FOF配置周报：市场震荡分化，关注布局防守配置
本周FOF配置周报显示市场震荡分化明显，权益市场呈现“大盘强、小盘弱”的特征，量化股票策略整体超额收益偏低，动量因子承压、风格向大盘价值偏移。CTA策略方面盈利主要来自能化板块，原油受地缘因素影响波动加剧，分散型中长周期策略回撤压力增大，趋势强度需进一步确认。总体波动率回落但趋势稳定性仍待验证，地缘冲突风险不容忽视。基于上述变化，建议在量化股票端采取中性/防守配置，CTA端以分散持仓为核心配置，以应对短期波动与潜在风险 [page::0]
金融研报AI分析
交通运输行业周报-暑运第3周客流增长客座率上升，新疆航班增速进一步提升
暑运第3周全国民航需求继续释放，客流增速领先于新增运力，旅客运输量同比增7.5%，达到1728.2万人次；客座率提升至85.1%，同比提高1.1个百分点，显示旺季需求回暖，对单位航班收益和收入修复具支撑。国内航线增量显著，国内航班量约10.7万班，同比增长6.0%；新疆区域表现突出，新增航线及枢纽扩张提升区域客运弹性，乌鲁木齐及周边旅游目的地航线密度提升，带来区域产业链和上市公司经营弹性。建议关注暑运客流增长及新疆市场扩容带来的经营机会与风险控制点 [page::1]
化工行业周报20260726-国际原油、聚合MDI价格上涨，有机硅DMC价格下跌
本期化工行业周报聚焦国际原油与聚合MDI价格上涨、有机硅DMC价格下跌以及供需与成本变化对后市的影响，结合7月重点关注方向（中报行情、断供稀土引发的涨价、电子材料等领域需求回暖、染料与长丝等 sub行业的修复状况），提出在地缘冲突与供给端变化背景下的投资主线与风险点，建议关注油价高位景气下的龙头企业与新材料领域的成长机会，同时警惕需求放缓与地缘政治波动带来的波动风险 [page::1]
有色金属行业周报-Grasberg复产压制铜价，有色金属板块震荡分化
Grasberg矿区复产渐进、未来18个月释放边际增量，若实现满负荷将压制铜价的中期上行空间 [page::1]；智利强降雨降雪导致Caserones停产并启动冬季应急，北部核心矿区仍在运转，短期更多体现为情绪性支撑而非结构性冲击 [page::1]；Sigma锂业环保禁令构成短期供给扰动，锂价获得情绪支撑但中长期全球锂产能仍在过剩格局之中 [page::1]；贵金属价格本周持续走强，库存继续去化，市场对后续价格路径的判断将更多依赖需求侧的实际拉动（如AI数据中心与电网投资等） [page::2]。
医药生物行业周报-医疗设备招投标边际改善，关注高值耗材续标进展
本周行业维持低位，设备招投标边际改善与集采政策推动将提升头部企业在渠道和成本上的竞争力，推动行业集中度提升。下半年高值耗材续标规则趋于温和，国产替代与全生命周期成本理念将提振龙头企业市场份额，同时七批国采启动可能重塑消化介入市场格局，投资者应聚焦产品组合完善、成本优势及渠道壁垒显著的龙头。 [page::1]
上半年工企利润数据点评-“扩内需”仍是稳定工业企业盈利能力的关键
本报告围绕上半年全国规模以上工业企业利润的增速与结构展开，提出“量、价”共同驱动盈利能力回升的判断，并指出扩内需是稳定工业企业盈利水平的关键。上半年利润总额达39479.9亿元，同比增18.7%，6月同比增速为15.1%，但总体盈利增长态势仍保持较快。工业增加值同比5.4%，PPI及生产资料PPI分别为1.5%与2.2%，显示需求与价格端共同对盈利形成支撑。上游产业（采矿业、原材料制造业）贡献显著，分别拉动盈利增速4.2pp与7.0pp；人工智能对电子行业利润的拉动显著，相关子行业利润增长强劲，显示高技术产业盈利能力突出。风险提示包括海外大宗商品价格波动与地缘政治不确定性，以及未来宏观环境仍存在不确定性，需继续以扩内需政策维持盈利稳定性。 [page::0]
深度一小时 | 基于GFlowNet和AlphaEval的分钟频因子挖掘
本报告提出在分钟频数据上，结合GFlowNet与AlphaEval的因子挖掘框架，建立因子生成、筛选与回测的端到端流程，初步显示对短频量化具备潜在价值及需关注的鲁棒性、噪声与执行风险 [page::0][page::1]
基于GFlowNet和AlphaEval的分钟频因子挖掘筛选框架
本报告提出以GFlowNet与AlphaEval为核心的分钟频因子挖掘筛选框架，结合日频数据文法及分钟频快速计算架构，形成日频+分钟频的多维度因子池。GFlowNet通过流量守恒与Trajectory Balance目标，在日频数据上筛选出高IC的因子群；随后引入MemMap分布式计算和并行框架实现分钟频特征的快速挖掘：日内block与日频tree分解并行计算，LRU缓存及溢写机制提升效率[page::0][page::1][page::4]。AlphaEval从多样性、预测能力、秩稳定性、金融逻辑性与扰动鲁棒性五维进行综合筛选，在1134个候选因子中通过DPP初筛，得到800个因子，随后用LGBM合成并在沪深300、中证500和中证1000等宽基上实现稳定的正超额收益[page::14][page::15]。将筛选后的因子与现有AI模型融合，形成指数增强策略，通过对比沪深300、中证500与中证1000的回测数据，展示了显著的超额收益与可控的波动性[page::15][page::16]。同时报告也明确风险提示，包括模型时效性与交易成本变化带来的收益波动风险[page::6]。[page::19]
Cylindrical Projections of Occupied Diffusions
本研究提出并分析圆柱投影法，将占用流从无限维的状态空间投影到可控的有限维系统，保留路径依赖的关键信息。作者给出强收敛性与收敛速率，给出 Euler–Maruyama 离散化的实现方案，并在 Cranston–Le Jan 自吸引扩散以及局部占用波动 LOV 模型等金融应用中验证数值性能。还给出弱误差分析及其对 Monte Carlo 估计与期权定价的影响，为路径相关的金融模型提供一类通用且可控的数值工具 [page::1][page::5][page::12][page::21]
Equilibrium in Functional Stochastic Games with Mean-Field Interaction
