本报告提出了名为DL-opt的深度学习框架，通过结合嵌套不动点算法、自动隐式微分和最优响应动态，成功解决高维量化一般均衡贸易模型中的最优关税和产业补贴政策问题。基于7个经济体和44个行业数据的实证分析显示，不同产业的纳什均衡政策存在显著异质性，产业补贴与规模弹性正相关，而关税与贸易弹性负相关。通过对比全球贸易战与双重政策竞争，发现后者导致更低的关税及更高的福利水平。此外，全球合作政策中的关税趋近零，产业补贴显著与规模弹性相关，显著提升大多数经济体福祉，彰显考虑产业异质性和组合政策的必要性 [page::0][page::4][page::18][page::22][page::24][page::26]
本文研究了大型语言模型（LLMs）在企业信用评级预测中的表现，发现尽管LLMs在文本编码上具备优势，但传统的XGBoost模型结合基础面及宏观经济数据与高密度文本嵌入特征，在数字和多模态数据编码上表现更优，且具有更强的可解释性和稳定性，凸显了在金融多模态预测任务中传统方法的重要性和竞争力 [page::0][page::1][page::5][page::6][page::7]。
本报告针对交易价格存在序列相关性的情况，提出四类基于价格增量方差的买卖价差估计器，涵盖标准无自相关模型、分数布朗运动价格增量自相关模型、均值回复的Ornstein-Uhlenbeck微观结构噪声模型及二者结合模型，深入分析各估计器的无偏性、一致性和渐近正态性等统计性质。通过模拟与真实法国CAC 40指数数据对多个估计器进行比较，验证了新估计器对不同序列相关结构下的估计准确性优于传统方法，尤其是在低流动性的中小市值股票上[page::0][page::1][page::2][page::3][page::4][page::5][page::7][page::8][page::9][page::11][page::12][page::13][page::16][page::18][page::21][page::22][page::23]
本报告研究了在外部竞争影响下的做市商流动性提供问题，构建了一个考虑竞手库存的线性-二次最优控制模型，推导出近似闭式最优策略，并通过数值仿真和强化学习算法对比验证其有效性，揭示了做市商在管理自身库存风险与应对竞手未成交订单之间的权衡关系 [page::0][page::1][page::8][page::10].
本报告基于中国微小企业调查（CMES）数据和北大数字普惠金融指数（PKU-DFIIC），实证分析了金融科技（fintech）对微小企业（MSEs）创新的促进作用。结果显示，金融科技的发展提升了微小企业参与研发的概率及创新投入与产出，机制在于金融科技削减融资约束、促进长期战略激励及人力资本投资。此外，金融科技对经济发达地区、新成立不久及资产与员工规模较小的企业创新影响更显著。该研究为政策制定提供了实证支持，助力释放微小企业创新活力，促进经济高质量发展。[page::0][page::1][page::2][page::4][page::9][page::12][page::13][page::16]
本报告提出了基于Alfonsi和Bally方法的任意阶弱近似方案，用于Log-Heston模型，结合Ninomiya-Victoir方案或精确波动率采样方案，实现任意收敛阶数。全面证明了理论收敛阶，且通过数值实验验证，包括多因子与粗糙Heston模型，且适用范围涵盖Bates双Heston等拓展模型，显著提升金融资产波动率仿真的效率与准确度[page::0][page::1][page::2][page::4][page::6][page::14][page::24].
本报告系统分析了人工智能（AI）对金融危机的影响，指出AI可能加剧金融系统的系统性风险，导致危机速度加快且更为剧烈。文章归纳了AI引发金融脆弱性的四大渠道：误导信息、恶意使用、目标错配及寡头市场结构，并建议监管机构通过自建AI系统、AI间API接口、公私合作及自动化触发的支持设施等政策响应，增强对AI驱动危机的防范和应对能力[page::0][page::2][page::8][page::14][page::20][page::21]。
本报告介绍了离散选择模型（DCMs）中数据模拟的重要性，提出了一款基于R语言的仿真工具SDCM，用于生成模拟数据以评估DCMs性能。通过结合随机效用模型、实验设计和仿真技术，工具支持多样化的设计与参数设定，以辅助优化实验规划和模型选择。报告还讨论了仿真的局限及未来集成随机遗憾最小化模型的方向，为消费者行为分析和政策制定提供了重要方法学支持[page::1][page::5][page::7]。
本论文系统研究自动化做市商(AMMs)特别是定常乘积做市商(CPMMs)与集中流动性(CL)特性，提出了流动性提供者(LP)和流动性需求者(LT)的最优交易模型与策略，基于Uniswap v3和Binance等市场数据验证模型与策略优越性，揭示了价格机制、市场冲击、费用收益及集中风险间的权衡，为DeFi市场中的交易和流动性管理提供了理论基础和实践参考 [page::2][page::10][page::18][page::45][page::63][page::86]
本文从公理化视角定义了凸和下半连续的向量值风险度量，证明它们必然是坐标分离的，忽略了输入随机向量的依赖结构，且指出集合值风险度量可避免该局限，进一步推广至条件风险度量，表明凸向量值风险度量不适合作为资本分配规则和系统性风险评估的动态工具[page::0][page::3][page::8][page::9]。
本报告基于局部-随机波动率模型，利用大偏差理论推导了欧洲期权与VIX期权的短期到期渐近价格。通过构造二维变分问题表达价外期权渐近，并针对Heston型和SABR型两类关键模型给出显式解。对得出的渐近隐含波动率进行展开，提供了对模型定价与校准的重要指导，理论结果通过数值模拟验证其有效性 [page::0][page::1][page::6][page::9][page::11][page::21]
本报告针对S&P 500指数波动率预测，研究了GARCH模型、LSTM神经网络、两者的混合模型及加入VIX指数的增强混合模型。实证分析覆盖2000年至2023年数据，结果表明混合模型，尤其是结合VIX输入的LSTM-GARCH模型，在提高波动率预测准确性方面显著优于单一模型，提升风险管理及投资决策的有效性[page::0][page::20][page::22][page::34]。
本报告聚焦社会仿真中普遍存在的参数非可辨识性问题，理论证明同时利用多维时间序列特征标定模型可指数级缓解该问题。针对金融市场模拟（FMS），提出基于多个不相关特征的最大化聚合校准目标函数，有效减小非可辨识集，并显著提升模拟数据的拟合度和仿真保真度。实证验证覆盖10组合成数据和1组中国深交所真实高频数据，结果显示引入多特征标定后，非可辨识性显著降低且模拟性能优于传统单特征方法[page::0][page::1][page::6][page::7][page::8][page::9].
