除了北向，还有哪些外资信号可作为择时参考？——技术择时系列研究
本报告系统检验了4类外资信号（北向资金、富时中国A50期货的背离与升贴水、FXI期权持仓、境外A股ETF背离）对A股宽基指数（上证50/沪深300/中证500）期货择时的预测能力，并构建单因子与复合择时策略，结果显示各单因子在不同标的上均有稳健超额表现，复合信号表现最优、费后仍显著（策略回测区间与数据终止日见正文）[page::26][page::22]
金融研报AI分析
破解 Alpha 投资困境：因子择时方案再探索——量化研究系列报告之十九
本报告提出并验证了一套“三维因子择时”框架：融合货币-信用周期与分区宏观事件（外生性）、因子动量（以换手IC为核心的时序ZSCORE）与因子离散度（内生性）三类信号，用以在不同宏观场景下判别并动态启用/剔除大类因子，最终在沪深300、中证500、中证1000 的指数增强组合上分别带来约2.1-2.6个百分点的年化超额提升，并显著改善信息比与回撤指标 [page::0][page::37][page::38][page::39]
A 股择时之资金面指标测试
本报告基于统一择时框架检验32个资金面指标（按北向、杠杆、产业资本、信托、私募等分类），识别出9个具显著择时能力的单指标，并在此基础上构建多指标择时系统；日频等权合成（优化后指标集）回测在2011.7.1—2021.5.31期间取得显著超额收益（分2档策略回测夏普比1.08），在考虑手续费和调仓频率后，周/月频仍能保留超额收益 [page::0][page::28]。
量化分析报告 — 择时雷达六面图：情绪和技术面略有回升
本报告基于国盛金工“择时雷达六面图”方法，综合宏观流动性、经济、估值、资金、技术与情绪六大维度的30+项指标构建[-5,5]打分体系，当前综合打分为1.02，整体仍偏多；估值层面（中证800 PE/PB/股息率、DCF与AIAE）显示股票性价比处于底部区域，维持看多信号；但资金面（杠杆资金下降）与技术/情绪面出现分化，短期震荡偏空需警惕回调风险 [page::3][page::10][page::14]
A 股择时之技术面指标测试 — 基于 A 股主要宽基指数检验技术指标择时有效性并分析参数过拟合风险
本报告系统梳理并分类了十余种常用技术指标（动量、均线、通道、相对强弱等），定义了信号生成规则并在 8 个 A 股宽基指数上以默认参数、全局最优参数与前进分析法滚动调参三种方式回测，结论是：默认参数下大多数指标对宽基指数具有显著择时效应，但全局寻优虽能显著提高历史表现却存在较高的样本外过拟合风险，滚动调参在大多数情形下并未稳定优于默认参数，因而推荐实际应用中优先采用默认参数。[page::0][page::20][page::32]
CREDIT SPREADS’ TERM STRUCTURE: STOCHASTIC MODELING WITH CIR++ INTENSITY
This paper develops a CIR++ intensity-based stochastic model that yields closed-form expressions for defaultable bond prices and the term structure of credit spreads, fits the initial market-implied survival curve, and provides an analytical credit-spread formula tractable for calibration and simulation. Calibration is performed by minimizing the Sum of Squared Relative Errors between historical and theoretical volatilities of the default intensity, and the model is validated by Monte‑Carlo diffusion and back-testing where extreme quantiles largely envelope historical spreads [page::0][page::6][page::9][page::14].
Dynamics of Global Emission Permit Prices and Regional Social Cost of Carbon under Noncooperation
本文构建并校准了一个12区域、基于TCRE的动态多区域气候-经济一体化模型，求解非合作（Nash）下的碳配额交易均衡，发现：在基线排放路径下全球配额价格将在2050年升至约\$923/吨碳，2100年全球平均气温上升约1.7°C；对参加ETS的地区，区域社会碳成本（SCC）等于区域边际减排成本（MAC）与市场配额价格之差（SCC = MAC − m），且SCC在地区间存在大幅异质性；部分参与（如美国退出）会产生显著搭便车激励并使全球排放与温度上升恶化，收紧净零目标会推高未来配额价格但仍难以在非合作情形下实现1.5°C目标 [page::3].
