本报告系统论述了区块链及Fintech对现代金融体系尤其企业融资的深刻影响，探讨了其在监管、环境可持续性、非法活动关联和市场效率方面所面临的挑战。报告指出，尽管Fintech具备替代传统金融的潜力，但其未来更可能趋于透明、高效且受到法规规范。分析涵盖了加密货币市场的价格偏差、NFT数字产权的兴起及其对传统金融体系的补充作用，为未来企业融资与市场监管提供重要视角 [page::0][page::4][page::6][page::9][page::11][page::13][page::15][page::16]
本报告研究了“cursedness”（诅咒程度）如何影响斯宾塞（Spence）工作市场信号博弈中的信息传递效率。通过构建Cursed Sequential Equilibrium（CSE），发现随着玩家的诅咒程度上升，工人的教育水平降低，成本信号减少且效率提升，但该提升依赖于信号空间的丰富性。实验回顾支持该理论，阐释了诅咒模型对工资压缩现象的解释意义 [page::0][page::2][page::8][page::11][page::14][page::15]。
本报告创新性利用社交媒体、新闻文章、关键词搜索等多数据源构建针对十个宏观经济变量的关注度与情绪指数，运用传统与机器学习模型显著提升对404只主要美股的日度波动率预测精度，特别在极端价格波动日平均提升达14.99%。研究确认FOMC会议及劳动市场指标相关情绪的预测价值，并识别谷歌趋势、推特及新闻文章为主要有效信息源，提出结合注意力与情绪的综合模型为波动率预测提供新视角，结果在多个经济行业及不同模型设定下保持稳健[page::0][page::23][page::33]
本文基于无套利和完全市场假设，运用资产定价基本定理(FTAP)构建了寿险类资产的动态定价框架，推导了包括终身寿险和寿险年金的定价公式，并强调贴现资产价格在无红利时的鞅性质。报告还讨论了动态经济中静态投资组合的信息集重构，为寿险合约的金融经济学计价提供理论基础[page::0][page::6][page::8].
本文从因果视角出发，结合经济计量多因子模型，提出一个包含因果关系的新型泛化误差上界，揭示市场非平稳性对模型泛化的影响。基于该理论，设计了能够发现不变因果特征的因果发现技术，有效减小泛化误差，显著提升股票预测模型对样本外（OOS）领域的稳定性和准确性。实证基于中国A股超4000只股票，采用多神经网络架构和多因子维度，实验验证该方法在实际投资组合中提升了年化收益率和夏普比率 [page::0][page::1][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10].
本报告系统综述了深度学习与大型语言模型（LLMs）在量化投资中，特别是α策略中的应用进展与技术演变。通过解析量化投资的主要流程，包括数据处理、建模预测、投资组合优化及交易执行，揭示了深度学习提升模式识别和复杂数据处理能力的重要作用。报告重点探讨了LLMs在情感提取、多模态时间序列预测与量化因子生成中的创新应用，及其在自动化投资代理中的潜力与挑战，为未来量化投资智能化提供宏观视角及前瞻方向[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]
本报告针对去中心化交易市场中的恒定乘积自动做市商（CPMM）模型，给出了池子价值的静态复制公式，利用欧式看涨和看跌期权组合实现池子价值的静态复制，提出了基于欧式期权长跨式策略的永久损失对冲方法，有效覆盖预设价格区间内的永久损失风险，并通过以太坊期权市场的实证数据展示了策略应用效果 [page::0][page::3][page::4][page::9][page::11][page::15]
本文利用Malliavin微积分技术，推导了跳跃扩散随机波动率Bachelier模型下，在行权价等于标的当前价格时隐含波动率（ATM-IV）水平和偏斜的短期渐近行为，涵盖了复合泊松和广义纯跳Lévy过程。结果表明，短期ATM-IV水平在纯跳Lévy过程类别内一致，偏斜存在性取决于跳跃分布的性质。此外，论文还提供多种带跳跃和随机波动率模型的数值示例，验证理论准确性，为含跳跃随机波动率模型的期权定价与风险管理提供了理论依据和实用方法。[page::0][page::1][page::5][page::7][page::16][page::26][page::27]
本报告构建了AMM与其战略性流动性提供者（LP）之间的领导者-跟随者随机博弈模型，推导出近似闭式均衡合约。研究表明，LP仅在流动性增加能够显著吸引更多噪声交易时，才有激励提供流动性，合约依赖于外部价格、池内参考价格及储备量。基于2022年ETH-USDC市场数据，验证了流动性与订单量正相关性，对AMM设计优化与LP盈利性提供理论指导 [page::0][page::1][page::15][page::18][page::20][page::30]。
本报告提出利用piecewise deterministic Markov Process（PDMP）建模资本市场最大回撤记录，系统推导了最大回撤记录序列的均值和方差等统计特性，并开发了相关参数估计与模拟方法。通过对标普500指数的实证应用，验证了模型的有效性和实用性，提供了一套可用于金融风险管理的强有力工具。该方法不仅有助于理解极值记录问题，还为多状态风险动态分析提供理论与数值支持 [page::0][page::1][page::3][page::5][page::15][page::16][page::16].
