Forecasting Stock Prices from the Limit Order Book using Convolutional Neural Networks
本论文提出利用卷积神经网络（CNN）基于高频限价订单簿数据预测股票中间价走势，包含针对价格和成交量的智能归一化方法。基于芬兰纳斯达克5只股票的450万订单数据训练，CNN较传统支持向量机和多层感知器表现更优，能有效捕捉市场微观结构信息，实现短期价格方向分类 [page::0][page::2][page::4]。
金融研报AI分析
Multi-Agent Design: Optimizing Agents with Better Prompts and Topologies
本文针对多智能体系统(MAS)设计难题，提出了Multi-Agent System Search (Mass)框架，通过交替优化单体代理层面的提示(prompt)以及整体工作流的拓扑结构，有效提升系统性能。实验跨多个复杂任务验证了Mass显著优于现有人工设计和自动设计方法，揭示出提示优化在MAS设计中的关键作用和拓扑设计的影响因素，提出实用设计原则推动未来MAS的高效构建[page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10].
Pre-training Time Series Models with Stock Data Customization
本文针对股票数据的独特属性，提出三种定制化预训练任务（股票编码分类、行业分类及移动平均预测），结合两层Transformer架构的SSPT模型，显著提升股票选择的投资收益率和夏普率。通过五大市场多时间段实证验证方法的稳健性，并通过模拟数据分析解释预训练背后的统计特征提取机制，为金融时间序列模型预训练提供新思路及应用指导[page::0][page::1][page::6][page::7][page::8]。
LLM Knows Geometry Better than Algebra: Numerical Understanding of LLM-Based Agents in A Trading Arena
本文提出一种名为Agent Trading Arena的零和虚拟交易游戏，用于检验大型语言模型（LLMs）在动态复杂金融数值环境中的推理能力。实验证明，LLMs在处理纯文本数值数据时表现欠佳，偏向局部细节与代数推理，而在视觉化数值数据（如K线图）上表现显著提升，体现了几何推理优势。结合反思模块，进一步增强模型综合分析复杂数据的能力。基于纳斯达克股票数据的验证表明，视觉数据输入显著改善了LLM的投资表现，展示其在实际金融场景中应用潜力与局限性 [page::0][page::1][page::3][page::4][page::5][page::7]。
Editorial for the special issue on financial econometrics in the age of the digital economy
本文作为《计量经济学杂志》金融计量经济学特刊的编辑导言，综述了数字经济时代金融计量经济学的最新进展，涵盖因子模型、风险测度、波动率建模、资产定价、信息聚合及多维时间序列建模等多个前沿课题。报告强调数字化技术对金融市场结构的深刻影响及金融计量经济学工具在应对大数据、风险监控和高频交易中的核心作用，为后续论文的研究提供框架和动向指引 [page::0][page::1][page::2]。
Using principal component analysis to estimate a high dimensional factor model with high-frequency data
本文提出基于主成分分析（PCA）和双重渐近理论的新型估计方法，用于高频数据下高维因子模型中的因子数量及大规模协方差矩阵的估计。实证显示美股大规模资产的协方差矩阵可用低秩因子结构加稀疏残差矩阵良好刻画，PCA估计器在无监督情况下优于样本协方差估计器，并具备结构解释力和投资组合优化实用价值。[page::0][page::1][page::3][page::5][page::7][page::9]
Generalized aggregation of misspecified models: With an application to asset pricing
本文提出了一种基于广义熵的模型聚合方法，有效应对多个错误指定的资产定价模型的不确定性。方法通过最小化Hellinger距离构建加权聚合随机贴现因子（SDF），在理论上保证了风险界限，并在实证中显著提升了资产定价模型的拟合表现，聚合结果对基准模型选择具有鲁棒性 [page::0][page::2][page::6][page::10][page::14]。