本报告揭示了传统市场做市模型中对限价单成交假设的偏差，首次系统证明了限价单成交伴随的负向价格漂移现象（即负漂移），该负漂移源自限价单成交必然与对手方的不利价格变动相关联，显著拖累做市商盈亏表现。通过构建离散市场模型并利用10年期美国国债期货数据的实盘仿真验证，结果表明负漂移是市场微观结构中不可忽视的成本因素，且传统文献中过于乐观的成交率假设导致模拟策略高估盈利能力。基于理论推导及高级仿真数据，还提出了更贴近真实市场的限价单成交模拟方法，为量化策略回测提供了更为准确的基础[page::0][page::4][page::12][page::17][page::21][page::25]
本报告建立了Kihlstrom–Mirman偏好下的连续时间均衡控制理论，针对非时可加效用导致的动态不一致性，提出扩展的Hamilton–Jacobi–Bellman偏微分方程系统表征均衡策略和价值函数。通过消费-投资问题示例验证，该理论可将风险与时间偏好分离，并展示了与经典递归效用模型的联系，为处理时间不一致性提供了博弈论视角的系统工具 [page::0][page::1][page::2][page::16][page::21][page::23]
本文提出了Multi-Industry Simplex 2.0（MIS-2），一种基于贝叶斯非参数、马尔科夫更新和相关/层次行业建模的多行业概率分类方法，显著改进了传统GICS无法精确刻画多行业公司如亚马逊的不足。通过主题模型技术，将公司业务描述转化为行业混合概率分布，动态反映市场行业演变。实证测试证明MIS-2在预测未来股票相关性方面显著优于GICS，为投资组合风险管理提供了更细腻和动态的行业识别框架[page::0][page::1][page::12].
本报告针对反方信用风险中动态初始保证金（DIM）的计算挑战，提出利用多输出神经网络从初始市场状态参数直接预测DIM轨迹的新方法。该方法以极少成本生成训练数据，突破传统嵌套蒙特卡洛昂贵计算瓶颈，在Vasicek及Hull-White利率模型下对单一掉期及组合资产组合进行测试，结果显示优秀收敛性和稳健性，有效提升DIM及MVA计算效率并具有较强的实用价值 [page::0][page::1][page::8][page::13][page::16].
本报告研究了股票持有如何显著提升家庭对宏观经济的关注度，具体表现为股票持有者在通胀预期与回顾的准确性更高，分歧更小，并且对经济新闻反应更灵敏。通过频率效应和风险对冲机制解释了这一注意力提升，此外股票持有者对货币政策的响应更为显著，暗示货币政策的分配效应通过家庭资产配置得以放大 [page::0][page::1][page::2][page::4][page::14][page::16][page::18][page::19].
本报告探讨了将强化学习（RL）应用于加密货币对冲交易，结合传统的统计套利方法实现动态投资比例调整。针对BTC-EUR和BTC-GBP的高频市场数据构建RL环境，通过调整奖励函数和观测空间，RL方法在利润率、风险控制及交易频次等方面显著优于传统静态规则方法。实验显示基于RL的动态规模对冲策略年化收益率最高达31.53%，表现优于传统的8.33% [page::0][page::1][page::4][page::7][page::9][page::12][page::14][page::15]
本研究构建基于eGARCH与极值理论(EVT)及Copula函数的混合模型，深入分析比特币、莱特币与全球金融指数（MSCI 世界与新兴市场）之间的风险溢出效应与依赖结构。通过比较VaR、ES与RVaR三种风险度量指标，发现eGARCH-EVT-Copula模型在VaR估计上优于传统方法，HS方法更适合ES，而t分布参数方法更适合RVaR。同时，研究指出加密货币内部存在显著溢出，但对其他资产影响有限，表明其有分散风险功能但非完善的避险工具。此外，RVaR在法律稳健性和模型误设方面优于ES，对于监管套利风险更低，具备重要政策启示意义[page::0][page::1][page::2][page::25][page::26][page::27]
