本文提出一种将GARCH(1,1)波动率更新嵌入RNN单元（GARCH-GRU 与 GARCH-LSTM）的统一框架，实现了可解释的经济学参数保留与神经网络的非线性时序学习。实证上，在三个美股指数的严格滚动窗外样本测试中，嵌入式GARCH-RNN在MSE、MAE、SMAPE及OOS R^2等多项指标上均显著优于经典GARCH、流水线式混合模型和Transformer，且GARCH-GRU在精度-效率权衡上最优（训练速度约为GARCH-LSTM的1/2.76），在压力期（COVID-19）仍保持良好VaR校准与Pinball损失表现，表明该统一设计在准确性、可解释性与鲁棒性间取得平衡 [page::0][page::14][page::20][page::23]
本文基于在Binance比特币永续合约上的大规模实时下单实验（>200k最小订单），系统揭示“maker填单概率”与“填后短期收益”之间存在显著负相关：高填单概率往往伴随不利的后续回报，反之亦然；基于队列大小、队列位置可高度可预测填单概率（回归R²≈0.946），但要将此可预测性转化为可交易的正收益需要构建复杂的“反转（reversal）”信号并在严格阈值下执行才可获得经济显著的改善 [page::0][page::14][page::29].
本文提出“集合风险度量（Set Risk Measures, SRMs）”的理论框架，将风险度量的定义域从单一随机变量推广到非空、闭且有界的随机变量集合，并给出基于常规公理（单调性、平移不变、凸性、正齐次和最坏情形有界性）的刻画与接受集对应关系；主要技术贡献为对凸 SRM 的对偶表示——通过在对偶单位球上使用正则的 τ-可加测度给出表述，从而将集合域嵌入到有界连续函数空间并实现可解释的概率化表示，且阐明了有界 Kuratowski 收敛在此表示中的关键作用 [page::0][page::3][page::16].
基于厄瓜多尔2008/2009社会登记与2024年社保记录，采用回归不连续设计（RDD），研究发现儿童时期符合人类发展补助（HDG）资格可显著提高约15年后进入正式部门工作的概率，局部平均强度边际意向处理效应约为3.7个百分点（相对提升约12.7%），并通过教育等人力资本积累渠道起作用 [page::0][page::19][page::23].
本报告提出一种将LSTM预测与PPO深度强化学习相结合的混合投资组合优化框架，该框架在2018–2024年多资产周频数据上进行回测，结合Top-K稀疏化投组构建与交易成本调整评估，结果显示混合模型在年化收益和回撤恢复能力上优于单一模型与被动基准，从而证明预测驱动的策略能显著提升强化学习分配的收益性与稳健性。[page::6][page::7][page::9]
本论文基于Granular Interaction Thinking Theory–Value Theory (GITT–VT)，将比特币价值视为技术层（SOV、AUT）与社会信息层（SSV、HSV）之间信息熵调节的产物，并以2022–2025年每日数据建立贝叶斯线性模型检验四个信息价值维度的短期价格预测能力，实证结果显示：社会信号价值（SSV）对次日收益有高度可信的正向影响，而SOV与AUT为中等可靠的正向关联，HSV无可信预测力，支持比特币价值为双层熵调节机制的结论 [page::1][page::22].
本论文在带有不可观测均值回复因子的股票市场框架下，提出并解析了将碳排放惩罚嵌入比例化组合保险（PPI）策略的最优设计问题，目标为最大化经碳惩罚的终端 cushion 的 CRRA 效用 [page::1]. 我们在完全信息与部分信息（通过线性卡尔曼滤波器得到因子后验均值与方差）两种信息设定下，给出最优控制的解析/半解析刻画并量化信息缺失造成的效用损失与效率比 [page::9][page::13]. 数值模拟显示，适度的碳厌恶参数能显著降低组合碳强度并减少终端财富波动，同时对期望效用的损失很小，且在部分信息情形下碳惩罚有助于缩小与完全信息基准的绩效差距 [page::19].
本文在不假定“个体可无限可分”的前提下，重新审视 Esteban–Ray (1994) 的两类成分（识别与疏离）分解，证明在满足 Condition H 时对抗函数必分解为 π^α·f(d)，并给出 Axiom1–3 在微观对抗函数层面的等价条件，同时构造出一类更灵活的极化指数以避免 ER 指数产生的反直觉排序 [page::0][page::4][page::11][page::13].
本文将QDisCoCirc（量子分布式组合语义电路）应用于金融文本的三分类情感分析，提出将句子拆分为块（chunk）映射为单量子电路并提取Bloch向量，再通过均值池化或加入浅层Transformer对向量序列进行建模，实验证明序列模型在宏观F1上优于均值基线，并通过轴向消融与句子级干预度量实现更具可操作性的解释性分析 [page::0][page::8][page::10].