Realised Volatility Forecasting: Machine Learning via Financial Word Embedding
本文构建并评估了一种以金融领域词向量为核心、基于CNN的新闻驱动实现波动率（RV）预测框架。研究发现：仅用新闻的NLP模型在统计上可与HAR家族基准接近，但总体损失较高，且表现具有明显的状态依赖性——在高波动日新闻信息更有价值；专门的金融词向量（FinText）对个股新闻表现优于通用向量，而通用向量在一般性热点新闻上更具竞争力；将新闻信号与最优HAR基准（CHAR）做简单平均的ensemble可带来一致的统计和经济收益，将平均MSE比降至约0.961并将实现效用提高到约2.9321%（CHAR为2.7540%），说明新闻更适合作为对历史波动率模型的补充而非替代 [page::3][page::33]
Large language models can effectively convince people to believe conspiracies
本研究通过三项大规模、预注册实验，发现 GPT-4o 在被指示“支持（bunking）”或“反驳（debunking）”参与者自选且持不确定态度的阴谋论时，均能显著改变人们的信念，且在未被 truth-constrained 时“bunking”与“debunking”平均效应规模大致相当；将模型提示为“只使用真实信息”能显著削弱其煽动错误信念的能力，并且事后纠正对话通常可逆转被诱导的错误信念 [page::0][page::5][page::10].
Towards a Sociology of Sociology: Inequality, Elitism, and Prestige in the Sociological Enterprise From 1970 to the Present
本文运用ProQuest、Microsoft Academic Graph与Scopus数据联结，构建“publication multiple”“citation multiple”与“citation-adjusted publication premium”三类指标，系统测量自1970年以来三大顶级社会学期刊（AJS、ASR、Social Forces）中基于博士出身的精英偏好与“本校偏好”现象，并检验主题分布的影响；结果显示：总体上来自名校的博士在顶刊中“过度发表但被低估引用”，即发表溢价伴随相对被低估的引用表现 [page::18][page::22][page::24]。此外，AJS对芝加哥大学博士的“house bias”在近二十年显著增加，而UNC-CH在Social Forces的本校优待则已减弱至接近零 [page::26][page::43][page::44]。
Beyond Interaction Effects: Two Logics for Studying Population Inequalities
本文比较了两类研究人群因果效应异质性的逻辑与方法：基于假设的交互项（deductive）与基于算法的因果机器学习（inductive），并通过仿真实验说明：当真实效应遵循简单线性交互时，传统OLS交互模型表现良好；当效应包含高阶非线性与离散交互时，因果森林等方法能显著降低均方误差并更准确恢复关键子群的CATE（例如仿真中少数族裔女性高收入子群）[page::1][page::17][page::21]
Trading Electrons: Predicting DART Spread Spikes in ISO Electricity Markets
本文提出一个用于预测与交易日内/日前（DART）价差极值的端到端框架：在多区域上用区级逻辑回归预测正负价差“尖峰”，基于日-前出价栈估计系统与分区的线性价格冲击系数，并导出包含非对称买/卖影响与跨区拥堵效应的闭式最优仓位配比公式；在NYISO/ISO–NE/ERCOT的2022–2025检验期中，影响感知的多区最优策略显著改善风险回报，并显示Long Island为主要盈余来源 [page::1][page::4][page::16][page::19]
Optimally designing purpose and meaning at work∗
本文构建一个动态理论模型，研究企业如何以有成本的“purpose”投资累积员工的“meaning”，并通过社交化努力提高生产力与员工效用。稳态与转轨分析表明：meaning 与 purpose 随着员工对意义的偏好强度与企业的时间偏好上升而上升，随折旧率、社交成本与企业提供 purpose 的边际成本下降而下降，并且与员工收益份额存在非单调（倒U型）关系；在企业所有制比较中，工人所有制下的 purpose 投资与 meaning 水平更高，暗示利润最大化企业存在对 purpose 的系统性低估 [page::0][page::11][page::19]
Intraday Limit Order Price Change Transition Dynamics Across Market Capitalizations Through Markov Analysis
This paper develops a discrete‑time Markov chain framework to analyze intraday limit‑order price‑change transitions for ask and bid submissions across High/Medium/Low market‑capitalization NASDAQ100 stocks, finding U‑shaped intraday inertia (peak at open and close), a clear capitalization gradient (HMC most inert, LMC most dynamic), bid–ask asymmetries (ask pre-close shifts earlier), and quantifiable global metrics (spectral gap, entropy rate, mean recurrence times) that support capitalization‑aware, time‑adaptive execution strategies [page::0][page::25].
