本文研究寿险公司如何通过负债端产品再平衡管理利率风险。理论与实证结果表明，具有较高变量年金担保敞口、尤其是风险敏感型负债的保险公司，在低利率和高利率不确定性环境下扩大负久期缺口，提高长期产品相对短期产品的加价，并减少普通寿险、转向团体寿险。2005—2023年，负债再平衡使普通寿险保障规模减少约12.1个百分点GDP，并加剧了寿险市场整体收缩。[page::0][page::4][page::41]
本文构建两个相互耦合的扩散型限价订单簿模型，引入订单到达、撤单、扩散、异步采样及配对交易者机制，研究金融资产相关性如何在离散事件交互和时间聚合过程中涌现。模拟结果显示，模型能够在不依赖相对于潜在模型的市场微观结构噪声设定下再现Epps效应；非均匀时间采样较好地复现实证价格收益的厚尾、非正态性及部分波动聚集特征。校准结果表明，扩散率和撤单率具有较大不确定性，而分数阶参数更稳定；采样尺度、价格网格及撤单率会显著影响相关性曲线和数值伪影，说明该模型更适合用于机制模拟而非稳健参数估计。[page::0][page::5][page::7][page::8]
本文提出FinRank，一个面向SEC 10-K与10-Q文件金融问答和检索的证据 grounded 基准。数据集包含来自22家公司、三个行业的1185条人工构造问答记录，每条记录均配有支持性段落及人工筛选的高混淆负样本。研究将检索、重排序和困难负样本判别分开评估，结果显示最强的7B指令调优嵌入模型在全局证据池上的Recall@10也仅为44.8%，而困难负样本使模型两两判别准确率较随机负样本下降13.0–20.5个百分点，说明金融问答的核心挑战不仅是回答正确，更在于证据归属和披露语境的准确识别。[page::0][page::3][page::8][page::10]
本文研究如何利用冻结大语言模型的内部激活来度量文本中的ESG概念内容，并比较线性探针、RFM概念向量、嵌入模型及传统表面特征的效果。结果显示，线性探针无需任务特定微调即可接近微调分类器，在环境、社会和治理数据集上的准确率差距分别为0.6、1.0和2.1个百分点；其在12次比较中有11次优于模型自身的问答输出。RFM方法虽然分类表现较弱，但能够生成连续概念强度分数，未来仍需带有等级标签的数据验证。[page::1][page::6][page::7][page::13]
本文系统研究以函数参数Λ替代固定概率水平的Lambda-quantiles，重点突破传统单调性假设，刻画其有限性、常值性、可达性、可识别性、弱连续性、凸水平集与聚合性质。[page::0][page::1][page::2] 研究证明，右下半连续性在多数核心结论中比单调性更为关键；满足有界变差条件时，Lambda-quantile可通过固定参考分布与固定权重的混合表示转化为具有递增参数的Lambda-quantile。[page::17][page::18][page::19] 此外，文章建立了序数协变群、Λ的不变群及其有界变差情形下相关符号测度支集之间的联系，为非单调Lambda-quantiles的风险管理、数值计算与投资组合优化应用提供理论基础。[page::22][page::23][page::24][page::25]
本文针对高维投资组合的Wasserstein分布鲁棒优化问题，提出基于支撑超平面近似与对偶化的有限维建模方法；在ℓ1地面度量和多面体约束下，该方法可转化为多项式规模线性规划，并通过统一效用误差同时控制鲁棒值误差与近似解次优性。理论与实验表明，DROHYP在资产规模扩展至1000维时仍具备显著计算优势，且Wasserstein半径在收益、风险与可靠性之间形成明确权衡，中等半径通常具有更优的风险调整表现。[page::2][page::9][page::10][page::18][page::21][page::22]