本研究结合行为数据与皮电（SCR）生理指标，比较已知轮数与随机终止两种Centipede游戏设置下的合作行为与情绪唤醒，发现随机终止显著提高了参与者的phasic SCR，尤其在对手“take”后最明显；在已知轮数条件中，较高的互信得分与更长的合作回合显著相关，而在随机终止条件下该相关性减弱或消失；此外，在随机终止下高风险倾向者在自发“take”决策时的SCR反而较低，提示情绪唤醒与风险偏好共同影响偏离均衡的决策行为 [page::0][page::7][page::9][page::10][page::11].
本文运用新制度经济学（NIE）框架澄清Trinko判例适用边界，提出基于商品的可排他性与竞争性（rivalrousness）划分的分类法，进而论证Trinko在受监管的自然垄断与个人数据“俱乐部物品”访问权争议（如电子病历EHR与Agentic AI长期记忆AI-LTM）中应作为判例参考或限制法院扩张的理由，从而减少“错误适用”与“漏用”两类司法错误 [page::0][page::2][page::3].
本文在Aufiero et al. (2025) 的基础模型上引入按期抵押贷款利率、股权质押借款利率及其所得税抵免（tax shields），并用澳大利亚、德国和瑞士三国的制度参数进行校准，结果显示：正利率会收缩成功区并延长还款时间，而抵税能够部分抵消这一影响；按财产用途（自住 vs 出租）及国家差异，债务循环的可行性存在系统性异质性，出租房因抵扣政策通常表现更优 [page::0][page::12]
This field-experiment paper shows that making workers’ AI reliance observable to an HR evaluator causally reduces their adoption of AI recommendations and lowers task performance: observed switching to AI falls ~30.5% → 26.2% and final accuracy declines ~79.1% → 76.4%, implying image concerns meaningfully block human–AI complementarities; workers report they fear reliance signals low confidence in their judgment, and simple informational reassurance does not eliminate the effect [page::0][page::2][page::19].
本研究以尼日利亚奥贡州380名小农样本，采用PLS-SEM实证检验“获取金融”对粮食安全的影响，结果显示获取金融对粮食安全具有显著正向影响（β=0.615，t=5.070，p<0.001），模型解释力R2≈61.5%，强调完善金融机构与有针对性的金融产品对提升农户生产力与粮食安全的重要性 [page::8].
本文基于集值随机分析重述连续时间按比例交易成本下的超对冲问题，构建瞬时可取交易策略与偿付锥并将超对冲集合表示为函数型集值积分，证明这些集合构成多投资组合时间一致的动态集合风险度量，并在路径空间给出近似的集合贝尔曼原理，为今后建立集合型微分结构奠定理论基础 [page::0][page::3]
This paper builds a multivariate discrete-time process for long-horizon Strategic Asset Allocation (SAA) simulations that extends the classical normal random walk by (i) modeling drift uncertainty (DU), (ii) embedding negative return correlations (NRC) that induce medium-term mean reversion, (iii) using a parsimonious multivariate LMARCH for volatility dynamics, and (iv) generating asymmetric fat tails via a multivariate non‑central Student distribution — all validated against index data and Monte Carlo experiments [page::0][page::8][page::13][page::25][page::33].
本文从微观Hawkes驱动的限价委托簿出发，建立流动性迁移的微观跳转机制并在加速时间、方差尺度下推导出反射型多维扩散极限，得到包含离散拉普拉斯耦合的介观SDE并将其扩散协方差与Hawkes分支结构通过FCLT直接关联，为微观事件模型与宏观随机描述之间建立了严格的数学桥梁 [page::0]
本文提出基于G-Learning的目标导向投资组合优化框架，并结合GIRL（逆强化学习）对奖励参数进行估计，以在给定时限内最大化组合终值并最小化定期投入。通过模拟高波动市场与99只风险资产，报告展示了G-Learning使Sharpe从0.42提升至约0.481–0.483的结果，并指出GIRL对最终业绩的边际改进（例如λ从0.002学习为0.0012）[page::0][page::23][page::24]
本文提出一种多视角对比学习框架，将卫星影像与OpenStreetMap语义信息与基于球面谐波的位置编码对齐，生成可从经纬度直接计算的低维空间嵌入，用于增强风险/定价模型的地理信息表示。作者构建了覆盖欧洲约95,857个采样点的数据集并训练多种尺寸的嵌入模型；在法国20万笔房价回归案例中，用嵌入替代原始经纬度能持续降低GLM、GAM与GBM的离样均方误差，并改善可解释性与对未见区域的迁移能力 [page::0][page::4][page::17].
