本文提出利用多元分数布朗运动（mfBm）构建波动率模型，创新性地引入各分量的赫斯特指数的异质性及其相关结构，并发展了参数估计方法及渐近性质。实证和理论均表明，当资产间赫斯特指数存在显著差异且存在非零相关性时，mfBm在实现波动率预测上优于传统单变量模型及HAR类型模型，尤其在提高预测精度方面表现突出，体现多元粗波动率建模的独特优势[page::0][page::2][page::6][page::18][page::25][page::29][page::32]。
本报告针对有限资源配置下不确定项目选择问题，提出结合快速排序算法和Bradley-Terry模型的项目偏好聚合方法。通过建立基于成对比较的胜率概率矩阵，利用Newman迭代优化项目排名，并辅以采样策略大幅减少比较次数，从而提高组合选择效率和准确性。数值模拟表明，所提方法在知识广度较大时显著优于传统的算术平均和Borda计数方法，为多主体决策与参与式预算提供有效的量化工具 [page::0][page::3][page::6][page::9][page::12]。
本报告基于真实IPCA票息利率期限结构数据，系统性量化分析了巴西闭端补充养老计划中采用债券曲线标价（HTM）对财富转移的影响，揭示曲线标价方法在计划资金进出及调仓时引发显著财富转移，导致部分参与者获益而部分受损。研究显示，无论部分或全部使用HTM均未能消除财富转移风险，而市场标价（MTM）方法有效避免了此类转移，为计划公平性提供保障。本报告并通过多场景模拟和算法实现，深入剖析HTM对计划可持续性和参与者经济利益分配的负面冲击，提出财富转移在长短期债券配置、进出频率和资产出售策略上的敏感性，指出财富转移可能导致计划财务不稳定并加剧参与者间的不公平 [page::0][page::1][page::4][page::6][page::11][page::19][page::25][page::26]
本报告提出了一种创新的集成GARCH-GRU模型，将传统GARCH(1,1)框架直接嵌入GRU单元，实现了统计特性与非线性时间依赖的统一建模。实证结果表明，该模型在多个金融指数波动率预测中优于GARCH-LSTM及其他主流基准，既提升了预测准确性（MSE、MAE显著降低），又显著提高计算效率。同时，通过VaR风险管理应用验证了模型在尾部风险估计上的可靠性，显示出在风险管理中的实际应用潜力 [page::0][page::7][page::14][page::16][page::18][page::19][page::20]
本报告提出一个基于大型语言模型（LLM）交易代理的现实模拟股票市场框架，支持多种交易策略和异质代理交互。实验证明LLM能够遵循多样化交易策略，如价值投资、动量交易和做市商行为，生成类似真实市场的价格发现、泡沫和信息反应等动态。框架通过结构化输出和系统化参数调节，实现对LLM交易行为的透明解析和高精度回测，展示其在金融理论验证和市场动态模拟中的独特优势，同时揭示潜在的相关性风险及市场稳定性挑战，为LLM在金融市场部署提供了重要工具与参考 [page::0][page::1][page::2][page::21][page::32][page::33][page::34]
本报告基于Grebenkov和Serror (2014)的理论模型，实证验证了用单一时间尺度的EMA指标捕捉CTA趋势的最优性。实证结果显示，用一个参数约为112天的EMA能达到最佳Sharpe比率，且用复杂指标组合（如MACD、多重Bollinger Bands）并未显著改善绩效，强调简单方法优于复杂信号的合理性，避免了选取信号中过拟合风险[page::0][page::3][page::11][page::12][page::14]
本报告提出一种结合非参数经验Beta Copula和参数化偏斜广义T分布的半参数动态模型，适用于捕捉资产收益的偏斜、厚尾及时变依赖结构，突破传统投资组合优化模型对分布假设的限制。通过动态滚动窗口分析美、印、港三大市场数据，模型有效反映市场动态变化和结构性变革，实现风险调整收益的显著提升，尤其在金融危机期表现优异，验证了方法在实际多元资产配置中的适用性与稳健性[page::0][page::1][page::4][page::5][page::7][page::10][page::17][page::19][page::21]。
本文采用引力模型研究2001-2013年间G7国家的跨境银行放贷行为，揭示全球金融危机前后驱动因素的变化，具体表现为危机后地理大陆因素及语言共同性对跨境信贷有更显著影响，而传统的距离变量影响减弱。此外，危机后拉动因素（除借款国规模外）对跨境银行活动的解释力下降，验证了跨境贷款行为中存在显著的“本土偏好”效应和风险规避特征 [page::0][page::11][page::18][page::20][page::25]。
本报告基于超过一年的分钟级价格数据，运用多种机器学习模型对加密货币与股票的价格时间序列进行分类，取得超过92%的准确率，显著表明两类资产反映了不同的投资者行为模式。通过提取包括均值、方差、峰值数量、自相关等多维度特征辅助分类，验证了价格模式差异的显著性，并通过随机标记实验排除模型过拟合可能，进一步提升了分类结果的可信度。结果对理解新兴资产类别与传统证券交易行为的差异提供了量化依据 [page::0][page::1][page::4][page::5][page::8][page::9][page::11]
本报告利用现代因果推断方法，针对欧盟区域结构政策中较少研究的凝聚基金（Cohesion Fund，CF）展开实证分析。研究评估了CF对区域产出与投资的因果效应，揭示该效应呈现较强的时变性和区域异质性，且主要集中于首次纳入项目后的前7年内。结果显示较贫困地区受益更显著，效率随资金占地区GVA比重的上升呈非线性递减趋势，提示政策应关注差异化配置与资金使用边际效益最大化 [page::0][page::2][page::3][page::6][page::9][page::13][page::14][page::16][page::17][page::18][page::19][page::20][page::21][page::22][page::23]
本文提出了Trading Graph Neural Network (TGNN)算法，结合模拟矩方法(SMM)与图神经网络(GNN)技术，结构化估计交易网络中资产特征、经销商特征及其关系特征对资产价格的影响。TGNN能适应任意网络结构，克服传统中心性指标的偏误，显著提升价格预测精度，并提供参数置信区间，适用于债券、场外交易及去中心化数字市场等多场景，为估计交易权力、不良持有成本及市场结构变动影响提供有效工具 [page::0][page::1][page::2][page::5][page::11][page::13][page::16][page::18][page::20][page::21].
