本文提出了一种基于Pearson扩散过程（具有线性漂移与二次扩散系数）对欧式看涨期权定价的新框架，该过程能捕捉收益率分布的偏斜和峰度。模型通过验证Novikov条件确保无套利且构建风险中性测度，实现标的资产价格唯一强解。实证采用印度Nifty 50指数期权数据，对比Black–Scholes与Heston模型，结果显示提出模型无论在历史参数估计还是隐含波动率估计框架下均表现优越[page::0][page::13][page::15][page::17][page::21][page::26][page::27][page::29]。
本文建立了基于击穿时间和层级传播的稀疏图局部相互作用粒子系统模型，证明了物理解的良定性及唯一性，结合动态渗流理论定量分析了违约蔓延的传播速度与网络拓扑的关系，扩展了Lacker等人工作至奇异相互作用的系统，提供了系统性风险数学框架，包含物理解的收敛性和经验分布收敛结果 [page::0][page::2][page::3][page::10][page::19][page::21][page::24]
本文提出了一种考虑交易成本的高维多周期均值-方差投资组合估计方法，采用非凸惩罚提升稀疏性与稳定性，通过局部线性近似算法（LLA）求解。理论上证明所提估计具有oracle性质，且收敛于最优交易成本感知组合。仿真及标普500、Russell 2000实证结果显示，该方法在成本控制与风险调整收益率方面显著优于传统策略，凸显其在大规模资产组合管理中的实用价值[page::0][page::2][page::26][page::27][page::30][page::32][page::35]
本文研究了在放宽基准跟踪和消费回撤约束下的最优消费问题，将其归结为具有动态状态-控制约束的随机控制问题。通过对原始问题的等价转换和对偶变换，本文提出了带有Neumann边界和自由边界的分段线性偏微分方程(PDE)的解析解，并证明了对应的最优投资和消费策略的反馈形式。文中设计了自反对偶扩散过程以辅助验证理论，并利用数值实验展现模型参数敏感性及资本注入的定量特征和金融含义 [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][page::19][page::20][page::21][page::22][page::23][page::24][page::25][page::26][page::27][page::28][page::29]
本文通过1999年至2024年SCImago数据，实证分析了影响金融学术期刊价值的关键因素，发现期刊质量(引用率)、网络效应(Elsevier生态系统)和女性作者比例显著提升期刊经济价值。研究揭示了引用政策文件进一步增强价值，且多样性对期刊产出和价值的积极影响，同时对未来政策和研究提出了建议[page::1][page::3][page::13][page::14][page::15]。
本论文从范畴理论视角出发，搭建了货币宏观经济核算理论(MoMaT)的数学基础，构建了由微观双重记账体系组成的宏观经济会计框架。重点在于货币的主要功能是贷款偿还而非商品交换，解决生产者投入与产出支付不同步的问题，实现宏观层面的时间一致性。通过八个部门宏观记账及其普适构造（极限与余极限），数值模拟展示了系统的稳定收敛性。范畴理论形式化了账目一致性、经济流的保守性及动态演化，提供了一种结构化、层次化的建模语言，利于构建货币会计系统数字孪生并推动多学科合作 [page::0][page::4][page::6][page::19][page::63].
本文针对具有实际约束的基金投资组合构建问题，提出采样式条件风险价值（CVaR）变分量子算法（VQA）方案，并结合局部搜索后处理方法，验证其在109量子比特规模的IBM量子硬件上求解复杂组合优化的可行性和优势。实验结果显示，量子-经典混合流程相比纯经典方法能获得更优解，且更难经典模拟的电路设计具有更好收敛性，为量子计算机在基金组合优化领域应用开辟了新路径[page::0][page::1][page::2][page::4][page::5]。
本研究提出了一种针对具有单调中介变量的因果中介分析框架，将教育的总效应分解为直接效应和多个互斥的“路径特异性单调效应”（MPSEs）。该框架允许不同教育阶段的效应受到不同协变量混杂影响，并基于弱于传统中介分析的假设，实现非参数识别和半参数有效估计。通过对NLSY97数据的实证分析发现，高中毕业对成年收入的影响主要来自直接效应，通过大学就读及毕业等后续教育阶段的中介效应较小，主要因个体在这些阶段的反事实进展率较低。研究结果为教育政策设计和后续干预提供了有效路径识别工具和量化方法 [page::0][page::4][page::20][page::23][page::26][page::44].
本文提出了一个基于蒙特卡洛模拟的养老金管理自适应框架，通过动态调整资产配置和养老金支付水平，有效降低了养老金计划运行成本与违约概率。以美国为例，在四种不同灵活度的养老金设计中，灵活调整资产组合和支付水平的方案显著提升了收益率并减少了资金缺口风险，展示了策略适应性的强大价值[page::0][page::1][page::4][page::9][page::11].
本文提出了AlphaEval，一个统一且高效的公式化alpha挖掘评价框架。AlphaEval从预测力、时间稳定性、鲁棒性、金融逻辑和多样性五个维度对自动化挖掘模型生成的alphas进行评估。实验结果表明，AlphaEval与传统回测结果高度一致，且评估速度显著提升，能够更全面识别优质因子并促进复现与社区开发[page::0][page::1][page::4][page::5][page::6]。
本文提出利用大型语言模型（LLM）构建30个具有不同风险偏好与认知偏差的合成交易者，模拟欧央行新闻发布会后投资者对欧元利率互换的不同解读，不同预测的标准差代表市场不确定性。三种提示策略对比显示，零样本提示能显著捕捉长中期限利率波动异质性，LLM作为裁判的方法在初期迭代进一步提升模型对真实市场波动的关联度。本方法为央行提供可预判市场反应的新工具，助力优化沟通策略和金融稳定性[page::0][page::3][page::24].