本文提出适用于具有均场耦合的有限玩家随机博弈的一般框架与半解析解法。核心在于将各玩家的一阶条件统一转化为带前向后向成分的随机 Fredholm 方程，并通过引入算子逆等结构获得其半解析解，从而得到 Nash 均衡的全局表达。接着给出该系统的稳定性结论，证明有限玩家博弈的均衡收敛到相应的均场均衡，并给出 mean-field 极限下的 ε-Nash 近似结果，显示在某些条件下均场解对大规模参与方具有良好近似性。最后将通用框架应用到若干典型模型，如随机 Volterra 线性二次博弈、系统性风险模型、带时延的广告与传播性竞争，以及具有瞬态价格冲击的最优清算博弈等，以展示方法的广泛适用性与数值可操作性。 [page::0]
Technology Shocks, Relative Performance Measures, and Outcomes: Evidence from Classical Chess
本文在2020年秋季引入的神经网络棋局改进背景下，量化了平局率的显著上升及其在评分-结果映射上的含义，发现平局率在2021年后上升约4个百分点，但评分分布变化很小，且在同等级别的重复对局中亦成立；通过一个线性评分重标映射可以解释超过90%的post-minus-pre的平局、White-win、Black-win的变动，表明同一评分水平在Post-Covid时期对应的实际“实力”水平上升。更重要的是，玩家的整体排名与分布变动很小，表明改进在相对水平上广泛传导而非仅限于部分玩家；这些发现与Stockfish 12等神经网络驱动的发动机改进时间吻合，提示对相对表现的测量可能与绝对能力的提升存在分离关系 [page::0][page::1][page::16][page::25]
Type-Specific Wages as a Distributional Buffer in TANK
本研究在TANK框架下引入两类劳动者的类型特定工资与工资粘性，揭示分类型工资能充当分布性缓冲，部分抵消利润转移对 hand-to-mouth 与 savers 的冲击传导。若 inherited wage dispersion 为零且分布楔路径呈几何形式，劳动收入再分配对直接 incidence 的冲击具有部分抵消作用，且该缓冲来源于劳动需求再分配而非单纯工资变动，因 ψw > 1 时就业对相对 earnings 的贡献占优于工资端。以一个基准货币实验为例，峰值消费差距在两种工资设定下分别为0.504%和0.873%，差异为42.3%；峰值产出差距仅相差2.3%。在36组参数网格上，消费差距的排序保持稳定，幅度在10.9%到47.8%之间；产出差距在0.06%到9.0%之间，大多数情形的聚合传导与基准接近。结论强调工资设定制度对分布性 incidence 的重要性，与仅看聚合传导的结论不同（见图像比对与状态分解）。以上结果基于对比两种闭包下的传导路径，强调这是对制度的量化对比，而非单一参数的因果效应或福利排序。 [page::7][page::8][page::15][page::16]
Optimal Control with Expectation Constraint in a Smooth Boundary Case
本报告研究在光滑边界条件下、带期望约束的随机最优控制问题，给出边界吸收性与Dirichlet边界条件的PDE刻画，提出有界控制近似及截断的 martingale 表示以实现比较，并通过 PINN 实现数值解，最后在资产-负债管理的 toy 模型中给出初步数值结果与误差估计，证明收敛性并展示了数值可行性与潜在应用。 [page::0]
Variational Quantum Conditional Boltzmann Machines for Time-Series Forecasting: Architectures, Symmetric Hyperparameter Evaluation, and a Nonlinear Benchmark
本研究提出并系统比较四种条件能量基时间序列预测架构（经典高斯–伯努利 CRBM、混合量子-经典 QCRBM、全量子三寄存 QQRBM、以及 lag-feature QFeatureQRBM），给出完整的能量函数、对比散度梯度与混合训练流程，并在两类数据集上进行对称超参数优化与两区域评估。结论是：在可获得的样本规模(n=12)下，未发现任何量子体系对最佳经典基线的显著超越；全量子结构表现显著劣于经典基线，混合型 QCRBM 与 strongest classical CRBM 在统计上无显著差异。iso-parameter（匹配预算）对比亦未发现稳定的量子优势；研究还强调对称超参数搜索的重要性、量子梯度可训练性的界限，以及未来在更大规模或硬件化实现中的潜在方向。上述结论以 Abstract 及实验结论为来源，可在后续分析中复现与溯源 [page::0]
AI Strategy: How to Choose What AI Product to Implement
The paper introduces the eROI framework to select AI investments by decomposing expected ROI into three independent components: Value if Successful, Likelihood of Success, and Investment Required. This separation avoids the common ROI trap and supports portfolio-level decision making rather than chasing a single top project. It emphasizes enumerating many ideas, rating them across the three pillars with coarse scales (Low–Very High), and constructing a diversified mix of bets. Compass case studies illustrate how projects with high eROI (e.g., Likely-to-Sell recommendations) outperform weaker ideas (e.g., Time-on-Market pricing) and how rigorous consideration of uncertainty guides governance and deployment. The framework also highlights responsible deployment considerations (privacy, fairness, disclosure) as part of the Integration and Productization effort that can influence a project’s eROI. [page::1]
