本文研究了含有市场状态切换的最优清算随机控制问题，首次提出和解决了含奇异终端条件的多维带跳跃系统BSDE的存在性与唯一性。模型将流动性与波动率的多状态变化纳入框架，利用罚函数法结合多维比较定理，实现收敛极限的严格刻画。与现有文献主要关注极小解不同，本文突破性地证明了解的唯一性，显著提升理论深度并精确刻画了基于系统BSDE的最优交易策略。[page::0][page::1][page::5][page::12][page::15]
本报告基于日本私营在线临时工匹配平台Timee的专有数据，首次系统分析了点工市场的匹配效率和弹性。研究显示，2019年至2023年间，点工平台市场迅速扩张，注册用户和职位空缺均显著增长。通过非参数方法估计，点工平台的匹配效率显著提升，弹性对用户数量波动范围为0.7至1.5，对职位空缺弹性多次超过1.0，均高于公共就业平台Hello Work。地区间匹配效率差异较小，反映出在线匹配平台较均质的区域覆盖特征，为理解和预测新兴灵活就业市场提供重要参考 [page::0][page::1][page::6][page::9][page::10][page::11][page::12]
本文从数学角度系统构建了连续时间框架下的集中流动性做市商（CLMM）模型，采用测度值过程形式刻画流动性分布及其动态，揭示交易费对价格过程的约束，导出了三种套利模型（近视、有限期及无限期带折扣/遍历控制）的最优套利策略闭式解，为DeFi市场效率及CLMM设计提供理论支持[page::0][page::1][page::4][page::18][page::27]。
本文研究一般不完全市场中的动态均值-方差（MV）资产配置问题，突破传统MV仅关注终端财富的限制，引入带有一般非指数贴现因子的运行期MV目标，实现任意时间依赖偏好的兼容。基于博弈论框架，将均衡控制策略分解为由二类方程表示的近视策略及对冲需求，创新采用非局部BSDE理论，证明解的良定性，制定数值方案，并针对CKLS模型验证技术假设，推动动态MV模型向广泛随机波动率场景的扩展 [page::0][page::2][page::3][page::13][page::16][page::17][page::23].
本报告提出了一种新型的机器学习损失函数GMADL，通过引入参数化的指数平滑函数，有效解决了传统MSE和MADL在高频算法交易策略中存在的过拟合和高交易成本问题。GMADL具备可微性和适应性，能够同时兼顾预测方向和实际收益幅度，提高策略在不同市场环境中的稳健性与盈利能力。报告结合BTC和原油等实证分析，验证了GMADL优于传统损失函数的性能表现，为高频交易模型优化提供了理论与实践支持 [page::0][page::1][page::2][page::3][page::4][page::5][page::6]。
本报告基于亚洲领先短视频平台的大规模随机对照实验，实证分析了AI生成的元数据（视频标题）对UGC平台内容消费的因果影响。结果显示，AI生成标题降低了元数据稀疏性，提升了用户-视频匹配精度，显著增加有效观看次数和观看时长，且对低技能创作者和娱乐类内容收益更显著。研究还发现AI标题整体质量低于人类标题，但人机协作（人工显著修改AI标题）能进一步提升观看效果，强调AI与人类创作者协同的重要价值 [page::0][page::3][page::4][page::8][page::14][page::21][page::27][page::28]
本文利用多层异质智能体模型揭示贫困陷阱在个体和社区层面的多重均衡机制，识别风险规避、注意力和储蓄倾向等行为特征及金融包容性、技术获取等制度因素如何共同作用，导致极端贫困与高度不平等的经济状态。研究显示降低社区项目成本、提升储蓄率和减少经济隔离可推动部分群体脱贫，且单纯现金注资难以持久改善贫困。模型为多层次贫困缓解策略提供理论基础，并通过全局敏感度分析明确关键影响参数，为社会流动性政策设计提供量化支持。[page::0][page::1][page::2][page::10][page::11][page::16][page::18][page::20]
本报告提出了一种结合历史价格、SEC文件情绪分析及新闻头条嵌入的多模态深度强化学习框架，优化标普100股票的投资组合。通过改进状态表示和奖励函数，融合多数据源，实验证明多模态数据显著提升了组合表现，CNN和RNN模型在利润奖励函数下表现优异，显著超越传统基准策略，尤其是在同时使用SEC和新闻数据时效果最佳。这显示出结合多源异构数据的潜力及合理奖励设计的重要性 [page::0][page::3][page::6][page::11][page::13]
本报告提出了一个结合市价单与限价单相互作用的高频交易限价委托簿模型，采用临界不稳定多维Hawkes过程的缩放极限描述高频交易动态，导出带有粗波动性的随机偏微分方程（SPDE）。模型克服了传统Cont-Müller模型对市价单影响的忽视和高频交易内生性建模不足的问题，刻画了Hawkes过程强烈的自激发性及幂律衰减特征。基于模型推导了价格动态并给出了模型的存在唯一性理论保证，数值测试显示该模型能更真实反映市场深度及粗糙波动性的特点，展现出优于经典模型的性能 [page::0][page::1][page::4][page::11][page::16][page::26][page::35][page::39][page::42][page::48]
本报告提出基于微观个体数据初始化及对经验时间序列追踪，定义经济代理基础模型（ABM）中数据驱动的程度。通过回顾参数校准、初始化与数据同化技术，展示数据驱动ABM克服传统模型局限，在住房市场、劳动力市场及宏观经济等领域成功应用，提升政策模拟精准性与预测能力，推动模型验证标准向时间序列跟踪与预测转变[page::0][page::3][page::8][page::10][page::11].
