本报告基于美国大型器官采购组织数据，研究社会学习对死亡捐赠肺脏分配的影响。发现患者依序接收分配顺序信息后，出现“羊群效应”，导致高序号患者更倾向拒绝肺脏，从而造成器官浪费。通过结构模型估计与反事实实验，揭示“贪婪优先”策略虽加剧社会学习，但提升配对速度与患者效用，而隐藏序号信息能提升分配率却降低接受者效用。结果提示信息透明度与优先政策存在取舍，为优化器官分配提供政策依据 [page::1][page::3][page::5][page::6][page::29][page::35].
本报告融合了债务计价关键因素（如恢复率、信用质量、期限结构及利率反馈）于系统性风险评估框架，显著提升美国金融系统稳定性分析的精准度。通过引入动态债务估值方法及利率与银行信誉的反馈机制，有效揭示了传统模型难以检测的级联破产风险，强调了共同暴露于利率风险下的系统性崩溃可能性，为监管机构及金融机构提供了风险预测和危机防范的新工具 [page::0][page::1][page::3][page::4][page::6][page::7][page::8][page::9][page::10][page::11]
本报告基于英国家庭纵向调查数据，利用创新的双阶段个体合成控制法，首次提供了非正式照护对收入造成的因果影响的稳健估计。研究揭示，高强度照护者月均收入较非照护对照组低约45%，且性别、族裔和年龄存在显著差异，年轻及女性照护者遭受更大经济惩罚，照护导致收入损失持续数年并影响家庭整体经济状况，呼吁政策制定者关注照护者经济负担并优化支持措施 [page::0][page::1][page::3][page::13][page::15][page::24]
本报告深入探讨了无限期望风险下风险共享的非直观影响，揭示了所谓“非分散陷阱”现象，证明广泛的重尾分布族（如超柯西分布）均满足该特性。报告还结合可能为无限大值的致命风险提供直观解释，并指出多个开放问题与猜想，为极端风险的风险共享理论提供了全新视角和方法论支持 [page::0][page::1][page::7][page::11].
本报告提出将深度对冲框架应用于Bermudan swaption，以克服传统套利自由方法在现实市场中存在的假设局限。采用Swap Market Bergomi模型生成无套利市场情景，结合深度神经网络对冲策略及递归训练早期行使决策，构建稳健的对冲模型。引入“期权价差对冲”策略，有效控制残余盈亏的下行风险，提高头寸风险管理水平。数值实验证明该方法在不同置信水平下提高了风险管理的灵活性和稳健性，显著降低了对冲组合的波动性及极端损失概率 [page::0][page::1][page::6][page::8][page::9][page::11][page::12].
本文提出了一种基于深度学习的动态资产配置方法，通过使用人工神经网络（ANN）直接最大化经验效用函数，避免了解析求解Hamilton-Jacobi-Bellman方程的复杂性。该方法分别在几何布朗运动和Heston随机波动率模型下进行了验证，结果显示ANN策略在投资组合权重和预期效用上均与理论最优策略高度一致，且计算效率显著提升。该框架灵活且可推广至多资产、多样市场动态，助力现代资产管理实践 [page::1][page::5][page::8][page::10][page::12].
本报告提出了自然资源资产负债表（NRBS）的会计框架，旨在通过自然资源资产和负债的核算，强化政府对自然资源管理的监管责任。以中国陕西省为案例，展示了利用现有数据和金融方法编制NRBS的可行性。资产负债表揭示了资源管理面临的威胁及政策启示，尤其强调资源过度开发、环境污染与生态退化三大负债构成，对政府官员的责任进行厘定，并通过产权制度加强监督力度，推动自然资源的可持续利用 [page::0][page::1][page::6][page::12][page::14][page::18][page::20]。
本报告提出了一种新型系统性风险度量方法——脆弱性条件风险度量（Vulnerability Conditional risk measures），结合数学性质和贡献指标，系统阐述了其理论基础与应用。通过动态DCC-Copula模型，在加密货币市场实证分析中验证了VCoVaR和VCoES在捕捉尾部风险和风险溢出效应方面的优越性，并设计了对应的回测方法以支持其实用性。研究发现，VCoES比VCoVaR对极端市场压力更敏感，且对五大主流加密货币的风险溢出表现有显著差异，其中XRP受中心化控制的风险更突出，BTC的系统性风险地位尤为显著 [page::0][page::6][page::13][page::14][page::15][page::16][page::17][page::18]
本报告研究了两重尾随机变量和的尾部分布渐近行为，依赖结构通过满足尾阶性质的copula建模。基于该结构，文中给出二阶渐近展开，尤其针对极值风险度量如VaR，结合独立与极值copula示例验证结果的准确性[page::0][page::1][page::4][page::7][page::8][page::12][page::15]
本报告研究秘鲁矿业大宗商品繁荣期（2004-2011）资源租金如何因地方法治能力差异而对经济发展产生异质性影响。通过三重差分策略和地质数据工具变量方法，发现资源繁荣带来的财政盈余仅在高州政府税收能力地区转化为居民收入增长和基础设施投资。同时，低能力地区的资源盈余未能带来发展反而引发社会动荡，形成“地方资源诅咒”。这些结果凸显资源丰富地区必须提升地方政府治理能力以实现资源红利转化并促进结构性转型和市场整合 [page::0][page::3][page::18][page::21][page::27][page::28][page::36][page::40].
