本报告提出MOT算法，通过多演员分离表示学习结合最优传输（OT）算法，有效捕捉不同市场模式下的交易策略。引入预训练模块以衔接专家策略与强化学习，显著提升收益和风险控制能力。实证验证显示MOT在真实期货市场数据上实现了优越的收益风险平衡，三个模块均贡献明显。 [page::0][page::1][page::3][page::5][page::6][page::8][page::10]
本研究基于Kaggle的欧洲主要城市Airbnb数据，应用多元线性回归、多项式回归及随机森林等机器学习方法，系统探讨了影响Airbnb价格的关键因素。结果显示，地理位置、房型、主机响应率及旅游吸引指数对价格影响显著，随机森林模型在预测准确性和解释力上优于传统回归模型，为定价策略优化与旅游市场研究提供了有力支持 [page::0][page::1][page::4][page::5][page::6]
本报告研究具备损失厌恶特征的乘法习惯形成偏好下的最优消费和投资策略。通过对非凸S型效用函数取凹包，构造并求解相关非线性自由边界问题的HJB方程，获得反馈形式的最优控制。模型突破传统乘法习惯形成效用仅限幂效用的限制，支持广泛效用函数类别。数值分析揭示财富-习惯比率阈值特性与节约行为，及损失厌恶和习惯持续性对投资消费策略的显著影响[page::0][page::3][page::6][page::9][page::11][page::13][page::18].
本文研究了单记可转移投票（STV）中“参与悖论”的现象，即增加非支持者或支持者的投票数可能使某候选人从落败变为胜出或反之。报告涵盖了STV的机制，给出了理论最坏情况分析，并结合苏格兰地方选举的真实数据展示99个相关悖论案例，揭示STV在多种情形下表现出的非直觉和不稳定性 [page::0][page::3][page::9][page::15][page::17].
本文提出利用开放量子系统框架，通过Von-Neumann熵度量金融市场信息熵变化，探索市场价格随机演化的非经典动力学模型。文章证明量子概率模型能区分相同概率分布但信息含量不同的市场状态，并通过Lindblad主方程构建Markovian和非Markovian的市场状态演化，演示经典扩散和非高斯扩散过程，数值验证信息熵对分布演化及峰态系数的显著影响，为金融随机过程建模提供了一种更灵活的量化方法[page::0][page::25][page::26][page::27]
本报告基于Fanelli和Marsi[2022]的方法，识别欧洲央行的三种货币政策冲击（纯货币政策冲击、信息冲击及反碎片化利差冲击），采用局部投影法估计其对非ERM II欧盟国家（匈牙利、波兰、捷克、罗马尼亚、瑞典）经济变量的线性及非线性脉冲响应函数。结果显示，ECB政策的国际溢出效应存在显著的符号非线性，特别是在长期利率、失业率以及实际汇率、消费者价格指数和工业生产上的表现，反映了零利率下限环境对政策传导机制的深远影响；而规模非线性效应较弱，体现了政策反应的大小效应较为有限。本研究为理解欧洲中央银行货币政策跨境影响结构提供了细致的非线性分析视角 [page::0][page::1][page::10][page::20]。
本报告提出基于条件变分自编码器（CVAE）的非线性时序预测模型，利用股票重平衡日等先进信息提升欧洲50支股票日交易量的长期与短期预测精度。实证结果显示，CVAE模型相比传统线性模型（ARMA、VAR）在均方误差和交叉相关拟合上表现优越，且能生成情景分析帮助特征解释和决策支持。文中还探讨了非平稳时序的相关性估计及未来拓展方向 [page::0][page::1][page::3][page::4][page::5][page::6][page::7]
本报告提出了一种非参数、稳健且与无套利动态一致的债券价格协方差分析方法。通过差分收益的实现协方差估计，我们能够在无限维的无套利期限结构模型中识别统计显著因子的数量。实证结果表明，债券市场需要较高维度的因子来描述期限结构的演变，同时波动率期限结构具有时间变化的形状特征。报告还建立了估计的收敛性证明和中心极限定理，并结合蒙特卡洛仿真验证了方法在稀疏及噪声数据中的有效性 [page::0][page::1][page::2][page::13][page::15][page::18].