本文围绕A股市场订单流中的挂单方向长期记忆性现象开展实证研究，揭示其存在普遍性且自2022年以来显著增强；通过自相关系数回归、频谱分析及连续订单计数等方法，开发多个捕捉该特性的Alpha因子，并结合机器学习模型进行了特征合成与验证，表明算法拆单是驱动该记忆性的核心因素之一，相关因子在中证1000等中等市值股票范围表现较优，具有投资参考价值 [page::0][page::4][page::12][page::17][page::20]
本报告系统解析了自由现金流及其相关因子的构建与应用，创新提出了自由现金流收益率因子FCFP和资本开支收益因子CAPEXP，通过多维度财务数据和生命周期分析，结合量化选股策略，形成了稳健的“现金奶牛”组合策略。该策略在全A及中证800成分股中均表现优秀，长期获取显著超额收益，显示出自由现金流因子在A股市场防御型及价值投资中的重要配置价值 [page::0][page::1][page::8][page::12][page::15][page::17]
本报告通过构建基于Uniswap V2的agent-based模型，动态模拟了流动性提供者、交易者和套利者在去中心化交易所自动化做市商（AMM）中的交互，揭示了交易费对缓解非永久性损失的重要作用。结果显示，价格变动并非必然导致流动性提供者亏损，特别是在考虑套利者带来的费用收益后，非永久性损失规模随套利者竞争加剧而降低。由此认为，AMM开发者应鼓励套利友好环境而非避免套利行为[page::0][page::1][page::8][page::9][page::10]。
本报告通过标准经济学选择实验验证GPT-4等大型语言模型(LLM)在风险选择中的偏好学习能力，发现GPT展现出高度一致的效用最大化行为，并能够根据风险厌恶程度提供个性化推荐，但在失望厌恶调整方面学习能力有限，提示LLM作为决策辅助工具的潜力与局限 [page::0][page::2][page::7][page::8][page::10].
本报告提出并解析了考虑“羊群行为”的双代理最优投资问题，采用引入带衰减的平均偏差衡量决策差异，利用变分方法求解随时间衰减的最优策略，进而通过理性决策分解将跟随代理的最优决策表达为自身与领先专家理性决策的凸组合，引入投资观点定量分析羊群行为、初始财富、超额收益率及波动率对跟随决策的影响，数值实验基于道琼斯数据验证模型有效性，为理解投资者行为及投资策略设计提供理论依据[page::0][page::1][page::3][page::4][page::5]。
本报告利用合成控制法和合成差异法，评估了奥地利2021年推出的KlimaTicket季票对公共交通需求的因果影响。结果显示，KlimaTicket显著促进了2021年疫情后的公共交通需求增长，增长率高出3.3%至6.3%不等，但在2022年该正向效应消失，统计显著性有限。通过对比欧洲其他铁路公司数据构建反事实对照，发现KlimaTicket在短期内促进了乘客增长，但效果较小且不稳定，需长期评估其持续影响 [page::0][page::2][page::7][page::8][page::9]。
本报告提出基于深度隐式-显式最小移动法结合残差型人工神经网络(ANN)的新方法，用于多资产跳跃扩散模型下的欧式篮子期权定价。通过Merton跳跃扩散模型数值实验验证该方法的计算效率及高维表现，包含积分算子的两种近似技术（稀疏格点Gauss-Hermite和ANN特制求积法），并通过与深度Galerkin及深度BSDE求解器对比展示了其优越性[page::0][page::1][page::4][page::10][page::14][page::15]。
本报告基于零智力（zero-intelligence）潜在/显性订单簿框架，针对欧洲主要股票交易所的收盘竞价，系统刻画了订单提交、撤销及扩散率的价格与时间依赖关系，深入揭示拍卖阶段流动性加速的机制。模型成功拟合了Euronext巴黎的高质量逐笔数据，解释了竞价价格的亚扩散特性及其无可预测性，验证了潜在流动性框架在竞价订单簿动态描述中的有效性 [page::0][page::2][page::10][page::18][page::24]。
本报告提出SpotV2Net模型，利用图注意力网络结合非参数傅里叶估计的瞬时波动率及波动率的波动率特征，实现了道琼斯工业指数成分股的多变量盘中即期波动率精准预测。模型通过节点与边特征有效捕捉资产间溢出效应，显著优于HAR、XGB及LSTM等对比模型。此外，应用GNNExplainer对预测结果进行解释，揭示关键子图结构，为短期风险管理及高频交易策略提供理论和实证支持[page::0][page::1][page::5][page::7][page::14][page::20][page::21].
本报告提出了一种结合卷积神经网络（CNN）与深度强化学习（DRL）的量化交易框架，旨在解决传统多层感知机（MLP）在大规模连续动作空间中的学习瓶颈。通过将过去90日的日度特征向量拼接成矩阵输入CNN进行特征提取，显著提升了策略稳定性和收益表现，并在股票买卖规模扩大至1000股的环境下实现了持续稳定的累积奖励增长，同时降低了交易成本和风险指标（夏普比率）表现优异[page::0][page::3][page::4]。
