本文将经验模态分解（EMD/EEMD/CEEMDAN）应用于MSCI World日度收盘价，提取多尺度IMF并通过自然能见度、水平能见度与复现图将每个IMF转为图结构，揭示高频IMF对应高聚类短径路的小世界型图，而低频IMF生成稀疏或高密度（NVG在低频时极高密度）结构；基于这些拓扑差异，提出为不同IMF定制GNN架构（例如混合多视图或可变池化/采样策略）的建议以提高预测效果 [page::7][page::9][page::15]
本研究将经验模态分解(EMD)得到的IMFs作为可解释特征，结合MLP与LSTM进行一步预测，并用DeepSHAP量化每个IMF对预测的边际贡献，发现长期趋势（最后的IMF）在预测中贡献最大，而高频IMF噪声性强、贡献有限，从而可通过剔除部分高频分量提升指标表现 [page::0][page::10]. 本文还比较了MLP与LSTM在重要性分配上的差异：MLP更集中于末端趋势分量，LSTM由于记忆机制对多个IMF分配更均衡的重要性 [page::6][page::7].
本论文提出并验证了一套可在数据受限环境下用于“先发治理”的预测-仿真框架：通过描述性剖析、可解释机器学习（最终选用线性回归，Test R²≈95.9%）识别可调节政策杠杆，并对干预情景（如设备普及、数字技能）进行静态模拟以预测对数字金融素养（DFL）的提升。实证基于UNCDF太平洋10,108份样本，结论包括“Digital‑First”优先序（以设备+基础技能捆绑可带来约5.5%点DFL提升）以及精确化目标人群（如年轻女性看护者为高杠杆受益群体），同时识别“无响应者”以防资金浪费，从而为资源受限政府提供可解释、可操作的决策支持工具 [page::0][page::10][page::14][page::15]
本论文使用拓扑数据分析（TDA）与持久同调（PH），以加权行程时间构建Vietoris–Rips滤子，比较包含与剔除Planned Parenthood诊所两种情景下加州联邦合格卫生中心(FQHC)与PPHC的可及性，结果显示剔除PPHC后总体连通时间与平均旅行时间上升，部分地区出现更长期（数小时到十余小时）资源覆盖缺口；统计检验（Mann–Whitney与Brunner–Munzel）表明旅行时间差异在95%置信水平显著[page::0][page::8][page::9]
本文研究LLM驱动的多智能体在具有网络效应的重复决策博弈中的行为，发现：无历史信息时代理无法收敛到理论均衡；有序的历史（上升/下降价格序列）可在弱网络效应下部分恢复均衡，但强网络效应会导致持续的“AI 乐观”（agents高估参与），且随机化历史会完全破坏收敛性，表明历史的组织方式本身成为影响机器博弈结果的关键变量 [page::0][page::6]
本文指出生成式与具代理性的AI正以超过现有治理速度的方式进入金融体系，传统一次性、静态的模型风险管理（MRM）无法应对持续学习、代理交互与涌现行为等新风险，提出分层、模块化的“监管块”框架（自我监管、公司级治理、监管机构托管与独立审计）以实现实时可观测性、可控性与适应性，示例性地展示了对多代理交易中出现的“诱骗(spoofing)”行为的遏制与修复路径 [page::0].
本文在一个带劳动市场摩擦的New‑Keynesian框架中，将公共部门对基本面发布的“噪声信号”与私人部门的信息不对称结合，证明：在满足Taylor原则时均衡唯一且E‑稳定，但信息透明与货币政策反应的相互作用可能产生“透明悖论”，使公开的利好新闻在一般均衡下反而提高预期解雇强度；在Taylor原则被违背时存在信念驱动（sunspot）均衡且不可学（non‑learnable）。论文用Kalman滤波与SMM在2004Q1–2025Q2意大利数据上做了验证，发现调查性不安全感更贴近具有信息不对称的情形。[page::2][page::15][page::35]
本文将经典的半马尔可夫残疾保险模型扩展到含个人与集体健康索赔的情形，并采用均场（mean-field）近似将原本维度随参保人数呈指数增长的多体问题归约为非线性的一体问题，从而得到一组低维非线性前向积分-微分方程用于定价与备偿估计；数值模拟表明均场近似在实践中与朴素蒙特卡洛相比表现稳健且更具计算可行性 [page::0][page::21].
本研究结合公司级（Marklines）与国家级（BACI）产品空间方法，提出 EV-Complexity Potential（EVCP）与基于网络的接近性/接近中心度指标，用以量化各国/企业向 EV 相关零部件多元化的潜力与去风险空间；实证回归（2012→2022/23）显示接近中心度对 EV 比赛优势出现具有显著预测力（例如接近度每增一倍标准差，EV 优势出现概率大幅提升），并发现欧盟若获得车辆与铝制品新比较优势，将分别在未来十年带来约 5 倍与 4.6 倍的 EV 相关新优势，而中国因既有高度多元化相对增益较小；同时结合 HHI 评估进口集中度以衡量去风险机会 [page::0][page::15][page::17]
本研究在真实、具有竞争性的大学餐饮环境中开展大规模随机对照场景实验，比较素食折扣（-2.5 CHF）、肉类加价（+2.5 CHF）与组合定价（-1.2/+1.2 CHF）三种方案在餐品选择、单位餐碳排放及食堂经济绩效上的影响。结果显示：单纯折扣未显著改变素食选择或单位CO2e（亦降低营收），肉类加价显著提高素食占比并降低单位排放但导致顾客流失并在非实验食堂产生反向溢出抵消环境效益，而组合方案在显著降低单位排放的同时未引起销售或营收的显著下降，因而在环境与经济之间实现更好平衡，为机构和政策设计提供了可操作的定价策略证据 [page::0]
This dissertation uses Company C (a global leader in power batteries) as a case study to demonstrate how deep ESG integration — via stronger governance, R&D investment, carbon management and battery recycling — creates measurable non-financial and financial value (higher market share, brand premium, improved ROE and asset growth). The paper identifies four impact paths (product quality & safety, reputation, new markets via recycling and overseas compliance, and financing relief) and provides empirical/statistical evidence across disclosure, recalls, R&D, and financial metrics to support the positive ESG→performance link [page::1][page::125].