本论文提出了一种基于价值投资理念的AI自动交易策略AlphaX，专为巴西股票市场设计。该策略结合了基本面和市场数据，使用机器学习回归模型评估个股内在价值，并采用三重控制机制管理风险。通过严谨的模拟测试，AlphaX在18个季度内表现优异，超越巴西主要指数Ibovespa和基准利率Selic，并在风险调整收益方面显著优于传统技术指标（RSI、Stochastic和MFI）。文中还探讨了未来引入大型语言模型进行定性分析的潜力，为AI驱动的价值投资框架发展指明方向[page::0][page::2][page::3][page::4][page::5]。
本论文提出基于范畴理论的宏观经济建模框架，针对阿根廷双货币经济中动态演变的关键变量如通胀预期、利率及货币需求进行建模。通过引入对象、态射、函子、极限与余极限等范畴概念，结合2018-2023年实证数据，揭示均衡汇率与实际观测汇率之间显著结构性错配，并提出用于衡量贬值风险的聚合指标。研究显示范畴理论与机器学习等现代计算工具高度协同，提供了对复杂经济体更为鲁棒的政策分析与预测方法论[page::0][page::1][page::20][page::65][page::79]
本文提出结合GARCH波动率模型与双深度Q网络(DDQN)强化学习的混合框架，将VaR估计转化为分类问题，动态调整风险阈值以应对非线性波动和类别不平衡。基于16年欧元区Stoxx 50数据，模型显著提升了VaR预测准确率，减少了违规频率和时序聚集，符合Kupiec和Christoffersen测试，且极值理论支持其尾部风险拟合能力，为金融风险管理提供了统计稳健、资本高效的解决方案[page::0][page::1][page::2][page::5][page::13][page::14][page::17][page::21]
本文基于均值-方差准则，结合保险人和再保险人对赔付分布的异质信念，构建包含激励相容约束的动态再保险优化模型。采用分区域优化技术，解决扩展HJB系统，设计出超越比例和超额损失的最优再保险合约结构。特别针对具体信念异质形式，得到参数化显解，并与同质信念及无激励约束情况进行比较。数值结果揭示信念差异与激励相容约束对再保险策略构造的显著影响，为复杂实际再保险设计提供理论支撑 [page::0][page::3][page::8][page::12][page::17][page::19][page::20][page::26][page::31]
本报告提出了一种基于预训练transformer的多语言层级分类器，用于将在线招聘广告自动分类至多达2911个职业代码，覆盖24种语言。通过利用波兰官方手工编码的职业数据库及大规模行政数据，结合bottom-up和top-down两种层级概率估计方法，模型在多个层级（1至6位代码）展现出较高准确率，top-down方法显著提升性能。报告详细评估了数据质量、长尾标签分布及多语言翻译对分类效果的影响，并公开了训练数据和模型代码以便官方统计和科研应用 [page::0][page::2][page::9][page::25][page::30][page::34][page::35].
本文基于Lambda-Value-at-Risk(ΛVaR)风险度量，系统研究最优保险设计问题。针对期望值保险费原则，提出了停损型保险合同的最优免赔额闭式表达及充分必要存在条件，并推广至一般激励兼容赔付函数。研究了采用Λ'VaR作为保险费原则时的最优解结构，发现全保或不保策略最优。进一步考虑模型不确定性，以似然比和矩约束形式构建不确定集，均获得了相应的闭式最优解。数值结果揭示风险厌恶与模型不确定性对保险结构的影响，为理论与实践提供新见解[page::0][page::1][page::3][page::8][page::12][page::27][page::29][page::31]
本文提出了Quantformer，一种基于改进Transformer架构的神经网络模型，用于构建投资因子以直接处理数值型时间序列数据。利用超5百万条涵盖4601只中国股票的滚动数据，结合市场情绪信息，Quantformer因子在不同交易频率下的预测准确性及回测表现显著优于传统100因子策略，表现出较高的年化收益率和风险调整能力，表明该模型对未来量化交易策略具有重要意义 [page::0][page::3][page::21][page::22][page::24]。
本文提出EXOTIC算法，针对凸-非凹及非凸-凹min-max问题，采用重新构造的非凹-凸max-min框架，通过层级树搜索结合迭代凸优化求解，实现全局最优的精确解。理论上，算法在内层优化迭代次数和问题参数下给出最优性差距收敛率，并在数值例子与多玩家安全策略计算中优于梯度方法，填补了无凸凹条件下求全局最优的空白 [page::0][page::2][page::4][page::12][page::15].
本报告基于意大利代表性健康访谈微观数据，实证分析了收入对私人自付医疗支出的影响。结果显示高收入者年均自付医疗费用比低收入者多约300欧元，且高收入组健康状况更优，表明即便在全民医保体系下存在基于经济能力的隐性医疗支出配给现象。此外，本研究控制健康状况、保险覆盖及社会经济因素，体现结构性医疗不公平，建议政策聚焦低收入群体的经济负担，以实现更公平的医疗服务利用[page::0][page::7][page::8][page::12][page::18][page::20]
