如何压缩因子动物园？ “学海拾珠”系列之二百五十
本报告针对因子动物园的因子冗余问题，提出迭代因子选择策略，结合GRS统计量系统性评估新增因子贡献，实现以15个因子高效覆盖美国市场153个因子，且持久性强、风格多样。实证显示，等权加权因子需30余个因子覆盖，且全球市场适用该方法，为因子模型精简和资产定价研究提供实用框架 [page::1][page::3][page::8][page::12][page::13][page::15]
金融研报AI分析
A mean-field theory for heterogeneous random growth with redistribution
本论文研究了在平均场极限下，随机乘法增长与再分配机制之间的竞争机制，揭示了在无时间波动时再分配强度存在临界值导致的局域化相变，以及时间波动存在时产生的部分局域化新相。结果表明，持久异质增长率引发财富或人口高度集中，但适度随机波动与足够的再分配可以缓解极端集中现象，为理解财富不平等和群体人口分布提供理论框架 [page::0][page::2][page::3].
An Analytical Approach to (Meta)Relational Models Theory and its Application to Triple Bottom Line (Profit, People, Planet) Towards Social Relations Portfolio Management
本论文从数学优化角度对关系模型理论及其元关系扩展进行深入解析，提出单一通用元关系描述四种社会性形态的内在张力，基于此构建社会关系组合（SRP）管理方法。该方法以财务投资组合管理类比，定量求解最优社会关系配置，进而应用于三重底线（利润、社会、环境）范式，揭示三支柱的最优关系形态，为企业社会责任与ESG提供精准测量、监控与管理路径 [page::0][page::2][page::3][page::4][page::11][page::13][page::26][page::31].
Bridging Quasi-Experimental and Structural Approaches for Robust Evaluation of US Airline Mergers
本报告建立了准实验方法与结构模型的桥梁，系统分析了美国航空业三大并购的价格、产能及市场协调效应。研究发现，传统差异中差异（DiD）方法易受识别假设限制产生偏误，而结构模型通过区分效率提升和市场协调变化，实现更准确的并购定价效应拆解。采用合成控制加权的合成GMM提升估计精度，揭示部分并购引发了明显的反竞争协调行为，抵消了效率收益，导致整体价格效应中性或微增，提示监管机构需关注协调风险。研究方法兼具透明性与经济机制解释力，对集中行业并购评估具有广泛借鉴意义 [page::0][page::1][page::3][page::16][page::35][page::36].
ORDERFUSION: ENCODING ORDERBOOK FOR ENDTO-END PROBABILISTIC INTRADAY ELECTRICITY PRICE FORECASTING
本文提出了OrderFusion，一款端到端的轻量级（4872参数）概率型电力日内价格预测模型。它通过编码订单簿中的买卖交互，采用迭代融合机制和层次多分位数预测头，有效克服了传统特征依赖和分位数交叉等问题。实验证明，OrderFusion在德国高流动性和奥地利低流动性市场均优于多种基线模型，展示了出色的泛化能力和稳定性[page::0][page::1][page::5][page::6][page::8]。
Eigenvector overlaps of sample covariance matrices with intersecting time periods
本文基于随机矩阵理论，精确计算了两个具有部分时间重叠样本协方差矩阵特征向量的重叠度，推广了先前针对非重叠时间段的结果。通过Girko线性化和扩展局部定律方法，得出了解析表达式，并通过模拟和实际金融数据验证了理论的准确性，尤其应用于测度样本协方差矩阵的动态演化与非平稳性检测，为金融风险和统计分析提供坚实的理论基础 [page::0][page::2][page::3].
Labour unions under neoliberal authoritarianism in the Global South: the cases of Turkey and Egypt
本文从批判政治经济学视角分析了土耳其和埃及在新自由主义背景下劳工组织的变迁，聚焦于2013年后新自由主义威权政权下劳工运动的法律、政治与结构性挑战。文章指出，新自由主义重构中，对劳工市场的控制通过解散异议工会、加强威权主义的企业主义关系等手段实现，形成一种“新自由主义威权发展主义”政治经济模式，导致劳工权利严重受限，并引发持续的劳工抗争。两国皆被国际工联列为全球工人权利状况最差的国家之一，显示劳工运动在严厉镇压下依然存在复兴的潜能 [page::0][page::14][page::11].