本文提出一个可解释的假设驱动交易与严格滚动（walk-forward）验证框架，防止过拟合与前视偏差，并保持每笔交易由自然语言表述的可审计假设来源。以五类市场微观结构假设在100只美股（2015–2024）上测试，结果为年化0.55%、Sharpe 0.33、最大回撤-2.76%、β=0.058，但总体统计上不显著（p=0.34），且表现强烈依赖市场波动率：高波动期显著优于低波动期，表明日频OHLCV微观信号仅在信息到达与交易活动较高时才有效 [page::0].
本研究利用滚动相关、Chow结构性突变检验与DCC-GARCH模型，发现2024年1月比特币现货ETF获批后，比特币与标普500的相关性显著上升，显示其正从“独立避险”向与股票同向移动的风险资产转变；与黄金的相关性保持低位，而与美元指数则持续为负，表明ETF使比特币在机构配置中更加金融化并加剧了系统性风险传导 [page::6][page::4]
We propose EXFormer, a Transformer-based model that integrates multi-scale trend-aware self-attention, multi-branch convolutions and a dynamic variable selector to forecast 1-day-ahead FX returns and provide pre-hoc interpretability; EXFormer outperforms random walk and multiple deep-learning/econometric baselines in MSFE and directional accuracy, and its signals produce economically meaningful backtest profits (e.g., cumulative returns ~18–26% and Sharpe >1.8 in frictionless tests; positive net returns remain after conservative transaction costs) while the dynamic selector reveals time-varying drivers such as commodity indices and long-term yields [page::0].
本研究整合问卷（51名年轻女性）与两套公开/合成数据集，利用PCA+KMeans在社媒行为上识别出两类用户（低交互与高网络构建者），并在毕业生数据上训练多种分类器用于创业预测，Logistic Regression表现最佳（测试准确率约84.6%）。调查显示仅14%参与创业，YouTube与WhatsApp为最常用平台（分别约66.7%与62.7%），主要障碍为线上骚扰、数字素养不足与文化限制，且52.9%不知政府扶持项目但有52%愿意将来通过社媒售卖产品，表明在技能、安全与政策宣传上有显著的政策干预空间 [page::0][page::8][page::10][page::5]
本文系统回顾并构建了面向经济时间序列的XAI方法分类，涵盖传播型（Integrated Gradients、LRP）、扰动型（SHAP、LIME）、函数型（ALE）及其时间序列适配（Vector SHAP、WindowSHAP）和因果化改进（Causal SHAP），并讨论了在nowcasting、政策模拟与结构性突变检测中的实用性与不确定性度量，为将黑箱预测转向“决策级”可解释分析提供方法论指引 [page::0][page::8]
本文提出一个面向SPX/SPY期权风险动态对冲的强化学习（GAE actor–critic）框架，构建无泄漏环境、成本感知奖励与真实执行约束，并在2005–2023历史面板上进行训练与确定性回放验证；结果显示学到的覆盖策略在合理交易成本与再平衡节奏下能提供正的风险调整收益率、受控换手率与较小回撤，且在50/50与长期SPY混合时改善组合均值-方差特性 [page::0][page::5][page::6].
本论文将动态贝叶斯网络（DBN）方法扩展用于直接估计10天97.5% 的期望损失（ES）与应激期ES（SES），以S&P 500作为交易台代理，比较了三种DBN结构学习算法与若干传统风险模型（ARCH/GARCH/EGARCH/RiskMetrics/历史模拟/Delta-normal），并在1991–2020年的7,286个滚动样本上进行回测与误差评估。主要发现：所有模型在统计回测上均未能在97.5%显著性水平下通过（反映极端尾部建模困难）；在ES预测中EGARCH（正态）表现最佳，在SES中GARCH（正态）最优；当改用偏斜Student’s t分布时，基于分布的模型整体表现显著恶化；DBN相当于历史模拟，但其在尾部预测上的作用受限于只占返回分布中一日向前的较小权重，建议未来研究探索增加DBN前瞻预测权重的加权方案以增强尾部预测能力 [page::0][page::21]
本文提出并检验了一个扩展的 Monti–Klein 银行定价框架，强调银行对通胀主观密度的第二、第三矩（不确定性与偏态）如何通过提高贷款利率与加剧信贷配给影响实体部门。利用法国 AnaCredit 贷款微观数据与六成分有限混合 GLM，证据表明归一化通胀不确定性（NIU）和密度偏态（ASI）都会将贷款利率分布向右移动并增强正偏态——从样本第25百分位到第75百分位的 NIU 提升大约带来 14 个基点的平均利率上升（向右尾部可达 16bp），对应约 5 亿欧元年化额外利息成本 [page::0][page::12][page::25].
本文提出一种将统计型随机波动率(SV)模型与LSTM神经网络结合的混合框架，用以对S&P500的21日滚动历史波动率进行日度(t+1)预测，研究显示混合模型在MSE/MAE/MAPE等指标上均优于单独的SV或LSTM模型，并通过滚动窗口、统计检验（Wilcoxon与Diebold–Mariano）与VIX期货投资模拟验证了其实用性与稳健性 [page::0][page::16][page::18]