Econometric analysis of multivariate realised QML: Estimation of the covariation of equity prices under asynchronous trading
本文提出了一种多变量实现的拟最大似然（QML）估计方法，用于处理因市场微观结构噪声和非同步交易引起的股价协方差估计难题。利用Kalman滤波与EM算法优化似然函数，新估计量保证正定性、利用全部异步数据且具有一致性和渐近混合正态分布。因子模型版本支持高维资产，且两种估计均达到有效收敛速率。蒙特卡洛模拟与实证研究均显示该方法在估计精度及大尺度资产组合分析中具有优势，尤其在非均衡数据情形下表现突出 [page::0][page::1][page::4][page::6][page::8][page::9][page::11][page::14][page::15]
Asset returns in deep learning methods: An empirical analysis on SSE 50 and CSI 300
本文使用2012至2017年沪深50与沪深300指数的日收益率数据，比较了线性回归、弹性网络（ENet）、主成分回归（PCR）与具有不同隐藏层数的深度神经网络（NN）模型的预测表现。实证发现，深度学习模型并非总优于传统线性模型，且最深的神经网络往往表现欠佳。针对沪深50，单隐层NN1模型在测试集上的预测能力最优，而针对沪深300，双隐层NN2表现最佳。通过结合岭回归正则化与早停技术，有效缓解了过拟合问题。研究强调了适合网络结构和训练策略的重要性，为金融资产收益预测的深度学习应用提供了实证依据。[page::0][page::1][page::6][page::10][page::18][page::19][page::20]
(Machine) learning parameter regions
本文将参数区域的随机采样描述问题构造成监督机器学习问题，利用误分类误差和统计学习理论的VC维度等工具，明确了参数区域学习的可行性条件和样本复杂度界限。引入学习最紧包络区间的松弛定义，限定采样分布以获取工整可用的采样量建议。应用于SVAR模型，定量说明了所需抽样数量的理论上下界及其实用性，帮助宏观计量学中的非全识别模型构造置信区间和后验密度集的有效数值近似 [page::0][page::1][page::2][page::3][page::4][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14][page::15][page::16]
The application of improved physics-informed neural network (IPINN) method in finance
本论文提出了改进的物理信息神经网络（IPINN）方法，通过引入局部自适应激活函数，提升了传统PINN在求解金融偏微分方程中的性能。IPINN方法成功应用于Ivancevic期权定价模型与黑-舒尔斯模型，获得了金融中的流氓波和孤子解及欧式期权的数值解。数值实验表明，IPINN收敛速度更快，精度更高，且学习效果优于传统PINN方法，为金融PDE求解提供了有效工具[page::0][page::1][page::3][page::4][page::11]。
Kolmogorov–Arnold Finance-Informed Neural Network in Option Pricing
本论文提出KAFIN框架，将Kolmogorov-Arnold表征理论整合进Finance-Informed Neural Networks（FINNs），以优化欧式期权定价中的神经网络建模。通过基于Black–Scholes PDE的金融约束损失函数，KAFIN在生成的金融规则数据上进行训练。实验证明，KAFIN在定价准确性、残差误差及收敛速度上均显著优于四种主流FINN基线方法，表明其在捕捉复杂金融动态及保证训练稳定性方面具有优势[page::0][page::9][page::14][page::18][page::23][page::25]。
Autoencoder asset pricing models
