金融研报AI分析

本报告原文已被发布者删除，报告正文、图表与数据不可访问，故无法完成常规的内容提取与分析；建议联系发布者或使用备份来源获取全文后再行评估与摘录。[page::0]

哪些热点板块机构投资者占比在提升？

本报告基于“ETF机构持仓穿透算法”对ETF与其联接基金披露数据进行修正，揭示了2025H2机构与个人在股票型、债券型、商品型及宽基/主题ETF中的持仓规模与占比变化，发现股票型ETF机构持有比例回升至65.98%，且机构对周期、大金融与A500等板块/宽基的持有比例显著提升，为理解机构配置与市场结构变化提供量化证据 [page::1][page::2][page::12]

报告基于华泰金工构建的“全频段量价融合因子”，并将该因子应用于多类量化策略（中证1000增强、行业轮动、主题/概念指数轮动及LLM增强文本选股），回测与实盘结果显示因子层表现显著、增强策略长期稳定超额，AI中证1000增强自2017年回测以来相对中证1000年化超额22.06%，AI行业轮动与主题/概念轮动分别实现显著超额收益，文本LLM-FADT在引入大模型解读后超额回撤降低且长期收益率优异 [page::1][page::6]

华泰金工 | 险资ETF配置情况盘点

报告梳理了2025年下半年险资在ETF端的配置演变：险资权益类ETF持仓规模由2022年底的574亿元增长至2025年末超过3500亿元，A股宽基与行业ETF为主要配置方向（A股宽基约1540亿元、行业ETF约1110亿元），港股TMT持仓亦显著提升，但红利类ETF持仓明显回撤；此外报告给出近期ETF资金流向、发行与交易热度，并披露一套基于趋势与月频行业轮动的绝对收益ETF模拟组合及其回测表现 [page::0][page::1][page::8]

华泰金工 | 重视成长风格的结构性机会

报告指出在地缘政治扰动下需以控制组合整体波动为主线，同时三周期滤波显示中国增长因子或处于复苏初期，为A股结构性成长行情提供基本面支撑，因此建议“仓位保守、结构积极”，并通过风格择时和行业轮动来偏重成长与小盘机会 [page::0][page::9][page::6]

Financial Relativity: An Information-Geometric Interpretation of Asset Pricing

本文提出“金融相对论”：将风险中性测度Q重新解释为由终端结构信息约束下的后验概率几何，资产价格为终端收益向信息子空间的几何投影，并由信息几何的演化产生价格动力学与波动率关联，给出离散与连续场方程原型并导出可检验结论（如波动率与后验方差的结构性联系）[page::0][page::5][page::21].

Forecasting Tangency Portfolios and Investing in the Minimum Euclidean Distance Portfolio to Maximize Out-of-Sample Sharpe Ratios

本论文提出一种通过预测有效前沿的可解释系数（r_MVP、σ_MVP、u）来预测切线组合，并在当前有效前沿上选择与预测切线组合欧氏距离最小的投资组合，从而在样本外实现更高的Sharpe比率；实证覆盖两类资产组合并显示该方法在Sharpe比率与回撤控制上优于四个基准 [page::4][page::8]

Asset Allocation Using a Markov Process of Clustered Efficient Frontier Coefficients States

本文提出将每月高斯均值-协方差有效前沿（EF）分解为可解释系数(r_MVP, sigma_MVP, u)，用这些系数经 DTW + 分层聚类得到可观测市场状态，并建立状态间的马尔可夫转移概率；在每个状态内仅用该状态的数据求解切线组合，再按从当前状态出发转移到各状态的概率加权这些状态权重，得到期望组合，从而缓解均值方差模型的非平稳性问题并显著优于多项基准（回测在多资产集合上显示出更高 Sharpe 和正的 alpha）[page::3][page::5][page::6][page::16][page::18]。

Using Machine Learning to Forecast Market Direction with Efficient Frontier Coefficients

本文提出将可解释的有效前沿系数（r_MVP, σ_MVP, u）作为特征，用在线CART分类树每月预测市场涨跌，并以该方向性概率通过逆Mills比率与CAPM映射为条件期望收益以构建切线投资组合，实证显示在1999–2022数据上（2008–2022为检验期）该方法在Sharpe比率和超额回报上显著优于基准组合，验证了有效前沿系数对市场方向的描述能力 [page::1][page::10][page::14]

PolySwarm: A Multi-Agent Large Language Model Framework for Prediction Market Trading and Latency Arbitrage

本文提出 PolySwarm：一个部署50个异质LLM角色的多智能体实盘/模拟交易框架，通过置信加权贝叶斯聚合（swarm + 市场先验 70/30）、KL/JS 信息论检测跨市错配、以及基于对数正态模型的CEX→DEX延迟套利模块，实现了在Polymarket上的概率校准与交易决策自动化；实验显示群体聚合显著优于单模型基线并改善校准表现，为预测市场自动化交易提供系统性设计与风险控制建议 [page::0][page::12].