ALPHASAGE: ΔS TRUCTURE-AWARE ALPHA MINING VIA G FLOWNETS FOR ROBUST EXPLORATION
本论文提出AlphaSAGE，一种基于结构感知编码的生成流网络(GFlowNets)框架，用于自动化挖掘量化交易中的公式化alpha信号。该方法利用多信号奖励函数（包含结构感知、信息系数及新颖性等）指导探索，克服了传统强化学习稀疏奖励和模式单一的问题。实证基于中美股票市场数据，AlphaSAGE在多个相关性指标和投资组合表现上显著优于现有方法，展示了更高的预测能力与多样性，且具备良好的泛化和稳定性 [page::0][page::1][page::3][page::5][page::6][page::8][page::9]。
Signaling in the Age of AI: Evidence from Cover Letters
本报告研究了生成式人工智能（AI）如何影响劳动市场信号传递，基于Freelancer.com平台引入AI写作工具的实证数据。结果表明，AI工具显著提升了求职信的定制化程度，并提高了获得面试邀请的概率，但也削弱了求职信作为能力信号的有效性，促使雇主更多依赖过往评价等不可轻易伪造的信号。同时，人机协作中的人工编辑时长与招聘成功率正相关，凸显人工加工的增值作用[page::0][page::3][page::11][page::21][page::26][page::36]。
Pixels to Prices: Visual Traits, Market Cycles, and the Economics of NFT Valuation
本文基于94,039笔交易数据，运用机器视觉提取196项视觉特征，构建静态与动态贝叶斯混合效应模型，发现NFT价格受聚焦饱和度、构图集中度、曲线平滑度等视觉特征及市场周期共同驱动，且视觉特征的价格影响随市场扩张与收缩阶段呈现明显时变特性，深度嵌入特征增益有限，品牌效应显著且随周期漂移，建立了NFT数字艺术品估值与市场周期关联的分析框架[page::0][page::2][page::13][page::17][page::20]。
DETERMINANTS OF LATIN AMERICAN STUDENTS ACADEMIC RESILIENCE—INSIGHTS BASED ON PISA 2022 USING AN EXPLAINABLE MACHINE LEARNING APPROACH
本研究基于PISA 2022数据和拉丁美洲9国样本，采用解释性机器学习（SHAP方法）分析学业韧性学生（即弱势背景下表现优良学生）的主要决定因素。结果显示，家庭数字设备和书籍、性别、作业和学习重复等学生层面指标，以及学校规模、师生比、教师资质和疫情期间学校关闭时长等学校层面因素，对学业韧性影响显著。研究揭示疫情闭校和远程学习障碍负面影响，强调不同学业韧性定义下驱动因素差异，区分私立与公立、城乡学校的决定因素特点，为区域教育公平与政策制定提供科学依据 [page::0][page::1][page::6][page::7][page::10]
WHEN RISK DEFIES ORDER: ON THE LIMITS OF FRACTIONAL STOCHASTIC DOMINANCE
本文系统研究了Meyer风险度量，即与阈值效用函数定义的$v$-分数阶随机优势($v$-SD)一致的货币风险度量。该方法推广了经典的二阶随机优势（SSD），揭示了各种风险度量属性与$v$-SD一致性的内在张力，尤其证实只有当阈值效用为指数形式时才存在非平凡的Meyer风险度量，并且正齐次性和凸性常常与$v$-SD一致性不兼容。论文还探讨了基于Meyer风险度量的投资组合优化及其在金融时间序列风险评价中的应用，展示了不同风险厌恶参数下的风险评估差异 [page::0][page::1][page::2][page::4][page::6][page::13][page::15][page::17][page::18][page::20][page::21][page::22][page::23][page::24]
IDENTIFYING THE POST-PANDEMIC DETERMINANTS OF LOWPERFORMING STUDENTS IN LATIN AMERICA THROUGH INTERPRETABLE MACHINE LEARNING SHAP VALUES—INSIGHTS FROM PISA 2022
本论文基于2022年PISA拉美10国数据，应用解释性机器学习SHAP值分析后疫情时期学生低成绩表现的主要决定因素。研究发现重复率高、家庭贫困、数字设备缺乏、少数族裔语言以及学校劣势（如较差的学校氛围、薄弱的ICT基础和师资质量低下）是显著驱动因素。模型结合了多种机器学习算法的堆叠方法，预测效果优越。结果揭示了不同表现水平学生的关键差异，为制定针对性教育干预提供数据支持与政策建议，有助于缓解拉美地区的学习危机和教育不平等[page::0][page::1][page::5][page::7][page::12]。
