本报告提出了一种结合双阶段分位数神经网络与三次B样条插值的股票收益率全分布预测方法，基于194个股票特征及市场变量，突破传统模型限制，准确捕捉非高斯重尾及非线性关系，显著提升了均值与方差的预测性能。方法在美国数据训练并成功推广至国际市场，实证表明中间分位数被定价，且利用插值分布计算的均值预测带来更高的超额收益，而高阶矩在资产定价中的作用不显著，为资产定价文献的相关争议提供了新视角 [page::0][page::1][page::3][page::4][page::18][page::20][page::24][page::28]。
本报告研究保险公司在市场价格风险未知情况下的最优投资-再保险问题。采用卡尔曼滤波技术将部分信息下的优化问题转化为可观测过滤问题，并通过哈密顿-雅可比-贝尔曼方程给出价值函数及最优策略的显式表达式。报告进一步分析部分信息与全信息下策略的差异及信息价值，并辅以数值实验支持结论，体现了滤波估计对投资-再保险决策的关键影响 [page::0][page::1][page::6][page::9][page::13][page::14][page::16]
本报告提出了一种创新的风险管理度量标准——集中风险指标（CRI），该指标基于Herfindahl-Hirschman指数，结合资产市值与波动率及组合权重，量化持仓集中度风险。CRI不仅适用于单一资产和资产组合，也能延伸至多链和保险产品组合，提升金融稳定性和风险管理水平。通过对2019年1月至2022年8月的加密资产数据实证，验证CRI对加密资产组合风险调整表现的有效性。报告还总结了风险管理的五大支柱指导原则，并探讨CRI未来改进空间及应用场景，为区块链投资风险管理提供了系统的量化工具和实践框架 [page::3][page::4][page::7][page::16][page::21][page::24].
本文基于扩展的全球游戏模型，研究了稳定币因大额抛售和储备质量不佳而导致的挤兑风险。模型揭示大额抛售加剧持币者的抛售压力，信息透明度对挤兑风险的影响依赖于基本面强弱，并将挤兑风险分解为大额抛售风险和抵押资产风险两部分，为稳定币设计和监管政策提供理论依据 [page::0][page::1][page::8][page::12][page::15].
本报告基于极值理论构建了一个方向性尾部依赖（Directional Tail Dependence, DTD）度量，提出了类似有效市场假说的有效尾部假说（ETH），用于描述市场极端事件下的效率表现。通过平衡正负尾的正则变差模型，量化资产回报在极端损失与收益间的不对称依赖。对中国期货市场的高频实证表明市场尾部效率在整体上成立但存在显著尾部效率违背事件，且基于发现的非效率尾部依赖构建的动态投资组合在样本外实现了正收益，体现了潜在的交易机会。这一框架为极端风险管理及交易策略设计提供了新工具与视角 [page::0][page::4][page::5][page::23][page::25][page::28][page::30]
本报告提出利用指令微调结合4-bit QLoRA量化适配技术，基于包含财务指标增长、业绩电话会议内容及外部市场指数和分析师评级的综合数据集，训练大语言模型以提升财报后股票涨跌预测的准确率。实证显示，特别是llama-3-8b-Instruct-4bit模型在准确率、加权F1和MCC上显著优于GPT-4，验证了多因素融合和模型压缩对金融预测的有效性，并探讨了未来加入“持有”选项及延长预测周期的方向。[page::0][page::1][page::3][page::4]
本报告提出了一种基于多层次随机逼近（MLSA）的自适应细化策略，有效解决价值风险（VaR）计算中的Heaviside函数不连续性问题。通过动态调整每层内部模拟样本数，算法显著降低了计算复杂度，理论证明其复杂度达$\mathrm{O}(\varepsilon^{-2}|\ln\varepsilon|^{\frac{5}{2}})$，接近多层蒙特卡洛的最优复杂度。实证研究（如欧洲期权和利率互换案例）验证了该方法相比传统MLSA在误差和计算时间上实现超过10倍的性能提升，并基本达到理论预期的二次复杂度 [page::2][page::9][page::15][page::19][page::24][page::27]
本报告基于2005-2020年欧盟碳排放交易系统的百万级交易数据，运用资产定价方法深度剖析碳交易市场的效率问题。研究发现40%的企业未参与交易，许多企业仅在交割月高价时买入，导致约50亿欧元的直接损失；另外约10%的企业利用私人信息进行过度投机交易，获利约80亿欧元。此类非理性交易行为严重制约了碳交易市场的减排目标和资源配置效率 [page::0][page::1][page::2][page::10][page::11][page::12][page::14][page::15]。
本报告首次将金融市场崩盘事件建模为一阶相变，提出内生崩盘驱动的动态相变（DPT）模型，系统分析了三类相变的预警信号，并通过2019-2024年标普500数据实证发现，波动率和异常维度在崩盘前显著变化，验证了DPT模型的优越性，较传统LPPL模型具备更强的预测能力和稳健性 [page::0][page::4][page::5][page::6].
本报告提出一种基于深度学习的再保险策略优化框架，目标函数结合终端财富的期望效用和修改后的Gerber–Shiu惩罚函数，实现终端财富最大化与破产概率最小化的权衡。通过将破产概率的非平滑指标函数替换为平滑的代理损失函数，构建了可通过经验风险最小化及随机梯度下降解决的数值模型。数值实验证明该方法在Cramér–Lundberg模型结合均值回复Ornstein–Uhlenbeck过程的风险干扰下，有效拟合了最优保留水平并形成Pareto前沿，显著优于无再保险方案，为实际保险风险管理提供新的机器学习视角与工具[page::0][page::2][page::4][page::6][page::10][page::13].
