本报告通过11-20金钱请求游戏评估大型语言模型(LLMs)的战略推理深度，揭示几乎所有先进LLM未能复制人类行为分布，表现出显著的行为不稳定性和与人类认知本质的根本差异。多种提升方法（提示工程、检索增强生成、微调）均未能显著提高LLM的人类相似度，强调了提示脆弱性、模型记忆依赖及LLM理性缺失等局限，呼吁研究者谨慎使用LLM作为人类行为代理或模拟工具 [page::0][page::1][page::3][page::4][page::5][page::9][page::10][page::12][page::13]
本报告通过分析FIDE大瑞士赛三届赛事数据，实证检验了瑞士制比赛中拥有额外白棋局的选手享有显著优势，得分和发挥均优于预期，尤其对顶尖选手影响更显著。研究强调奇数轮次瑞士制因额外白棋分配不均带来公平性问题，建议采用偶数轮次及改进配对机制以平衡颜色分配，保障比赛公平性。[page::0][page::1][page::4][page::6][page::9][page::10][page::11]
本报告基于对4293名2024年美国注册选民的两轮实验证明，利用大语言模型（LLM）生成的预先辟谣文章有效减少了公众对选举谣言的信任，且效果可持续一周以上，同时提升了公众对选举诚信的信心。该LLM辅助的预辟谣方法在跨党派人群中均有效，展现了其规模化应对选举虚假信息的潜力，有助于维护民主选举制度的稳定性和公信力 [page::0][page::1][page::3][page::5][page::8]
本报告基于三年多链Uniswap v3数据，系统分析了交易费、币价波动、Gas费、交易回报及市场对手流量分布等因素对去中心化交易所流动性及市场深度的影响。报告创新性地提出了v2反事实价差指标以分解总市值锁定(TVL)和资金集中度对流动性的贡献。同时，探讨了竞争DEX市场份额和私有流动性内部化对池内流动性的不同作用机制，为DEX设计与LP策略优化提供实证支持。[page::0][page::1][page::4][page::8][page::11][page::12]
本报告研究利用小型神经语言模型，基于美国标普500公司10-K年报文本生成长周期股票买入信号，实现了6至9个月后股价涨跌方向预测，买入信号F1分数最高达0.62，较随机模型提升4.8%-9%。卖出信号表现较差，原因可能包括样本不平衡及管理层文本正面偏向。不同经济行业的文本表现出不同预测能力，表明行业报告风格与价格预测存在相关性[page::0][page::5][page::6][page::7][page::9]。
本报告提出了一种基于波形变换与去噪扩散概率模型（DDPM）的合成金融时间序列生成方法。该方法将多维时间序列转换为彩色图像，利用DDPM优秀的图像生成能力，能够同时生成价格、买卖价差和交易量三类相关时间序列。实验结果表明，该方法有效复现了金融时间序列的典型特征（刻板事实），如厚尾分布、波动率聚类、自相关性缓慢衰减、日内季节性及时间序列间的交叉相关结构，明显优于传统的GAN和VAE模型[page::0][page::1][page::4][page::6][page::7][page::10]。
本报告提出了一个融合S型效用和准双指数折现的无限期连续时间周期性投资组合选择模型，系统刻画了预承诺、天真和理性代理人在面临时间不一致性情况下的最优策略结构。研究发现，准双指数折现导致的现时偏好对不同类型代理人的风险承担行为影响显著，其中理性代理人往往在市场不利情况下采取过度杠杆化策略，表现出更强的负偏态风险承担特征，丰富了现时偏好对投资行为影响的理论及实证理解 [page::0][page::1][page::5][page::9][page::16][page::17][page::19][page::21][page::23][page::24]
本报告提出了一个基于代理的最简钱币创造模型，结合准备金率、流动性覆盖率（LCR）和杠杆率等监管约束，解释了过剩流动性、长期回购协议（evergreen repo）及抵押品重复使用出现的机制。模型反映了银行通过抵押贷款生成货币以吸收支付冲击，产出更高密度且稳健的交易网络，并具备核心-边缘结构。模拟结果适应于金融系统压力测试与货币政策设计 [page::0][page::8][page::9][page::14][page::15]
本报告首次将互惠基金组合预测任务定义为下一新篮推荐（Next Novel Basket Recommendation，NNBR）问题，构建了基于SEC公开数据的综合基准数据集。对比多种推荐系统模型发现，传统NBR模型在预测整个或重复组合项时表现良好，但在预测新增持仓（新篮）时效果显著下降，且简单启发式方法反而表现优异。自编码器类模型在新篮预测中表现最佳，揭示预测新增基金持仓的复杂性及领域特征重要性，为进一步研究金融组合预测提供基础[page::0][page::1][page::6][page::7]。