本文扩展LP‑Alinks设施布局优化框架，引入归一化覆盖得分（NCS）作为空间均匀性指标，与经典流量—距离经济目标（EGF）共同刻画成本与空间规整性的权衡。基于324种全因子实验条件及ANOVA分析，研究发现对象数量和链接密度主导两类目标的基础差异，而虚拟力系数及距离、链接隶属函数主要调节布局的聚集—分散特征。研究进一步提出面向成本最小化、均匀性最大化和双目标折中的参数选择方案，并显示LP‑Alinks在保持较高NCS的同时，经济表现优于MDS/NmMDS且接近Drezner方法。[page::0][page::2][page::8][page::13][page::18][page::21][page::24]
本文提出“学习表征—系统效用—随机冲击”三层统一模型：冻结的TabFM从风险、时间、损失、估值与社会选择等异质任务中提取共同选择空间，再由一个跨领域随机效用函数进行价值排序。基于1000名参与者、26项多重价格表任务的实验显示，TabFM相较总体中位数将换行误差降低约17%，而决策者身份打乱后优势消失；在其表征上估计的共同效用指数保留了原模型约85%的误差改善，并能迁移预测未参与效用估计的领域，同时较好复现行为构念之间的相关结构。[page::2][page::3][page::15][page::16]
本文构建共享设备供应链约束下的双市场容量市场均衡模型，系统比较大型数据中心自备容量（BYOC）义务与灵活性认证的福利、进入决策及跨市场溢出效应。研究发现，有效定价下BYOC主要改变电网建设与自建容量的采购归属，福利影响有限；行政价格上限下，BYOC可使数据中心承担被压低价格遗漏的真实容量成本，并在高供应链压力下改善福利。灵活性通过降低计入可靠性义务的负荷比例产生收益，但其效果受供应链压力、执行成本及真实申报激励约束；单边BYOC还可能挤出邻近市场的容量投资。[page::2][page::14][page::19][page::24]
本文针对两结算电力市场中可变可再生能源出力不确定性导致的实时再调度成本，构建面向系统成本最小化的双层竞价曲线优化框架，协调日前市场与实时市场。理论上证明，在可再生能源边际成本为零时，单段零价格竞价曲线即可实现系统最优；实践中通过强对偶与McCormick包络将模型线性化，并在1576节点NYISO系统上验证了多段竞价方案的可扩展性。优化方案较基于期望预测的基准策略降低约36%的小时系统成本，并逼近不可直接实施的随机市场结果。[page::1][page::5][page::17][page::21][page::22]
本文针对高比例可变可再生能源接入下日前与实时电力市场协调不足的问题，提出一种基于强对偶和McCormick包络的双层可再生能源日前申报量优化框架，将原始非凸双层问题松弛为可扩展的线性规划。IEEE 118节点和1814节点NYISO系统测试表明，该方法相较随机调度基准的系统成本差距约为0.7%，可在数分钟内求解大规模系统；在高比例可再生能源场景下，相比基于预测均值的短视调度，系统成本最高可降低超过15%。[page::0][page::1][page::3]
MINGLE框架通过ADMM联合学习潜在因子暴露与图拓扑，以因子暴露相似度替代传统相关性定义图局部性，从而同时捕捉系统性风险来源与资产间共同响应关系。实验显示，该方法能够形成更稳定、更加贴合GICS行业分类的市场结构，并显著改善协方差矩阵条件数；基于其表示构建的Contagion Cut组合在不同波动环境和交易成本下整体优于相关性图及传统配置基准，但在危机状态下仍受到固定因子维度和多头约束的限制。[page::0][page::1][page::4][page::5][page::7]
本文基于76个经济体1995—2022年的投入产出表，利用Leontief逆矩阵追踪服务增加值最终由家庭消费、投资、政府或出口需求支持的来源。研究构建服务经济家庭导向度R及服务扩张中的家庭贡献H，发现传统服务业占比无法识别服务化的需求类型：1995—2018年服务占比上升的65个经济体中，77%同时出现家庭导向度下降。精确分解表明，家庭支持生产的服务密度虽随收入提高，但家庭在总需求中的占比下降更快；Shapley分解显示，生产体系渠道贡献了材料性服务占比增长的中位数73%，而家庭导向度下降主要来自总需求结构变化。[page::0][page::2][page::3][page::25]