A comparative, multiscalar, and multidimensional study of residential segregation in seven European capital cities

本文采用100m×100m栅格与101个重叠半径（0–10km）的“定制多尺度区域”测量方法，按Massey & Denton的五个维度（centralisation、evenness、exposure、clustering、concentration）比较阿姆斯特丹、柏林、里斯本、伦敦、马德里、巴黎与罗马的族群居住隔离，发现不同维度与不同尺度下的隔离特征差异显著，且隔离不一定随尺度增大而减弱（例如阿姆斯特丹在某些尺度上隔离反而上升）[page::1][page::17].

Connecting Distributed Ledgers: Surveying Novel Interoperability Solutions in On-chain Finance

本论文系统性梳理并比较了主流跨链互操作性方案（如 LayerZero、Wormhole、Chainlink CCIP、Circle CCTP、Connext、Hop、Across、Polkadot、Cosmos），分析它们的架构、安全模型与局限，并以 LayerZero 与 Wormhole 的使用统计为例，提出可用于衡量互操作性金融影响的网络指标与回归模型（M1–M5），并报告了交易量、TVL 与收入间的若干显著关系，供后续实证研究拓展 [page::1][page::5][page::17][page::19]

SoK: Blockchain Agent-to-Agent Payments

本文系统化审视了区块链支持的 Agent-to-Agent (A2A) 支付，提出并使用“发现—授权—执行—记账”四阶段生命周期模型来组织现有设计与风险，识别了弱意图绑定、授权被滥用、支付与服务脱节及问责不足等核心挑战，并指出增强跨阶段一致性、行为感知控制与可组合支付工作流为未来方向 [page::0][page::3][page::13]

Adaptive VaR Control for Standardized Option Books under Marking Frictions

本文提出一种面向标准化期权账簿的次日VaR自适应控制框架：以滚动LightGBM分位数预测为基底，结合一侧序贯 conformal 重新校准（基于带时衰权重的残差上分位缓冲）来补偿尾部低估，并显式考虑次日标值的匹配/插值误差。实证使用2018–2025年的SPX期权数据，显示未校准基线在三类标准化账簿上系统性低估下行风险，而顺序校准将超越率显著拉近10%目标并改善滚动窗口稳定性，同时提供了近似一步超越控制理论解释和标值失真界的量化界定 [page::0][page::18][page::16].

The Ideation Bottleneck: Decomposing the Quality Gap Between AI-Generated and Human Economics Research

本文提出将研究质量拆分为“研究创意质量（ideation）”与“执行质量（execution）”两部分，并基于953篇论文的双模型SFT想法评估与六维度执行量表发现：创意差距占整体AI‑人类质量差的约71%，执行差距约29%，说明自动化经济学研究的主要瓶颈在于创意生成而非纯粹的计量执行细节 [page::0][page::9]

Financial Dynamics and Interconnected Risk of Liquid Restaking

本文系统考察了液态重质押（liquid restaking）生态的商业模型与连带风险，针对 Renzo Protocol 的数据采用 OLS、Granger 因果和随机森林等方法，发现：Renzo 的收入主要受 EigenLayer 的 TVL、ezETH 的多链部署（L2 TVL）与 ezETH 的收益率驱动；Renzo 在以太坊主网的 TVL 与收入并无显著正相关；尽管 ezETH 在外链桥接带来桥风险，但以当前规模尚不足以对以太坊的共识安全构成系统性威胁；文章并通过情景与压力测试量化了若干桥接与合约失败情形下的溢出效应与清算风险 [page::4][page::5][page::6][page::7]

Artificial Intelligence and Systemic Risk: A Unified Model of Performative Prediction, Algorithmic Herding, and Cognitive Dependency in Financial Markets

本文提出一个三层统一模型，表明AI采纳通过（1）performative prediction、（2）algorithmic herding（信号相关性）和（3）cognitive dependency（三个相互强化的通道）共同放大系统性风险，核心均衡量为耦合项 r(φ)=φρβ/λ′(φ) ，由此得到乘数 M=(1−r)^{-1}，并随AI渗透率呈超线性上升；基于完整的13F持仓面板与Bartik工具变量估算，论文将尾部损失放大估计为约18%–54%，具有重要宏观审慎含义 [page::0][page::15][page::1].

金融研报AI分析

哪些热点板块机构投资者占比在提升？

华泰金工 | AI模型看好红利风格