本报告提出基于奇异核函数的广义相关系数（GCC），特别聚焦Kendall秩相关系数及其推广，在数据样本数量较少时更准确估计资产相关矩阵的特征值和特征向量。通过合成和真实金融数据的实证分析，发现该方法能够有效抑制相关矩阵的奇异性，提高投资组合的风险控制效果，并在不同区域和策略下，Kendall相关系数结合等距交叉验证协方差法表现出优异的超额样本风险表现 [page::0][page::5][page::6][page::11][page::12]。
本报告提出利用EXAMM神经进化算法针对30家道琼斯工业公司单独演化递归神经网络(RNN)，以预测股票收益并结合简单多空策略，实现2022年熊市及2023年牛市期间的投资组合交易回报超越大盘表现，表明该方法有效提升时间序列财务预测和投资决策能力[page::0][page::5][page::6]。
本报告基于日本私营高技能职工在线求职平台BizReach 2014-2024年的专有数据，运用非参数方法估计匹配函数，发现私营平台匹配效率较高且波动更大，匹配弹性在用户和职位间较为平衡，远高于公共平台Hello Work，且存在显著行业异质性。这为理解私营在线平台在劳动力市场重配置中的作用提供了新实证视角 [page::0][page::1][page::9][page::10][page::12]。
本报告提出基于动态图结构的时序图注意力网络（Temporal GAT）模型，通过结合图卷积网络和图注意力机制，结合波动率溢出指数，构建全球股票市场异构有向图，实现对市场波动聚类的高精度预测。实证显示，该方法较传统GARCH模型及多层感知机模型，在短中期预测表现更优，且具备良好的稳健性和参数敏感性分析结果，为风险管理与投资决策提供了创新的量化工具与理论支持[page::0][page::2][page::23]
本报告提出一种基于保序预测(conformal prediction)的投资组合选择框架CPPS，通过构建未来组合收益的预测区间，结合AR模型和神经网络等多种预测方法，实现对收益不确定性的有效量化。本文设计了高收益低风险(HR–LR)组合策略，在实际美日股市数据上进行实证，验证了该方法在控制风险的同时提升累计收益的优越性，展现了利用预测区间构造稳健投资组合的潜力 [page::0][page::4][page::9][page::10][page::11]。
本报告基于欧洲央行MMSR数据库分析了欧元区47家主要银行的有担保和无担保货币市场交易，重点揭示了在LCR监管实施后，长期通知期“常青”（evergreen）回购协议交易量暴增，测量了符合文献的抵押品再利用率，并首次发现有担保市场较无担保市场呈现更高的网络密度及更对称的交易关系，显著提升了欧元区银行间市场的结构理解 [page::0][page::1][page::2][page::3]。
本文研究了含有信息流存在时滞的非对称信息交易者的最优投资组合问题，利用Russo-Vallois前向随机积分和白噪声方法，明确计算了包括Black-Scholes-Merton、Heston、Vasicek等模型下的最优策略。结果显示，若仅股票信息流存在时滞，未来信息的价值始终超过时滞带来的负面影响；而若两个信息流均滞后，则未来信息价值与时滞量竞争，最优收益依赖参数，提出了“信息的时间价值”新概念，实现了信息价值的时间量化 [page::0][page::13][page::24].
本报告基于战后德国的生命历程数据，首次量化分析战争丧偶妇女的经济影响。研究发现，战争丧偶使妇女在二战后立即增加就业，但中晚年劳动参与率下降，体现了“工作与育儿双重负担”的生命周期效应。赔偿政策设计的变化是导致该非直观规律的关键因素，此外，丧偶对子女教育和就业的代际溢出有限，显示社会支持和政策在弱势群体经济轨迹中的重要作用 [page::0][page::1][page::2][page::16][page::18].
本报告基于比特币期权和实际收益数据，通过非参数定价核方法分析比特币市场的风险溢价特性。研究发现，比特币定价核呈W形，在负收益区间陡峭；比特币风险溢价由正负收益共同驱动，且波动率状态显著影响溢价结构，低波动率下投资者更关注方差风险和下行风险，风险溢价较高。首次提出基于风险中性密度序列的聚类方法，识别出高波动和低波动两种市场状态，揭示比特币风险溢价的动态演变规律，显著优于传统资产的风险溢价表现 [page::0][page::3][page::4][page::12][page::23][page::25].
本报告提出基于多变量稳定分布的风险聚合与资本分配模型，有效捕捉保险和金融行业重尾风险及系统性风险。通过广义中心极限定理（GCLT）实现业务线总损失的稳定分布近似，进而给出尾部条件期望（TCE）下的风险资本及其线性分配公式，利用Fox H函数高效计算稳定分布的风险量度，提升风险管理和资本定价的准确性[page::0][page::5][page::11][page::12][page::18]。