本报告针对负指数效用最大化者提出了多变量拉普拉斯分布下资产配置的解析解，揭示了解决方案相较以往的多元正态分布假设的重要差异，尤其体现了问题维度对持仓函数的影响。同时验证了此前作者提出的资产配置猜想的合理性，但指出了具体细节上的偏差，并通过关键函数图形展示了不同资产组合规模下持仓策略对极端alpha的调整机制，为量化资产配置方法提供了理论支持和实际启示 [page::0][page::1][page::2][page::4][page::5][page::6][page::7]
本报告提出了FinVision，一种基于多模态大语言模型（LLM）的多智能体股票交易预测框架，融合新闻摘要、技术图表分析和历史交易反思模块，实现了交易决策的细粒度风险管理和动态仓位控制。框架经过三大科技股九个月实证验证，相较传统规则策略和强化学习模型表现更优，同时通过消融实验验证反思模块对整体性能的显著提升，展示了多模态多智能体系统在金融领域的应用潜力与风险管控优势[page::0][page::1][page::4][page::5]。
本文提出并探讨了一个简化的“各向同性”协方差模型，假设股票收益率间的相关系数相等。通过该模型分析了资产组合的有效自由度限制、收益分布的非正态性及不可多样化的特质风险。实证检验基于标普500指数成员收益数据，验证了此各向同性模型优于传统线性因子模型的拟合效果，显示残余风险无法被完全消除，认为选股仍具价值。同时，研究了这种结构下的均值-方差最优化投资组合表现及跨椭圆对称分布的负指数效用最大化策略，为资产配置提供新的理论视角与实证依据 [page::0][page::6][page::9][page::12][page::16][page::17].
本文通过分析1967年至2023年美国收入数据，提出偏移逆伽玛分布作为一种简洁且有效的收入分布模型。该模型包含形状、尺度和位置三个参数，但参数间存在线性相关关系，进而实现参数维度的简化，构建出一维的常数偏移比例逆伽玛模型。该模型不仅精确拟合了全收入分布的形态（包括负收入部分），还能解释收入不平等变化趋势及其时间依赖性，体现了收入分布的核心结构，为理解收入动态提供理论基础。[page::0][page::1][page::6][page::8][page::11][page::15]
本报告介绍了FinRobot，一款基于多智能体Chain of Thought机制的AI股票研究工具。FinRobot结合定量与定性分析，实现人类分析师般的深度推理，包含动态数据管道和行业适配的估值指标，显著提升报告的准确性、逻辑性及叙事性。以Waste Management为实证样本，FinRobot生成的报告在盈利预测、风险评估和竞争对比上表现优秀，验证了其在自动化卖方研究领域的领先价值 [page::0][page::1][page::6][page::8][page::9]
本文提出多资产收益风险度量（MARRMs），扩展了近期引入的收益风险度量（RRMs），允许通过多个可用资产进行风险管理，实现乘法风险分摊。理论上证明了MARRM的凸性与准凸性的等价性，并给出避免相对可接受套利的市场和接受集合条件。通过将MARRM与多资产风险度量（MARMs）联系，获得了多种对偶表示。实证部分利用Black-Scholes市场和美国汽车保险赔付数据，比较了MARRM、RRM与MARM，发现MARRM较RRM的风险值降低6%以上，并分析了不同风险接受准则对风险度量的影响 [page::0][page::1][page::2][page::5][page::10][page::25].
本报告提出了一种基于深度神经网络的机器学习算法（MMCC算法）用于解决高维、有限时域、非齐次随机控制问题。算法具有单调性能改进、无需贝尔曼方程并擅长处理时不可分效用函数等特点。通过多种经济模型（如随机波动下的递归效用优化、多部门随机增长及气候经济集成模型）验证其高效性和优越的收敛性表现 [page::0][page::1][page::11][page::14].
本报告通过对法国代表性样本的网络实验，研究了收入转移原则（Pigou-Dalton原则）及其替代方案对公众的接受度。结果显示，标准的收入转移原则仅约38%的接受率，而体现贫困群体团结的统一转移原则接受率更高，最高达62%。基于两种社会福利函数模型（功利主义和扩展基尼），扩展基尼模型更贴合个体偏好，尤其是中位个体的偏好几乎与基尼指数一致，表明基尼指数较好反映了多数人的不平等认知。但个体差异显著，单一基尼模型难以囊括所有偏好。量化估计结果显示，扩展基尼模型对大众偏好拟合优于功利主义模型，且统一转移原则优于传统转移原则。此发现为不平等测度及相关政策评估提供了新的视角。[page::0][page::3][page::4][page::15][page::23][page::27]
本报告提出通过利用证券公司每日报告，将定性文本信息分解为关键因子并结合数值价格数据，构建多模态上下文集合，采用LLMs对关键因子进行Likert量表打分，实现在金融市场中将定性洞察量化为可预测的数值。通过自回归移动窗口构建上下文，实现动态更新，提升预测性能。实验结果显示LLMs在捕捉市场短期趋势及预测准确率方面整体优于传统时间序列模型，同时基于推理过程的得分解释增强了模型透明性，但仍存在可复现性和解释性不足的问题[page::0][page::2][page::5][page::6]。
本论文提出了一种结合向量自回归(VAR)与前馈神经网络(FNN)的混合模型，用于高频交易中订单流失衡(OFI)的预测。VAR捕捉线性依赖，FNN对残差建模非线性模式，实现对买卖方交易压力的强度评估。通过Binance的合成及真实加密货币数据回测，混合模型在预测准确度及交易信号精度上均优于单独VAR和FNN模型，提升了高频交易中市场动态理解和策略制定能力[page::0][page::1][page::6][page::10][page::11][page::12]。