本文利用Hyperliquid公开的持久化钱包地址和Level-4订单簿数据，研究交易者身份是否具有持续的信息含量，以及身份信息能否提升超短期收益预测。基于17.1 billion条消息、14.3 million笔主动订单和147,113个钱包的样本，研究发现钱包毒性排名在相邻十日窗口间具有显著持续性，Spearman相关系数为0.52；将最高毒性钱包的实时活动加入匿名订单簿基准后，一秒收益预测样本外R²由10.88%提升至12.31%，相对增幅13.2%。在实际成交到达时，身份信息增量进一步扩大至2.47个百分点，且结果在独立样本、匹配安慰剂和多种稳健性检验中成立，表明公开钱包历史包含匿名市场状态无法完全捕捉的短周期价格信息。[page::0][page::1][page::2][page::18]
本文研究累积前景理论（CPT）赌徒在每轮期望收益为负的不公平赌博中的最优退出策略，将问题转化为非对称随机游走上的最优停止问题，并通过几何变换恢复鞅性质、结合随机化Azéma–Yor停止时刻与Skorokhod嵌入求解。研究表明，不公平赌博在较广泛参数条件下具有有限最优价值；当获胜概率足够低时，赌徒会选择不参与，而参与者相比公平赌博更保守、更早退出且更不耐受损失。[page::2][page::6][page::11][page::20][page::21]
本文基于美国1880—2025年和法国1900—2023年的官方新生儿姓名数据，利用Lorenz曲线、Pareto曲线和Gini系数刻画姓名流行度分布，发现其长期保持高度不平等且具有显著稳定性。研究进一步以Rayleigh-Jeans热化与凝聚模型解释姓名频率分布，模型能够较好拟合实际数据；同时，姓名排名和频率相关性显示，20世纪中期以后姓名偏好的时间结构发生明显变化。[page::0][page::1][page::3][page::4][page::6]
本文构建了一套评估加州高速铁路分流航空客流、降低机场及国家空域系统航班延误成本的方法：首先基于加州高铁客流预测估算机场间航班削减量，再利用排队模型和Lasso机器学习模型预测延误改善，最后结合航空公司运营成本与旅客时间价值进行货币化。研究估计，高铁带来的延误成本节约在2029年为5100万至8800万美元、2033年为2.35亿至3.92亿美元，且机场容量越紧张，潜在收益越显著。[page::1][page::4][page::6]
本文研究禁止跨卖方组装（No Assembly）条件下的组合式买方报价双向拍卖，构建束市场选择与互补性相结合的理论模型，并证明在市场足够厚、价格影响有限且反馈稳定时，买方压价趋于消失、清算价格收敛于竞争性水平并实现对共同价值的价格发现。两商品情形下，跨子市场重新分配对边际激励的一阶影响可在明确条件下得到控制；强化互补性则通过促使高协同卖方专门供应完整组合，降低结构性损失与战略性损失。强化学习模拟显示，有限市场中的主要约束来自不可组装摩擦而非策略性压价，市场规模达到每侧约8名交易者时综合损失已较小。[page::1][page::2][page::23][page::44]
本文提出“知识优化”（Knowledge Optimisation，KO）这一金融科技流程，针对非价格型信息数据在投资决策中的知识价值、隐性知识和资源约束问题，构建决策结构、投资组合选择与绩效评估三阶段框架。研究将信息数据纳入Throughput Model，并从现代投资组合理论中解释其对隐性知识和最优权重的影响，同时以Return on Knowledge修正夏普比率，形成考虑知识单位投入的绩效指标Sk。情景分析表明，KO能够评估计算资源约束与投资规模扩展对组合选择的影响，从而弥补传统风险调整收益指标的绩效归因盲点。[page::0][page::1][page::3][page::4][page::5][page::6]
