠正”现象，即反种族裁判执法时对异族选手犯规判罚减少。该效应随后逐渐消退，恢复无偏见水平。研究强调在推行多样性、公平、包容政策时需考虑原有偏见水平，避免不当过正，结果对政策制定及组织实践有重要启示 [page::0][page::2][page::4][page::14][page::16][page::20][page::21]。
本文提出了一种基于Pontryagin最大原理与深度策略优化结合的PG-DPO框架，用于解决具有投资和消费约束的连续时间高维动态组合选择问题。该方法通过对约束下Hamiltonian进行对数障碍规约和流形投影，实现了对高维资产组合的有效可行性控制和第一阶最优条件的遵循。理论上证明了障碍方法与KKT条件的对应关系及其逼近误差，并在无闭式解情况下实现了精准的策略恢复。实证部分通过无卖空约束和财富比例消费上限两类约束案例，展示了投影变体P-PGDPO相比激活函数约束的PG-DPO在策略误差和边界表现上的显著优势，且优势随维度提升而更加明显，为高维受限动态组合优化提供了可扩展且具有严格误差控制的新范式[page::0][page::5][page::7][page::13][page::16]
本文针对因网络链接采样带来的溢出效应估计偏误问题，揭示常见采样设计可能导致溢出效应的上/下偏。提出基于网络度分布的聚合统计数据构建的偏差校正估计量，适用于线性及非线性网络模型，并支持处理处理分配依赖网络结构的情况。模拟结果验证方法有效性，实证估计美国上市公司供应链中气候冲击的传播，显示未经校正的传统回归系数高估约一倍 [page::0][page::1][page::5][page::20][page::25][page::26]。
本文针对欧州公司债券市场算法交易中的订单成交概率估计问题，提出利用量子计算生成特征，配合统计学习模型进行填充概率预测。基于真实大规模交易数据，采用IBM量子硬件与无噪声模拟对比实验，结果显示量子硬件生成的特征能够显著提升机器学习模型预测效果，测试AUC较经典特征提升高达34%。该研究展示了量子计算在金融量化模型增强中的潜力及探索价值 [page::0][page::1][page::3][page::7][page::10][page::12][page::13]
本文研究了基于容量上的\(\mathcal{G}\)-随机扭曲函数构造的\(\mathcal{G}\)-随机扭曲Choquet积分，证明了其完备协同加性、单调性、正齐次性及现金不变性等性质。给出了满足一阶随机支配和止损随机支配下条件风险测度的表征结果，拓展了VaR和AVaR等著名风险度量的随机版本，结合容量框架考虑模型不确定性，为金融和保险中的风险测量提供了理论基础与应用示例[page::1][page::7][page::14][page::15][page::19][page::21]
本报告首次将量子自适应自注意力(QASA)模块应用于去中心化金融（DeFi）自动化做市商（AMM）资金再平衡，将再平衡任务转化为检测问题。通过2024年BTCUSDC日线数据回测，QASA-Sequence在收益和风险调整表现方面超越传统机器学习及纯量子模型，表现出13.99%的收益率和1.76的Sharpe比率，展现了量子-经典混合注意力机制在多变且噪声较大的金融时序预测中的潜力和实用性 [page::0][page::3]。
本论文通过仿真模型系统性地探讨生成式人工智能对学术出版系统带来的冲击，重点分析AI导致的稿件激增如何驱动编辑部的拒稿率提升、审稿周期拉长及教职工发表成果数量减少，特别对商学院晋升与终身教职过程产生不利影响。研究模拟了基础模型、早期采用者模型和AI滥用模型，揭示早采纳者虽能暂获优势，但整体接纳率急剧下降，中低层期刊的安全港作用弱化，导致大多数研究者，尤其青年教师发表压力加剧。论文强调了期刊编辑筛稿环节的结构性瓶颈，呼吁学术评价体系改革和知识传播多渠道发展，以应对AI驱动的学术生态变革 [page::0][page::10][page::12][page::15][page::20]。
本论文提出FinFlowRL框架，结合模仿学习与强化学习以解决金融随机控制问题。通过专家策略预训练MeanFlow模型，再以强化学习微调噪声生成过程，实现对非马尔可夫金融市场中高频交易行为的序列决策优化。实验证明FinFlowRL在多样化市场条件下相比传统模型表现更优，显著提升夏普比率并降低最大回撤，验证了其在复杂市场环境下的自适应能力和优越性[page::0][page::1][page::3]。
本论文结合经济复杂性理论与多维社会和环境可持续性指标，量化国家最相关的多样化机会与可持续发展目标之间的匹配程度。研究发现，高收入国家面临更多复杂且环境友好的多样化机会，而低收入国家则存在复杂性与环境表现的错配，需通过非相关多样化策略促进可持续发展。这为衡量国家未来经济发展路径的可持续性提供了全新视角[page::0][page::1][page::8][page::13][page::19][page::21]。
