本文提出 LAMP（Language-Augmented Multi-Agent Policy），通过 Think–Speak–Decide 流程将 LLM 的语言推理与多智能体强化学习结合，用语言信号（短期冲击与长期趋势、代理间陈述与反思）增强策略表征并缓存高价值推理轨迹，显著提升经济模拟中社会福利与个体回报（相较 MADDPG 回报提升可达 ~63%）并提高稳健性与可解释性 [page::0][page::1][page::5].
本文通过对约1.6万对真实 ChatGPT 提示词的反事实重写与 A/B 实验，发现提示词的礼貌程度会显著改变模型产生的输出 token 数量（非礼貌提示会增加输出 token），但不降低输出质量，从而导致企业 API 成本不可预测且可能被放大利润，为企业与监管层提出了对输出 token 计费透明性的政策与工程建议 [page::0][page::3][page::7].
本文构建192个逐小时日内电价预测（ARX、NARX、LEAR及其多种规格与校准窗），并将七类统计评价指标与两类电池能量存储(BESS)套利利润对比。结果表明传统准确性指标（RMSE、MAE）与利润相关性很弱，而衡量预测与实际日内价格曲线一致性的指标（如平均相关 Corr-f）及基于价格差异的小时选择误差（MPD）与盈利性显著相关，因而在选择可增加BESS收益的预测时更有效 [page::0][page::2][page::12][page::16].
本文提出“Basis Immunity（基底免疫）”概念：在随机均值-方差框架下，将信号不确定性视为主要风险，通过在信号与收益两侧施加“各向同性”（isotropy）作为几何正则化，得到Isotropy-Regularized Mean-Variance (IRMV) 框架；该框架在归一化可预测矩阵的奇异值分解（canonical portfolios）基底上工作，并用可调的各向异性惩罚将纯MV与纯各向同性之间平滑插值，得到一组由n个正交“canonical”投资组合线性组合的配置，系数由一组三次方程确定，从而控制对少数强模式（低参与度）的过度暴露并在行业趋势跟踪示例中自带平均信号的负暴露（结构性熔断对冲）效果 [page::1][page::17][page::23].
本文解析并给出扩展Chiarella模型在若干极限参数下的稳态分布：线性化情形与快速趋势情形下得到高斯稳态，而慢趋势或强反馈时出现Gaussian-cosh型分布并产生P-分岔，且真实的P-分岔条件为2β^2>κσ^2（不同于无噪声Hopf条件）；此外证明了趋势分布双峰并不必然导致错价分布双峰（受噪声强度与时间尺度影响）[page::3][page::6]
本研究利用高频交易与租金数据，并结合PSM‑DID、Geo‑RDD与事件研究，发现纽约拥堵收费公布阶段即触发住房市场调整：售房价格内区下降约3.3%，租金下降约3%，边界线上“入城”房价下挫更为明显，影响主要集中在租户与中低价段且随时间部分回弹，建议在公告期提供针对边界带与租户的早期缓冲与将收入用于无收费的公共交通以提升公平性 [page::0][page::8][page::13]
本论文构建并应用了一个many-to-many匹配市场模型与自举模拟，评估磷肥（DAP/MAP）生产集中化对到2030年区域磷供应结构的影响；研究发现全球DAP/MAP需求将在FAO情景下增长（两情景下区域分布趋于强化），行业整合将导致部分小市场集中度上升、大型供应商在市场上更专注于若干市场并可能加剧重要贸易流脆弱性 [page::0][page::5][page::12][page::16]
报告将“Lead times in flux”中的分布性度量与一个可运行的 R 包结合：用归一化 L1 距离 D 跟踪按月到达日的 lead-time 分布变动，并用公式将分布偏离和剩余 horizon 映射为 pickup 预测的相对误差上界；文中给出的数据 schema、可重现的模拟、决策模板与评估计划，实证（模拟）结果显示相邻月 D 多在 0.12–0.20 波动，且在 14 天 horizon 时 C_hist≈0.48 对应的风险界约 0.57，便于将风险指标直接并入运营决策 [page::0][page::3][page::6]
本文提出“Unicorn Edge”因子：在个股“drift”状态（63日窗口中正收益日占比>60%）时激活以价值（逆价）与短期反转（10日反向）加权组合，构建市场中性多空组合并通过严格的滚动训练/测试（2004–2024 数据，冻结参数）检验，三个独立 OOS 窗口合并后实现年化 158.6% 回报、12.0% 年化波动率及 13.19 的 OOS Sharpe，比基准风险调整后高出约 13 倍，且在 1,000 次随机化与多种压力测试下显著性强（p<0.001），保守容量估计可部署约 100–500M 美元而性能才开始显著衰减 [page::0][page::2][page::6].