本报告将物理学中的分数阶导数方法与金融学中的分数布朗运动模型相结合，提出了含记忆效应的分数阶Langevin金融模型。通过蒙特卡罗数值仿真，验证了模型再现了流动性与波动率的基本关系，并发现小的分数阶导数阶数对应与边缘玻璃态类似的阶段行为，而较大阶数则导致波动率的振荡，揭示金融市场记忆机制对市场动态的深远影响 [page::1][page::6][page::14][page::27][page::29][page::32][page::34]
本研究基于随机波动率模型（SV）对俄罗斯电力现货市场日度电价进行预测，重点开发了包含外生回归变量（气温、工作日和自回归成分）的SV X模型。通过贝叶斯推断和Stan平台建模，SV X模型在多时段、多价格区间下表现出优异拟合和稳健的预测能力，在交叉验证和未来一周预测中均显著优于基础SV模型，适用于电力交易风险对冲与衍生品定价 [page::1][page::13][page::27][page::38][page::44]。
本报告基于2015-2017年超过2万名外汇零售交易者数据，研究投资者行为聚类的时间分布特征，发现交易者聚类符合Ewens采样分布。通过结合统计验证网络（SVN）与层次聚类，显著提升了专家建议下的在线预测算法（聚合算法AA）的投资策略表现，有效降低了专家数量过多带来的噪声和预测困难，最终提高投资组合的收益表现和风险控制能力 [page::0][page::1][page::5][page::7][page::13][page::14]。
本报告提出基于层次狄利克雷过程的层次泊松过程模型，联合建模多只股票多天的交易量曲线，实现金融交易量曲线的非参数贝叶斯建模。采用MCMC采样结合切片采样高效推断模型，兼顾平滑性与多层聚类结构，适用于不同流动性股票交易数据，展示了该方法在苹果、iRobot和Papa John’s Pizza等股票上的表现，有效捕获日内交易时间强度与成交量分布的异质性和共享结构 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14][page::15][page::16][page::17][page::18]
本报告针对金融机构客户行为预测问题，基于半合成模拟数据构建两种模型——传统LSTM模型与结合状态空间图嵌入的GNN+LSTM模型。该方法充分利用客户交互序列特征和状态节点关系，实现对客户目标、类型及未来行为的精准预测，且图嵌入显著提升了模型效果。实验结果表明，GNN+LSTM在客户目标预测、类型判别及事件轨迹预测中均优于单纯LSTM模型，验证了结构化时序建模在金融客户行为分析中的应用潜力[page::0][page::1][page::2][page::3][page::4]。
本报告研究依赖不确定性对尾部风险度量的影响，提出正则依赖度量的概念，指出任意小的正相关性可能导致损失尾部的完美相关性，且部分依赖信息会使得聚合风险的尾部风险趋近于完全相关情况下的风险。通过定理和示例，特别是对信用风险中伯努利分布损失加权和的风险价值（VaR）分析，展示依赖结构不确定性对尾部风险评估的敏感性及潜在的风险高估 [page::0][page::1][page::2][page::6][page::14][page::17][page::20][page::21].
本报告针对近二十年欧洲冠军联赛小组赛竞争平衡的研究现状，提出六种基于Elo评分和排名相关性的替代指数，综合分析2003/04至2023/24赛季的竞争平衡趋势。结果显示，无论是赛前预期还是赛后实际排名，均未发现竞争平衡显著下降的证据，挑战了既有文献的结论，并指出以往基于HHI指数的指标可能混淆了竞争平衡恶化与比赛重要性丧失的因素，呼吁未来研究拓展指标体系以准确反映真实动态 [page::0][page::1][page::9][page::10][page::11]
本研究采用双重机器学习方法，结合随机森林模型，实证分析信用评级对公司资本结构中杠杆率的因果影响。结果表明，信用评级显著影响杠杆率，但该效应在不同信用等级间具有高度异质性：AAA和AA评级压低杠杆率，A和BBB等级影响不显著，BB及以下评级则显著提高杠杆率，且在BBB-BB评级区间存在渐进变化。这一细致划分丰富了资本结构决策的理论解释 [page::0][page::6][page::18][page::27][page::34][page::78].
本报告提出了AlphaForge框架，采用生成-预测神经网络及动态因子组合模型，实现了公式化Alpha因子的高效挖掘与动态加权组合，显著提升了因子选股能力和组合收益。实证显示该模型在CSI300和CSI500数据集上优于遗传编程、强化学习等方法，且在模拟及实盘交易中均产生超额收益，验证了其在动态市场环境中的适应性和可解释性 [page::0][page::1][page::3][page::4][page::6][page::7]
本研究构建结合LSTM与ARIMA的混合算法模型（LSTM-ARIMA），利用长期短期记忆网络捕捉非线性依赖，并辅助ARIMA残差处理线性趋势，以提升三大股指（S&P 500、FTSE 100及CAC 40）20余年每日数据的投资策略表现。通过非锚定逐步前移优化和随机超参数搜索，实证显示LSTM-ARIMA策略在多种风险调整收益指标上显著优于单独模型及基准买入持有策略，且在经济危机期间表现稳健，验证了该混合模型在算法投资领域的潜力[page::0][page::1][page::22][page::23][page::38][page::40]
本报告基于Campbell和Shiller的近似方法，构建了观察负债的公共公司Merton结构化违约风险模型，导出了风险中性股权与负债价值及违约概率公式，并提出了相应的最大似然参数估计方法 [page::0][page::1][page::4][page::11][page::14].
本报告基于均值场博弈控制模型，系统研究了监管资本约束对银行体系火灾抛售及系统性风险的影响。通过耦合偏微分方程求解，揭示资本约束可能引发银行大规模违约的连锁反应，并验证充足资本和改善违约银行资产处置机制能有效增强金融稳定性 [page::0][page::1][page::2][page::9][page::11][page::13].
