【银河地产胡孝宇】行业动态 2025.5丨销售面积单月环比修复,累计投资依然承压
2025年前5月房地产销售面积和销售金额同比持续下降,但5月单月环比均实现双位数增长,显示销售环比改善。房地产开发投资及新开工面积虽同比承压,但5月单月环比均增长,反映开工环节有所修复。房企资金到位方面,国内贷款累计同比下降,资金面仍有压力。政策支撑下,房地产市场有望逐步回稳,头部房企市占率或提升 [page::0][page::1].
2025年前5月房地产销售面积和销售金额同比持续下降,但5月单月环比均实现双位数增长,显示销售环比改善。房地产开发投资及新开工面积虽同比承压,但5月单月环比均增长,反映开工环节有所修复。房企资金到位方面,国内贷款累计同比下降,资金面仍有压力。政策支撑下,房地产市场有望逐步回稳,头部房企市占率或提升 [page::0][page::1].
本报告聚焦核电人形机器人产业发展,详述其技术特性、产业链全景及重点企业布局,强调政策支持与技术攻坚推动行业加速发展,指出成本和技术挑战,展望核电领域智能化机遇。同时涵盖消费、汽车及非银板块近期市场动态与投资建议,为投资决策提供全方位参考。[page::0][page::1]
报告基于基金净值走势匹配隐性基准,发现隐性基准相比合同基准跟踪误差更低。构建隐性风险模型剥离基金显性与隐性风险,改进传统选基因子,显著提升RankICIR和胜率。隐性风险调整综合选基因子达到较高稳定性和预测能力,构建风险控制FOF组合,年化超额收益达8.86%,表现稳健。[page::1][page::2][page::10][page::18][page::24]
本论文基于德国2030年情景,利用开放源码的容量扩展模型,比较集中容量市场与先进可靠性备用容量机制对需求侧灵活性投资的影响。结果显示,容量市场抑制高峰价格,限制灵活性投资,而先进的可靠性备用机制激励显著更高的灵活性技术投资,同时保持相似的供电安全和总体成本,表明其在保障电力市场安全同时促进灵活性发展的潜力,为未来政策设计提供重要参考 [page::0][page::5][page::12][page::14][page::22]。
本文系统比较了六种期权定价模型在加密货币期货期权上的表现,涵盖BTC与ETH。研究发现,传统Black–Scholes模型误差最大,难以适应高波动性市场。相比之下,引入跳跃及随机波动率的Kou与Bates模型价格误差显著降低,尤其Kou模型对BTC期权最优,Bates模型对ETH期权表现最佳。结果强调了跳跃扩散与随机波动率在捕捉加密市场价格动态中的核心作用,为衍生品定价提供更精准方法 [page::0][page::1][page::19][page::20]
本论文提出了一种纯变分量子电路(VQC)方法,用于求解可表示为后向随机微分方程(BSDE)的高维抛物型偏微分方程。该量子BSDE求解器通过时间离散和蒙特卡洛模拟,利用模型驱动的强化学习框架实现路径逐点近似。与传统的深度神经网络(DNN)方法相比,VQC方法在两个典型问题——Black–Scholes方程和非线性Hamilton–Jacobi–Bellman方程的测试中表现出更低的方差和更好的稳定性,尤其是在高度非线性及虚值期权定价场景下更为显著。该研究展示了VQC作为可扩展且稳定的高维随机控制问题求解器的潜力[page::0][page::3][page::4][page::5]。
本文基于随机控制模型,研究能源市场中单一及双企业在排放监管下的最优激励策略。结果显示,监管激励显著推动了清洁技术投资,并揭示了企业间竞争对减排的影响机制,为能源低碳转型政策设计提供理论支持 [page::0][page::4][page::6][page::8].
本研究提出了一种针对英国食品系统公共讨论的数值化分析方法,结合多次研讨会收集的公众责任认知评分,通过多变量有序Logit模型量化不同利益相关者责任感的变化及其与人口统计学因素的关联,同时创新性地建模了意见变化的回归效应,揭示公众观点在研讨会后的减弱趋势及异质性,结果有助于补充定性分析并指导食品政策制定 [page::0][page::1][page::4][page::8][page::12]。
本研究基于2001-2024年美国MSA季度面板数据,利用两阶段最小二乘和shift-share工具变量策略,探讨疫情前后菲利普斯曲线结构斜率(“骨架”)的稳定性及其基于劳动市场紧张度的非线性状态依赖(“形状”)。结果发现疫情前菲利普斯曲线斜率稳定,疫情期间曲线未表现出明显线性结构变动,但在紧缩劳动市场状态下,曲线存在显著陡峭化趋势,支持基于Benigno和Eggertsson(2023)的非线性模型假设,表明近期通胀激增主要源于劳动力市场高紧张度激活的非线性效应,而非结构性曲线参数永久变化 [page::0][page::2][page::4][page::8][page::12][page::14][page::15].
本论文系统梳理了当前应用于道路设计的生命周期评估(LCA)工具,重点分析其线性假设的局限性。通过案例研究发现道路面积与碳排放显著正相关,坡度调整能有效减少排放,不同土壤类型对排放影响显著,揭示LCA工具在实际道路设计中未能充分纳入非线性关系,强调了未来工具需整合设计过程实现迭代优化以推动道路减碳设计 [page::0][page::1][page::8][page::9].