本文系统研究了Heath-Jarrow-Morton（HJM）利率模型中，所有与任意切向扩散系数一致的有限维曲线流形结构，发现该流形必为线性有理型，排除了仿射流形的存在可能，说明仿射利率结构在估计的扩散条件下一般只含单点，呈现确定性模型特征。本研究理论为利率期限结构模型的校准与动态一致性提供了严密的数学基础与新视角 [page::0][page::1][page::2][page::5][page::6][page::14]
本论文基于1948年至2023年结构性重力模型，采用两种政治距离指标，实证发现WTO成员资格能显著减弱政治距离对贸易数量的负面影响，尤其在1995-2008年WTO初期表现最为明显。WTO通过多边贸易制度促进了跨政治分歧国家间新贸易伙伴关系的形成，提升广泛产品贸易数量，同时促进整体贸易量增长[page::0][page::1][page::13][page::16][page::18][page::19]。
本文提出了一种基于流形上随机场的节奏-空间（tempo-spatial）ambit场模型框架，用于建模欧洲电力市场中逐时交割的日内全部电价数据面板。模型通过将交割期映射到单位圆，并在时间-空间圆柱面上定义ambit集，实现了价格面板中跨时间和交割期的内在依赖结构，以参数化核函数捕获复杂相关性。该框架保留了对期货与价差类电力衍生品的价差定价解析表达形式，支持结构保持的变换测度，且通过具体的模拟算法，展示了高斯和正态逆高斯驱动模型的可行性和衍生品定价应用，极大丰富了电力衍生品在分时合约层面的风险管理工具[page::0][page::5][page::12][page::24].
本研究构建了基于多主体模拟的人工市场，设计包括传统执行算法与考虑订单簿失衡（OBI）策略的执行算法。通过模拟四种市场环境（稳定、闪崩、价格激增及虚假交易），分析OBI感知算法的交易成本表现。结果显示，在稳定市场低频下，OBI算法显著降低交易成本；但高频下其自身下单导致价格上升反而增加成本。在闪崩和激增市场，OBI算法优于传统算法；在虚假交易市场两者差异不显著。研究结论支持将OBI策略融入执行算法，且提示需平衡算法下单频率以避免市场价格自我驱动效应 [page::0][page::6][page::7][page::8][page::9].
本报告系统介绍了Increase Alpha基于深度学习的美股多因子交易信号生成框架，覆盖814只股票，利用专家特征通过轻量级神经网络产生日频方向性信号。经统计显著性检验，模型具备稳定的预测能力。交易策略经过参数网格搜索优化，回测表现出年化夏普比率超2.5、最大回撤约3%及低市场相关性。策略在2025年高波动市场中依然展现强劲韧性，实际构建的多空等权组合风险收益优于S&P 500基准。报告还展示了云计算并行化计算支持大规模策略参数调优，验证了传统深度学习结合专业特征设计在量化交易中的潜力和稳定性 [page::0][page::3][page::6][page::21][page::31]。
本论文针对局部波动率（LV）模型标定中的病态问题，提出一种基于自动带宽和多项式阶数选择的局部回归预校准平滑方法。该方法有效去噪隐含波动率曲面，生成光滑的输入数据，显著提升了LV曲面及期权Greek稳定性，且保持校准精度和无套利性。实证结果显示，在模型和真实市场数据中均能消除LV曲面的尖刺波动，改善衍生品定价和风险对冲的鲁棒性，且计算开销微小，具有广泛适用性[page::0][page::11][page::21]。
本报告介绍了中信建投金融工程及基金研究团队的组织架构、核心研究方向及成员背景。团队涵盖资产配置、行业轮动、量化选股及基金研究，结合大模型与多智能体技术创新工具，致力于打造可应用性强的投资策略和研究成果 [page::1][page::2].
本报告系统回顾了兴证金工团队自2024年8月至今的研究成果，涵盖资产配置、量化选股、ESG、基金产品与另类资产等多个领域，并展望了2026年的研究方向与团队战略，体现了团队以创新和实战为核心的发展理念。[page::0][page::1]
本报告基于Google漏洞奖励计划(VRP)2024年7月最高奖励提高约200%的事件，实证分析奖励激励对漏洞报告数量及质量的影响。结果显示，高额奖励显著提升了高价值漏洞提交数量与研究人员生产力，且既吸引了新研究员也引导了资深研究员关注高价值目标，进一步带来了对不同漏洞类型的弹性估计与研究人员行为分解，为漏洞奖励机制设计和安全策略提供实证依据[page::0][page::6][page::7][page::10][page::15]。
本文综述了关于跨越三代及以上的社会经济不平等现象的主要实证发现及其解释，指出多代际不平等的持续性高于传统的父母子女代际关联推断，探讨了潜在的隐性因素、非马尔可夫过程及非线性传递机制，并分析了婚配择偶对该现象的影响，为理解贫富代际传递提供了新的理论视角和实证路径[page::0][page::1][page::6][page::15]