本文提出基于自动编码器的条件资产定价模型，允许潜在因子及因子暴露作为资产特征的非线性函数，嵌入了机器学习中的无监督降维技术。实证分析基于60年美股数据，显示该非线性模型在描述风险和预测收益方面显著优于传统线性模型如Fama-French、IPCA模型，定价误差小且经济意义显著。本文还通过蒙特卡罗模拟确认模型在非线性条件下的有效性，结合稀疏正则化和早停策略防止过拟合，展示该方法在现代资产定价领域的潜力 [page::0][page::1][page::11]
【银河ESG马宗明】本周ESG筛选策略超额收益 $0.29\%$
本报告总结了银河证券马宗明关于ESG筛选策略的最新表现，指出该策略在沪深300指数中实现超额收益0.29%，结合了增量风险信息和马科维兹资产组合理论。同时报告也展示了ESG舆情整合策略的表现，强调了策略风险提示，提供了基于ESG因子构建的多维度投资视角，为ESG投资者提供了重要参考依据[page::0][page::1]。
【银河电新&家电】公司点评丨德业股份 (605117)：加速布局工商储及AIDC，打造新增长点
报告点评德业股份2025年前三季度业绩增长稳健，营收同比增长10.36%，利润端略增。重点介绍公司加速扩展工商储7GWh产线及布局AIDC，预计2028年该产线实现产能大幅提升，带来业绩显著增长。此外，公司受新能源光储市场快速发展利好，以及海外新兴市场布局优势，未来增长空间广阔。Q3受汇兑损失影响净利率承压，但长期盈利前景积极。[page::0]
国内固收 $^+$ 产品的分类、特征和展望
本报告系统分析了国内固收 $^+$ 产品的定义、分类及其收益风险特征。基于权益仓位，将产品划分为保守、稳健和激进三类，分别对应不同的收益风险配置。截至2025年三季度，稳健型产品规模占比最高且增长最快，显示投资者风险偏好提升。展望未来，固收 $^+$ 产品市场将向资产多元化和风控精细化发展，政策支持与市场需求共同驱动其创新与扩容。整体产品表现出中低收益、中低风险、夏普比率较高的特点，适合寻求稳健收益的投资者 [page::0][page::1][page::3][page::6][page::16]
国盛量化 | 六周期框架下的多资产ETF配置
报告基于中国经济六周期模型展开，结合货币、信用、增长三维度，构建不同周期阶段对应的多资产ETF配置策略。提出成长、质量、价值风格的阶段性轮动方案，及相应的资产配置方案，设计了三种多资产ETF组合策略，实现稳健且超额收益，策略回测显示年化收益最高达23.0%，同时有效控制波动与回撤，为投资者提供周期性资产配置参考和保障 [page::0][page::1][page::2][page::3][page::4]。
10月市场震荡，跟踪宽基和行业主题的量化基金跑赢基准
本报告围绕2025年10月量化基金市场表现，重点分析主动量化、指数增强和对冲量化基金相对于基准指数的超额收益情况。结果显示，跟踪沪深300、中证500及部分行业主题指数的主动和指增量化基金普遍跑赢基准，中证偏股基金指数同期表现为负。对冲量化基金波动性上升但平均收益略为负值。此外，报告统计了量化基金的数量结构及新成立情况，为投资者提供量化基金整体状况参考[page::0][page::1][page::2][page::9][page::11]
Rough Heston model as the scaling limit of bivariate cumulative heavy-tailed INAR processes: Weak-error bounds and option pricing
本文首次建立了近不稳定重尾双变量累积INAR(∞)过程与粗糙Heston模型的离散时间微观基础，揭示了流动性不对称与杠杆效应的联系。基于此理论，设计了高效的FFT加速INAR模拟器，支持欧式及路径依赖期权（亚洲、极值、障碍）定价，并给出了有限时域的弱误差界。数值实验验证了模拟器的准确性与效率，且隐含波动率曲面展现与实证一致的粗糙波动特征，如短期ATM倾斜的幂律衰减 [page::0][page::3][page::4][page::11][page::27]
Environmental impacts and monetary costs of healthy diets worldwide
本报告基于171国2021年零售食品价格和温室气体排放数据，评估满足全球健康饮食标准的五类膳食方案的成本与碳排放。结果显示，最低碳排放的健康饮食每天产生约0.67公斤CO2当量，而最便宜饮食排放1.65公斤CO2e，且成本最低约3.68美元。动物性食品和淀粉类主食是排放及成本差异的主要驱动因素，水果与蔬菜虽价格波动大，但对碳排放影响小。研究强调通过食品选择和政策调整，可以实现更健康且环保的饮食路径 [page::0][page::1][page::2][page::3][page::5][page::12].