本报告利用瑞士洛桑大学法学院超过1.4万份口试成绩的自然实验数据，研究考试评分是否受考试顺序和时间安排的影响。结果显示，去除学生、教授、课程及日期固定效应后，考试顺序与评分之间不存在显著负相关，反驳了决策疲劳和“饥饿效应”的广泛适用性假设。此外，未发现文献中报道的负自相关现象，而是呈现微弱正自相关，提示决策偏差可能不像先前研究所示的普遍存在，强调基于具体场景的数据驱动验证政策建议必要性 [page::0][page::1][page::2][page::3][page::4][page::5]
本报告针对无限人口下的社会福利关系(SWRs)进行了系统性研究，提出利用强帕累托性、置换不变性及拟独立性公理构建最大社会福利关系，实现了对“效用主义”SWR的唯一最大化表征，特别在有限值空间下，该最大SWR被证明为包含所有满足相应公理SWRs的超集，突破了既有不完全序理论的限制，为解决无限人口间代际公平理论提供新视角和工具 [page::0][page::2][page::10][page::16][page::20]。
本报告聚焦金融领域中机器学习模型特征的自然群组结构，提出并理论化了群组归因方法（GShap），强调在存在群组结构时传统归因方法（如Shapley值和Integrated Gradients）可能导致不一致解释，进而系统论证包括群组仿射不变性、线性分式变换不变性及群组单调性等金融领域重要公理，并基于实际信贷评分数据验证GShap能更好地保持金融领域知识驱动的合理性，保障解释的一致性和可靠性[page::0][page::6][page::8]。
本文提出了一种基于两组异构自动编码器通过“对话”式训练实现互相正则化的新方法，显著提升金融时间序列的信噪比。该方法通过两个自编码器结合目标变量与不同上下文变量，学习对彼此编码输出的共识，挖掘数据内在规律。结合卷积自编码器和多变量宏观经济数据，实证展示了模型在股市环境变量去噪及特征识别上的优异表现，并基于去噪结果构建多种交易策略，实现了稳定的市场多空信号和优异的投资绩效表现 [page::0][page::1][page::4][page::6][page::7][page::8]
本报告提出将多通道图卷积网络（GCN）与长短期记忆网络（LSTM）相结合的创新框架，用于预测E-mini标普500和CBOE波动率指数（VX）期货的收益率、波动率及交易量。通过构造基于多种金融指标的相关网络，捕捉期货品种之间的高相关性与复杂交互关系，并在预测模型中实现信号传播，从而显著提升预测性能。研究验证了GCN-LSTM优于传统方法和纯LSTM网络，特别是在流动性较高的合约上表现最优。此外，结合经济意义的损失函数如Sharpe比率与Qlikelihood进一步增强模型实用价值[page::0][page::3][page::6][page::12][page::16].
本报告提出一种基于强化学习的加密资产组合管理模型，通过引入双向交易与借贷机制及基于盈亏的奖励函数，显著提升了模型在高风险环境下的收敛性和风险管理能力。实验结果显示，该模型在波动剧烈的加密货币市场实现了超越传统回报型RL和多种经典单期优化模型的收益与风险表现，尤其在高波动期获得了更优的收益风险比和下行风险控制效果，验证了其动态多周期资本优化的有效性 [page::0][page::8][page::14][page::15][page::17]。
本文提出“民主优惠通道”理论，指出西方强势民主国家及国际组织在制裁及军事政策上对民主国家更为优惠，导致传统文献中民主对经济增长的积极影响被高估甚至颠倒。通过控制美英等国制裁和军事关系变量，作者实证发现民主对于人均GDP增长的正面效应显著削弱甚至转负，且在冷战前时期表现尤为明显，支持民主优惠通道的存在并挑战民主制度内在机制解释[page::0][page::2][page::6][page::7][page::9][page::12]。
本报告基于德国2012-2022年劳动市场紧缩的详尽数据，采用具有创新性的leave-one-out工具变量法，实证发现劳动市场紧缩对工资存在正向弹性，介于0.004至0.011之间，解释了同期7%-19%的真实工资增长。研究还揭示了新入职、高技能工人、东德及服务业中弹性更大，且工资紧缩效应在低工资群体尤为显著，促使过去十年工资不平等有所下降[page::0][page::2][page::3][page::12][page::14][page::19][page::32][page::33]。
本报告针对多席位排序选举中选民投出部分偏好顺序（截断选票）的现实情况，提出新的公平性准则：失利选民集团独立性（ILVB）和胜利选民集团独立性（IWVB及其变体）。通过理论最坏情况下分析及苏格兰地方选举实际数据实证，发现Chamberlin-Courant规则在满足这些准则上表现最佳，而扩展批准规则表现最差，单一可转投票（STV）规则居中。这些准则反映当移除仅支持输家或赢家候选人选票时，获胜委员会的合理不变性，且与比例代表制存在一定张力。[page::0][page::2][page::4][page::8][page::12][page::16]
本文基于印度国家证券交易所Nifty期货的高频Tick数据，利用Hawkes过程建立了考虑买卖单交叉激励的订单流失衡（OFI）模型。通过参数化和非参数化核函数拟合，开发了多模型近端OFI分布预测方法，并提出了基于Superior Predictive Ability测试框架的多模型优劣比较方法。结果表明，使用指数和指数和核的Hawkes过程在模型拟合和预测性能方面表现最优，且考虑了交易间隔时间对订单流依赖结构的影响显著提升了预测质量，为高频市场做市策略中的风险管理提供了有效工具。[page::0][page::4][page::6][page::7][page::15][page::16][page::17][page::18]