本文系统比较并实现多种风险分配策略，提出在业务单元数量较大时采用Shapley Monte Carlo以保证可扩展性并保留全量分配性质，同时给出两种保持全分配且消除负值的实用修正方案，并在Basel 2.5与FRTB场景下通过大量数值实验验证其可行性与性能优势 [page::0][page::4][page::19][page::31]
本文基于两项行为经济学实验（Ultimatum Game 与 Gambling Game），对 Google Gemma-7B 与 Qwen 模型在公平偏好与风险/损失厌恶方面的参数进行估计与比较，发现模型表现为介于完全理性与人类行为之间：Gemma 在 UG 中接受几乎所有正向提议但显示较高“guilt”参数（β≈0.54），呈现 β>α 的反向人类典型模式；Qwen 在 GG 中对收益近似风险中性且概率加权接近线性，但对损失表现出适度的损失厌恶（λ≈1.54），且性别提示仅产生小幅、场景依赖性的调整 [page::0][page::5][page::6][page::8]
本文构建了一个含有按比例盈余/亏损分配机制的互助保险动态博弈模型，并在大样本极限下将成员行为刻画为一个扩展的均场博弈（extended MFG），其均衡由一组均场前后向随机微分方程（MF-FBSDE）给出；在包含保险比例约束的情形下，文章证明了该MF-FBSDE的全时域存在性与唯一性，并给出了基于continuation方法的可满足条件（小均场效应）[page::0][page::3]。文中还提出并实现了一种改进的深度BSDE数值算法（额外加入均场控制的罚项）以求解该扩展MFG，并通过若干灵敏度实验展示了风险组成、盈余分配比例与约束对成员最优投保比例及终端财富的影响（如波动率上升导致投保需求上升，较高的盈余分享率降低有效保费从而提高投保需求，约束能减少策略与财富差异）[page::24][page::27][page::31]。
本论文提出一个面向S&P 500的动态选股方案：以20个常用财务因子为输入，使用五类机器学习模型在滚动窗口内训练并以最低MSE择优模型预测下季度收益，按模型预测值在各行业内选取前20%股票并进行等权、均值-方差和最小方差配置；回测结果显示该方法在收益与Sharpe比上均优于标普500基准 [page::0][page::4].
本文提出基于深度强化学习的集成交易策略，组合PPO、A2C与DDPG三类actor-critic算法，通过滚动训练+3个月验证以Sharpe比率选出最优子模型，并在道指30成分股上回测验证，结果显示集成策略在2016/01–2020/05区间以更高的Sharpe比率和更低波动显著优于单一算法及两类基准（DJIA/min-variance）[page::0][page::6]
本文在离散时间框架下构建了带瞬时（transient）价格冲击的流动性模型（用市场弹性 r_t 与市场深度 δ_t 描述），并证明了在放宽以往文献中对市场深度/弹性单调性约束的情况下，效用最大化问题仍然存在最优可行策略（Theorem 2.4），同时指出可达终值集合可能非凸并讨论其影响 [page::2][page::3].
本文以反应-扩散偏微分方程刻画系统性金融压力的传播与局部放大，利用线性化后的代数Riccati方程构造最优状态反馈控制，证明在H∞意义下扰动到输出的增益有上界，并通过将非线性项视为强迫项结合收缩映射和Hamilton–Jacobi方程给出非线性系统的局部渐近稳定性证明，为政府/监管层的空间化、有针对性的干预提供理论框架 [page::0]
本文提出以“购物篮/考虑集”为约束的线性需求估计方法，利用二次拟线性效用与联合购买频率（Slutsky 矩阵代理）刻画跨类别替代与互补关系，并通过两阶段最小二乘（含 Hausman 型竞争者价格工具变量）与 NNLS 控制函数调整非负角解约束，在葡萄牙超市 2020–2023 点销数据上估计出约 11% 的收入加权平均加价率，且加价随 COVID 波动及 2022 年能源/物流冲击显著波动 [page::0][page::3][page::34]
本周报告指出：2025年“双11”服饰成为拉动线上消费增长的重要引擎，短期服饰需求将延续；同时包装纸（瓦楞纸、箱板纸、白板纸）均价环比明显上行，多家大型纸企集中检修将推高供给端扰动，结合临近假期需求，包装纸价格延续偏强走势的判断成立，并据此维持两行业中性评级与若干公司“增持”建议 [page::1]
本周医药生物板块强势反弹，创新药三季报表现亮眼推动行业景气回升；同时北方流感样病例占比达近4年新高，建议关注疫苗、体外诊断、药店及相关制药企业的阶段性投资机会，维持行业“看好”并继续推荐恒瑞医药（600276）“买入”评级 [page::1].