本报告基于13个中低收入国家的个体层面调查数据，构建了适用于发展中国家的个体级别“例行任务强度指数”（RTI），发现低收入职业的例行任务强度最高，且女性的工作普遍比男性更具例行任务特征，且这一性别差异在控制职业分布、教育水平和族群后依然显著。报告指出，因女性集中在高RTI的低薪职位，未来自动化对女性和低薪工人的冲击将更大，亟须关注技术变革中的性别不平等问题 [page::1][page::7][page::10][page::14][page::21]。
本研究基于多谱平均法，结合k-means聚类算法，对印度股市49只股票的时间序列进行分析，利用谱和二谱特征捕捉非线性依赖关系，识别出五个具有显著市场和股价行为特征的股票簇，包括大型企业集团、IT行业及公共企业等。这一方法揭示了传统行业分类难以捕捉的复杂市场结构，展示了高阶谱特征在金融时间序列聚类中的应用潜力 [page::0][page::4][page::29]。
本文提出了一种高频滚动内在值交易策略，用于电池储能系统在连续电力日内市场中的交易。通过动态规划近似解决混合整数线性规划问题，大幅提升求解速度且不损失收益。基于德国2021年订单簿数据的实证分析表明，交易频率对收益影响显著，高频策略相比每小时一次重优化收益提升58%，且通过参数化滚动内在值进一步提升了8.4%的年收益。研究为高效且精准的电池储能市场交易策略提供了理论和实践基础 [page::0][page::3][page::16][page::19][page::24]。
本报告系统分析了自由现金流指数的构建方案与成分股特征，揭示了该指数在行业配置、风格暴露及估值水平上的表现差异，并通过基于自由现金流率及自由现金流因子的量化选股回测，验证了其良好的选股效果。报告还对自由现金流指数与中证红利指数进行了深度对比，发现自由现金流指数具备更高的收益率和更动态的调仓策略，适合捕捉周期性行业机会。股价调整期成分股的收益表现稳定，提示了策略实施的稳健性。量化回测显示，基于自由现金流率的多头组合年化收益超过 10%，表现优异[page::0][page::4][page::7][page::9][page::12][page::13][page::15][page::16][page::17].
本报告基于中国深证A股Level 2逐笔订单数据，系统分析了市价订单的市场表现、买卖力量及波动趋势，构建了8个市价订单相关因子并进行系统回测。结果显示市价订单占比较小但在特定时期快速上升，买单占比显著增强，反映市场买入意愿浓厚。相关因子表现独立且有效，多因子在2019-2024年间整体RankIC均值大于6%、胜率超70%，部分因子构建的股票组合实现了显著超额收益，具有实用的选股价值和策略潜力 [page::0][page::4][page::20]
本报告提出了一种结合赎回、下修及回售三大特殊条款，以及退市风险与企业信用风险的可转债定价模型。该模型通过解析奇异期权定价方法和基于资产负债率的债底信用风险贴现方法，提升了定价的精度和计算效率，实证结果显示该模型相比传统BS模型加同等级信用债YTM方法整体定价更为合理且更低。此外，基于定价偏差构造的因子在偏债层、中性层、偏股层均表现良好，自2019年以来年化收益率分别达到6.96%、27.38%和53.49%，组合夏普率最高达2.15，最大回撤显著低于基准指数，展示了模型优越的实用价值和应用潜力。[page::0][page::4][page::6][page::8][page::11][page::12]
本报告聚焦基于Level2高频因子构建ETF轮动策略，结合逐笔订单等核心数据，从个股因子映射至指数层面，应用于ETF筛选与轮动。实证显示，周频回测中主题因子组合年化收益达13.8%和15.2%，月频回测收益更优，年化收益达到16.8%和19.6%。因子多头组合在2020、2021及2024年表现优异，相关性分析显示ETF因子内部相关性高于股票，复合因子提升收益边际明显，为ETF量化策略提供新视角与方法论 [page::0][page::6][page::7][page::8][page::12][page::20][page::21]
本报告基于行为金融学中的羊群效应及领先滞后效应，构建并验证了基于股票相似度的量化因子。通过财务和市场特征五大维度刻画股票之间的相关性，采用欧几里得距离及相关性衡量方法，设计SIM、RSIM及SIM_corr因子。SIM_corr因子在月频和周频的全市场回测中，表现出较高的IC值、胜率及优异的收益风险指标，其中周频多空年化收益达47%，夏普比率3.24，且行业市值中性化处理后效果更佳。同时，拆分不同数值方向收益序列的相关系数显示信息量稳定。因子在不同股票池（沪深300、中证500、中证1000）中表现差异明显，中证1000池多头组区分度最高。研究提示相似度因子具有良好选股区分能力，为股票多因子模型提供新思路[page::0][page::8][page::11][page::16]。