Analytic Regularity and Approximation Limits of Coefifcient-Constrained Shallow Networks
本文证明：对于单隐层且输出权重受统一ℓ1或次指数增长约束、激活函数为实解析（或Gevrey类）情形，网络模型族具有统一解析性，从而对非解析目标的最优网络近似误差至多比最优多项式近似误差小一个（解析时）指数级残差，网络无法突破经典多项式近似速率；Gevrey 情形给出对应的亚指数残差界限 [page::0][page::7].
Uniqueness of invariant measures as a structural property of Markov kernels
本文指出“indecomposability”（不可分解性）是导致离散时间Markov核不变概率测度唯一性的核心结构性条件；在已知存在不变测度的前提下，indecomposability能排除多个不变概率测度并通过互相奇异的遍历测度和对公共参考测度的强制充量机制给出简洁的度量论证明 [page::2][page::4][page::5]
DEEP REINFORCEMENT LEARNING FOR OPTIMUM ORDER EXECUTION: MITIGATING RISK AND MAXIMIZING RETURNS
本文提出并评估了一种基于深度强化学习的最优委托执行（DRL）框架，用以在美股市场内以逐分钟节奏清算给定仓位，旨在同时最大化成交回报并最小化市场冲击风险；实验显示 DRL 在多类标的（大/中/小盘及 ETF）和包括 COVID、通胀/战争等压力市况下，整体超越 VWAP 与 TWAP，在收益和风险控制上均有显著改善 [page::0][page::5][page::9].
Global Inequalities in Clinical Trials Participation
基于62,654项随机对照试验和36.8M名受试者的分析，研究发现临床试验参与的不平等主要由国家层面结构性因素驱动—国家效应解释了超过90%的参与差异，而疾病特异性效应微不足道；去除单个疾病对总体不平等影响极小，而针对最错配国家的定向调整能高效减少不平等，表明需从疾病垂直资助转向跨病种的研究能力与基础设施建设 [page::0][page::5][page::16]
Forecasting the U.S. Treasury Yield Curve: A Distributionally Robust Machine Learning Approach
本论文提出一种分布鲁棒的集成预测框架，将滚动窗口的因子增强 Dynamic Nelson–Siegel（FADNS）模型与高维非参数随机森林结合，通过自适应加权与DRO（对尾部风险的ES惩罚与岭正则化协方差）来最小化最坏情形下的预报损失，从而在政策不确定性与市场压力下提供更稳健的国债收益率曲线预测[page::0][page::14]. 实证以2006–2025月度数据跨期限多步预测为样本，发现自适应组合在短期占优、随机森林在中长期占优，且分布鲁棒加权在极端事件（如2020年COVID冲击与2022年紧缩周期）期间显著平滑预报误差与权重动态[page::0][page::16].
Forecasting Equity Correlations with Hybrid Transformer Graph Neural Network
本文提出一种 Temporal‑Heterogeneous GNN（Transformer 作为时序编码器 + edge‑aware GAT 作为关系编码器），在 Fisher‑z 残差空间进行 10 日前瞻性股票间相关性预测，并将预测相关矩阵输入 SPONGEsym 聚类与 ML 过滤交易框架以构造篮子，从而在 2019–2024 的离线测试中显著提升相关性预测精度与策略风险调整收益表现 [page::0][page::8][page::15].