本研究基于大规模移动追踪数据,实证证明高社会经济地位(SES)与品牌和价格层次消费多样性正相关。该关系在不同产业及纽约州和德州均显著成立,且非地理因素所能完全解释,反映深层社会文化区隔。[page::0][page::2][page::6][page::7][page::8][page::10][page::11][page::12]
本报告提出了一个基于“变化理论”(theory of change)的评价框架,旨在系统评估人工智能(AI)标准对促进创新和建立公众信任的影响。通过具体的实体解析用例,报告阐述了评价AI标准的输入、活动、产出、效果和最终目标,并强调了构建反事实对照组的重要性,以实现因果推断。本报告还讨论了利益相关方参与、评价方法选择及持续改进,促进AI标准更有效的制定与应用[page::3][page::10][page::17][page::25][page::28][page::31]
本研究首次系统评估大型语言模型(LLMs)在金融和会计任务中的输出一致性和可复现性。通过对GPT-3.5-turbo、GPT-4o-mini和GPT-4o三种模型,执行了五项常见任务(分类、情感分析、摘要、文本生成和预测)的50次独立运行,生成超过340万条输出,覆盖多类金融文本。结果显示,二元分类和情感分析一致性极高,复杂任务则波动更大,且模型升级并不总带来一致性提升。聚合3-5次运行输出可显著提高一致性和部分任务准确率。下游统计推断表现稳健,显著缓解了“G-hacking”(多次运行挑选有利结果)的担忧,为金融和会计领域LLM应用的可靠性提供了权威支持[page::0][page::1][page::2][page::3][page::4][page::5][page::15][page::21][page::22]
本报告介绍了三种结合投票与讨论的算法方法:基于偏好聚类的讨论分组(PCD),增强的“等额份额法”(Human-in-the-loop MES),以及ReadTheRoom讨论法。这些方法通过瑞士Kultur Komitee 2024和台湾vTaiwan两个案例实证,提升了大规模民主决策中公平性、包容性及参与感,促进了在线投票与面对面讨论的有效融合。结果表明,异质组讨论与投票结果高度相关且倾向选择更昂贵项目,MES平衡预算分配并提高公平性,ReadTheRoom有效减少极化并提升共识构建,为未来民主创新提供了数字化实践路径[page::0][page::5][page::8][page::9].
本论文提出了一种简单高效的积分方程隐式欧拉-马鲁雅玛离散化算法(iVi方案),通过先模拟积分平方根过程并利用逆高斯分布,解决了平方根扩散过程及Heston模型的非负性及精度难题。实验表明该方案在极端参数市场环境下,以极少步数即达到高精度,特别适合金融衍生品定价与风险管理场景 [page::0][page::3][page::11][page::12]。
本文提出了一种基于热力学数学结构的宏观经济学公理化理论“热宏观经济学(Thermal Macroeconomics)”。该理论无需微观代理假设,通过定义经济熵(聚合效用)与经济温度(货币的边际效用逆)等概念,推导出宏观经济关系、价格形成、货币价值、通胀及贸易条件,并建立了类似热力学第二定律的熵不减原理,限定了经济系统状态转移的方向。报告以交换经济为基础,并通过协变性等公理证明了经济熵函数的存在与唯一性,示范了经济温度的定义及载货容量等新概念,且以柯布-道格拉斯型微观模型验证理论的一致性和可测量性。此外,报告深入分析了跨经济体贸易、套利机制、关税、价格与通胀关系、资金流动及多货币体系问题,展望了扩展至非平衡多样化经济体系的可能路径,提出该理论框架可能为宏观经济稳定性与政策制定提供新的量化工具和理解视角 [page::0][page::2][page::11][page::12][page::19][page::33][page::41][page::47][page::50]
本文针对在线市场做市问题,提出了一个将市场做市转化为重复一价拍卖和动态定价子问题的元算法(Algorithm M3),并证明在买家估值分布满足光滑性假设或市场价格和买家估值独立同分布条件下,算法的累计后悔项以$\mathcal{O}(T^{2/3})$的速度收敛。同时,构造了对应的下界,证明该速度在该条件下为最优。进一步,证明若缺乏光滑性或独立性假设,学习不可实现。报告还揭示了市场做市中的奖励-反馈之间独特的连续权衡特性,为市场做市中的在线学习提供理论基础[page::0][page::3][page::5][page::8][page::10][page::12]。
本报告利用大规模卖方分析师研究报告,结合先进的大语言模型(LLM)嵌入技术,系统评估分析师文本信息对股票收益的解释力,发现文本信息的解释度超越传统数值预测,且分析师对利润表的解读贡献最大。通过Shapley值分解解读不同主题的重要性,并采用Kadan和Manela框架量化分析师信息的经济价值,显示提前获取报告信息对投资者具有显著利润潜力,尤其在财报公告后一周内价值最高,且该信息价值随公司规模和分析师预测大胆程度提升 [page::0][page::3][page::20][page::26][page::30][page::31].
本文提出了一种基于REINFORCE的稳定强化学习算法QFR,用于挖掘可解释的公式化阿尔法因子。QFR在去除Critic网络、引入基于贪婪策略的基线降低方差,以及基于信息比率的动态奖励塑形等方面做了创新。实证结果表明,QFR在多市场实证中相较于现有方法提升了3.83%的因子与收益相关性和超额收益能力,且回测验证了算法的稳健性和优越性[page::0][page::5][page::10][page::12][page::14]。
本文提出了结合因果约束和结构信息的分布鲁棒风险评估新框架(SCOT),在理论上证明了强对偶性和样本复杂度界,并采用神经网络近似无穷维测试函数空间以优化算法可行性。数值实验中,SCOT策略在多周期投资组合选择中显著优于经典最优传输方法,特别在模型不确定性较高时表现更加合理和稳健 [page::0][page::1][page::2][page::4][page::6][page::9][page::12][page::15][page::16]。