本报告利用美国金融顾问与公司匹配的长期面板数据，深入研究职业激励如何推动顶尖金融顾问在职业早期积极投资关键资质、承担更高合规风险并实现向更大公司跳槽的现象。研究发现，顶尖顾问在被排名前不仅更可能通过关键投资许可（如Series 65/66），还承担高达7倍的客户纠纷风险，但同时享有更低的劳动市场处罚。通过经纪人招募协议（Broker Protocol）的分阶段实施，报告揭示了劳动市场摩擦降低导致的动态人才排序，顶尖顾问更集中于协议成员公司，体现职业激励与风险容忍度在金融行业的深刻互动[page::0][page::4][page::11][page::17][page::20]。
本报告基于1980至2024年S&P500指数的历史数据，深入分析股票收益累积期间内收益与损失分布的非对称性。研究发现去趋势后收益分布的均值随累积天数近线性增长，方差与天数也呈线性相关，且损失端尾部明显更重。通过对收益和损失的补充累计分布函数尾部进行幂律拟合及异常值统计检验，发现传统对称或近对称分布理论难以解释负偏态和尾部行为异质性的实证结果[page::0][page::1][page::4][page::5][page::14]。
本著作系统构建了基于信息可得性的新范式下经济系统的随机模型，提出了消费者选择和企业决策的随机场描述，介绍了涵盖生产技术映射、无套利条件与经济均衡的数学结构，并进一步发展了经济变换理论，结合实际，如乌克兰经济分析，阐述了该理论对复杂经济系统的解释与应用 [page::0][page::2][page::3][page::4][page::5][page::6][page::138][page::147][page::166][page::369][page::382]。
本报告提出了FinArena，一种基于人机协作的金融市场分析与预测框架。该框架结合多模态金融数据与用户风险偏好，通过多代理LLM系统和自适应检索增强生成机制解决传统方法的局限性，并在美股和A股市场通过丰富实验证明其在股票走势预测和交易模拟中的领先表现[page::0][page::1][page::8][page::11][page::12]。
本报告针对高频交易中因交易费用导致的收益标签严重失衡问题，提出了一套端到端深度学习框架，结合多种标签不平衡处理方法（如欠采样、代价敏感学习、加权损失和焦点损失），成功提升了中国期货市场1分钟收益预测的准确性。实验证明LSTM与Mamba模型在捕获时间序列特征上表现较优，而代价敏感损失和加权损失优于传统采样方法，应对标签失衡效果显著 [page::0][page::2][page::8]
本报告针对风电-电池混合可再生能源资产，提出了一种连续状态下的随机控制调度模型，核心在于动态优化电池能量存储系统（BESS）以实现发电与日前计划的对齐（firming）。报告设计并实现了基于高斯过程的回归蒙特卡洛算法（SHADOw-GP），支持多种目标函数（如二次偏差、削峰、寿命衰减等），并通过对德州ERCOT网的140+风电资产数据的实证校准，展示了混合化带来的显著经济利益和调度灵活性提升 [page::0][page::1][page::2][page::4][page::8][page::15][page::18][page::24][page::25]。
本报告提出了半决策聚焦学习（Semi-Decision-Focused Learning）框架，通过使用简单的目标投资组合和凸交叉熵损失函数来稳定和强化深度学习在投资组合优化中的应用。此外，深度集成（Deep Ensemble）技术被引入以减少模型预测的方差，提升优化效果和鲁棒性。基于两类不同市场环境的股票池实验显示，该方法显著优于传统基线策略，证实了其在多变市场中的实用价值和性能优势 [page::0][page::1][page::2][page::3][page::4]。
本报告结合印度三大重要作物（大豆、稻米、棉花）的价格数据和气候变量，采用EGARCH模型估计价格波动，并通过SARIMAX引入气象因子进行长期预测，利用Black-Scholes模型计算隐含的最低支持价格保险费率。研究强调气候变化情景（SSP2-4.5和SSP5-8.5）对价格波动及保险费率的显著影响，提出通过政府购买保险对冲最低支持价格风险的创新财政机制，以实现农业金融的可持续发展和气候风险管理[page::0][page::1][page::5][page::6][page::9]。
本研报提出了一种基于层级图结构和Schur补方法的资金组合优化新框架。该方法以Sierpiński图为模型，通过递归应用Schur补，有效降低计算复杂度，仅需逆转小规模子矩阵即可求得最优权重，同时保留完整协方差信息。研究揭示了传统Markowitz均值方差优化、层级风险平价与Schur补方法间的本质联系，并提供了具体递归算法，实现规模无关的高效组合构建。实证中，该方法通过区分连接节点和内部节点，递归合成组合权重，验证了算法准确性及有效的风险分解，为大规模资产组合提供了新型稳健的优化工具。[page::0][page::1][page::2][page::3][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14][page::17]
本文提出了一种基于沃尔德准则的统计区分性评级尺度设计方法，通过限定评级区间的最小观察样本量以保证各评级之间的统计可区分性，有效提升了评级验证的稳健性。该方法避免了过度划分评级等级导致的验证过度失败和资本要求过高问题，并对三个风险分布进行实证测试，结果显示在企业贷款领域可显著降低校准的违约概率，从而节约资本需求，促进更有效的风险管理 [page::0][page::2][page::4][page::14][page::19][page::23].