MORAVEC’S PARADOX AND RESTREPO’S MODEL: LIMITS OF AGI AUTOMATION IN GROWTH
本报告基于Restrepo(2025)的AGI经济增长模型，结合Moravec范式，区分认知任务与物理任务的自动化成本差异，揭示物理瓶颈任务的高计算需求可维持人类劳动份额为正，并影响长期分配及增长动态。数值分析显示认知任务相对较快自动化，物理任务则受限计算资源，长期保留人力，最终影响收入分配结构 [page::0][page::2][page::3][page::4]。
Simulation of the Heston stochastic local volatility model: implicit and explicit approaches
本文针对Heston随机局部波动率模型中CIR型波动率过程的数值模拟问题，比较了截断Euler方法与隐式向后Euler方法的性能。数值实验表明，截断Euler方法在高波动率情形下表现出强收敛性和稳定性，而隐式方法在压力测试条件下误差最小但计算代价更高。两种方案各具优势，适用于不同的期权定价与风险管理需求 [page::0][page::5][page::8]。
Extracting the Structure of Press Releases for Predicting Earnings Announcement Returns
本论文利用2005至2023年超过138,000份财报新闻稿文本数据，比较传统词袋模型与BERT家族模型，发现软信息对公告日股票收益预测同硬信息（盈利惊喜）同样有效，FinBERT表现最佳。结合多模型提升解释力，证实股价于开盘时已完全反映新闻稿信息，支持市场效率假说。同时揭示管理层话语中的自利偏差，为实时收益预测提供可解释框架 [page::0][page::3][page::4][page::5]
STRAPSim: A Portfolio Similarity Metric for ETF Alignment and Portfolio Trades
本论文提出了STRAPSim，一种面向交易型开放式指数基金（ETF）和组合交易的语义权重残差感知投资组合相似度度量方法。该方法通过基于成分语义相似度的贪婪匹配及动态权重调整，显著优于传统Jaccard和BERTScore等方法，在多个分类、回归及债券ETF组合实证中表现出更高的预测准确性和排序相关性，有效支持ETF基准对标、组合构建和系统化交易执行 [page::0][page::1][page::2][page::5].
From Headlines to Holdings: Deep Learning for Smarter Portfolio Decisions
本论文基于融合LSTM时间序列模型、图注意力网络（GAT）以及金融新闻情感分析的端到端深度学习框架，直接生成股票组合权重，避免传统预测收益后再优化的误差叠加。以覆盖六大行业的9只美股为实验样本，模型在风险调整收益（如夏普比率）和累计收益上均优于等权重及CAPM-MVO基准，强调情感信号和资产间动态关系对提升投资组合表现和稳定性的作用，提出未来可扩展至更大规模资产池的研究方向。[page::0][page::2][page::8][page::12]
Large Language Models and Futures Price Factors in China
本报告创新性地应用GPT自动生成中国期货市场的40个量化因子，通过构建单因子和多因子多空/多头投资组合进行回测。结果显示，GPT因子表现出较高的夏普比率和年化收益率，并且在多项稳健性测试中保持稳定，包括超出GPT训练截止期后的样本外表现，且显著优于IPCA基准模型，证明了其为新兴市场因子研究提供了有效且创新的数据驱动方案 [page::0][page::1][page::9][page::11][page::17][page::28]。
Unintended Consequences of Early Driving Access: Evidence from Graduated Driver Licensing Policies and Adolescent Health Outcomes
本研究采用差异中的差异方法，利用1999-2020年美国各州关于驾驶许可年龄的差异，首次因果辨识早期驾驶许可对女性青少年15-19岁死因的影响。研究发现虽然早期驾驶有效降低了交通死亡率，但显著提升了药物相关死亡率和心理健康相关死亡率，特别是药物死因贡献近三成总体增长，心理健康死因贡献约一成，表明驾驶政策在安全收益与健康风险间存在权衡，建议加强监管与心理健康支持以缓解负面外部性[page::0][page::4][page::12][page::21]。