One Other Option Pricing Scheme
This paper introduces a parsimonious and interpretable framework that directly parameterizes the risk-neutral quantile function to control the shape of the implied volatility curve, including local concavity and non-convex shapes observed in modern markets. The approach calibrates across a quarter million implied volatility curves over the past two years, producing stable parameter patterns across tenors and moneynesses that enable term-structure interpolation and dynamic process construction without static arbitrage. These results demonstrate strong empirical performance and practical tractability for a broad set of market conditions [page::0].
The Fundamental Structure of Risk: From Characteristics to Covariance
CD-DFM 将资产跨截面表示建立在可观测的公司基本面特征之上，利用非线性编码形成有经济含义的潜在几何结构 [page::0]。 通过两个线性头实现软 memberships 与载荷，从而在潜在空间中推导出可解释的因子并据此构建 ft 与 Σˆ(t) 的前向协方差 [page::2]。 训练目标结合前向协方差损失与因子重建损失，使模型直接优化未来二阶矩的匹配并保持对返回的锚定 [page::7]。 在2022–2024 的样本外评估中，CD-DFM 能在较低频信息下实现对协方差的良好校准、具备稳定行业主题的因子以及对未见资产的零样本上线能力 [page::21]。 该方法在三个方面同时领先于基线，且可从特征直接映射到 latent 距离，使跨资产 Universe 的泛化成为现实 [page::24]。
<paper_title>How to Disrupt a Market
<paper_abstract>We show that a partial disruption to delivery reduces market efficiency and sellers’ earnings while leaving buyers’ earnings largely unchanged, with efficiency drops around 70% (delivery) and 76% (combined) relative to baseline. The disruption also increases market concentration as a dominant seller emerges over time. By contrast, a rating attack has no meaningful impact on market efficiency. These findings offer evidence-based insights for policy interventions targeting illicit markets, highlighting delivery-focused disruptions as a potentially effective tool [page::5][page::6][page::7].
Randomness in large language models: What researchers need to know (and report)
本研究揭示大型语言模型输出的非确定性及其对实证研究的影响，强调将模型输出视为来自分布的抽样结果而非固定值。通过梳理 Deliberate sampling、Silent model updates、Floating point rounding 和 Expert routing 等关键来源，分析可控与不可控因素，并以年报文本情感分类实验量化影响，提出面向作者与期刊编辑的可重复性报告与验证标准，为未来研究提供系统性框架 [page::1][page::3][page::4]
A World of Ginis
本研究系统梳理全球与区域不平等数据库的可比性问题，汇总成包含122,351条观测、覆盖222个国家与地区、1867–2024年的统一数据集。研究发现：收入基Gini普遍高于消费基Gini，全球平均差约4.7点，北美等地区差异更大且随发展水平下降而扩大；净/毛收入及等价规模等因素也带来显著偏差。基于证据，本文给出按地区与收入组划分的纠偏系数，用以 harmonise 不同福利概念下的Gini，并揭示自1960年以来跨数据库分歧的演化路径及其主要驱动，强调数据元数据透明和版本控制的重要性，提出实务性操作建议以提升跨国比较的可比性。[page::0]
