本论文提出了一种基于高频数据估计VaR和ES的方法，称为Realized Risk Measures（RRM），突破现有假设的自相似性限制，通过子调度器与移动平均滤波器去除微观结构影响，并采用厚尾分布拟合，结合特征函数和蒙特卡洛方法，实现对日频风险的精准估计和预测，在合成数据和美国18只股票实证中均优于现有方法[page::0][page::1][page::3][page::5][page::9][page::11][page::14][page::15]
本文研究了2024年俄乌战争相关新闻情绪与美国股市波动性的关系，采用Fine-tuned BERT模型进行情绪提取，结合带Student-t分布的GARCH模型分析市场波动。结果表明，负面新闻情绪显著增加标普500指数波动性，且VIX指标同样与波动率显著相关，而传统宏观经济指标作用有限，展现出AI与计量模型结合在地缘政治危机下金融风险分析的价值 [page::0][page::4][page::11][page::12][page::13][page::14][page::15]。
本文利用丹麦1987年引入联合申报的税改作为准自然实验，运用丹麦行政数据，研究所得税对毛时薪的动态影响。结果发现低收入工人的时薪弹性显著为0.4，主要通过晋升和跳槽渠道体现，而工作时间弹性不显著，年收入主要受时薪影响。此外，税收影响呈累积动态特征，回避了优化摩擦的短期估计偏差，为理解税收与劳动力市场关系提供了新视角 [page::0][page::1][page::10][page::20]。
本研究基于1990-2018年五个撒哈拉以南非洲国家的面板数据，采用固定效应模型，系统分析了发展金融机构（DFIs）、政治环境与外国直接投资（FDI）之间的关系。研究发现，尽管DFIs理论上有助于促进FDI流入，但全样本范围内该影响未显著，而GDP、人均贸易开放度、法治水平对FDI呈显著正向影响。部门层面上，DFIs对基础设施和金融领域的投资对FDI吸引效果较为显著，显示DFIs的促进效应具备行业依赖性。研究强调加强法治和聚焦基础设施等领域投资的重要性，并指出政治稳定性对FDI影响未达预期，提示政策制定需兼顾制度环境和宏观经济条件 [page::0][page::1][page::2][page::4][page::8][page::10]
本文针对具有多因素依赖结构的门槛组合信用风险模型，建立了超越经典Bahadur-Rao定律的sharp large deviation估计，涵盖对数光滑尾和正则变异尾两种情形。通过Laplace-Olver渐近方法与条件Bahadur-Rao估计，得出不同尾部形态下的概率前置因子及其多项式和对数修正，并证明了大偏差条件下的Gibbs条件极限原理，揭示了极端损失事件下的责任敞口敞口逐渐变得近似独立，损失分布经历指数倾斜。报告中还包括Value-at-Risk和Expected Shortfall的二阶近似，体现模型处于真正大偏差区间的条件[page::0][page::1][page::2][page::5][page::6][page::8][page::21][page::46]
本研究基于2021-2023年大规模美国民调数据，采用贝叶斯有序概率模型和有序分位数回归，揭示影响电动车(EV)购买意愿的关键因素及其在购买意愿全分布上的异质性。结果表明，充电基础设施信心和环保认知不仅提升高意愿消费者购买可能性，也降低怀疑群体的抵制意愿，购买意愿受政治认同、经验及人口特征等多维因素影响，强调量化异质性理解促进精准政策设计和市场推广的重要性。[page::0][page::2][page::4][page::16][page::23][page::27]
本文提出一种基于特征驱动的强化学习方法，针对光伏电在连续盘中交易中的不确定性，实现了在市场微观结构和实时价格环境下的最优顺序交易策略。该策略结合Proximal Policy Optimization算法与线性可解释策略结构，通过解析历史丹麦市场数据训练和验证，显著提升了盈利性并降低了电量不平衡风险，证明了其数据高效性和实时可部署性 [page::0][page::1][page::4][page::7]。
本文提出了一个基于有效交易的广义均衡模型，重新定义了交换、时间与不确定性机制。模型证明了存在纳什均衡，分析了福利性质、市场收敛与拓扑结构对均衡的影响，同时涵盖了生产、货币、跨期决策及开放经济的汇率机制。特别地，作者以模式（mode）替代传统期望，反映主体有限记忆和主观预期，形成了对量的货币方程的新诠释及货币政策传导的动态理解[page::0][page::39]。
本文提出基于银行流水数据的现金流承保流程，构建首个马来西亚微小中型企业（MSME）贷款申请银行流水数据集，并基于该数据开发多种机器学习信用评分模型。研究发现银行流水衍生特征在区分违约与非违约方面具有更高的信息价值，且结合应用信息能显著提升信用评分模型效果，实现对传统信贷评估的有效补充，推动MSME金融包容性提升[page::0][page::4]。
本文基于2010-2024年印度尼西亚、马来西亚和菲律宾股票市场日指数收益率，采用EGARCH/TGARCH模型与滑动窗口方法分析危机冲击（2013年Taper Tantrum、2020-2021年COVID-19疫情、2022-2023年加息周期）对波动率结构的动态影响。研究发现危机期间波动率持久性和非对称效应增强，尾部厚度加剧，体现极端波动增加。马来西亚制度成熟缓冲波动放大，菲律宾市场薄弱导致波动持久性延长。研究首次将制度差异与多危机波动率动态结合，揭示危机放大与制度缓冲机制，提出提升信息透明度和流动性支持的政策建议以降低危机下波动率持久性[page::0][page::1][page::12][page::24][page::27].
本文基于乌拉圭2021年微观调查数据，模拟三种信用数据可见性制度，探讨正面信用数据共享对信贷可获得性、利息负担及贫困率的影响。研究发现，扩大正面数据访问显著降低借贷成本，压缩利率差异，减少信用负担的基尼系数，促进金融包容与贫困缓解，数据作为非竞争性公共资产展现出强大再分配潜力[page::0][page::6][page::9][page::10][page::15][page::16]。
本论文研究了两类自适应市场参与者——做市商与市场买卖方，在内生价格形成的随机市场中，通过简单财富最大化学习算法（如梯度上升）演化出默契性合谋策略，使价格远高于竞争水平。结果表明，即使在高流动性且交易规模较小的市场中，学习动态也趋向于合谋均衡，揭示了AI驱动市场中未明示协调的合谋形成机制，为算法交易监管提供理论依据[page::0][page::1][page::2][page::6][page::8]。
本报告提出FLARKO框架，通过结合大语言模型(LLM)、行为知识图(KG)和Kahneman-Tversky优化(KTO)，实现了金融资产推荐的盈利性与用户行为偏好对齐。支持集中式和联邦学习架构，显示出在FAR-Trans数据集上的显著优越性，且资源高效，适合隐私敏感的金融环境[page::0][page::1][page::6][page::8]。
本文针对高频交易中限价单簿的最优策略构建问题，修正并完善了文献[6]中的部分计算错误，最终得出近似一致的价差和报价公式。通过解析贝尔曼方程和对报酬函数的渐近展开，提出了明确的报价扩展表达式，指出报价对库存的敏感度以及价差中的主要组成部分，且通过Feynman-Kac公式推导求解关键偏微分方程，辅助验证了优化策略的合理性 [page::0][page::9][page::16][page::17]。
本文提出了一种基于掉期利率分布及其相关性的新型Bermudan swaption定价模型，无需特定产品校准。该模型通过置换传统难以观测的均值回复参数为利率相关性指标，实现了对Bermudan swaptions风险管理的改进，并提供了多种解析与格点方法，支持不同市场条件下的估值计算。回测结果显示模型具有较强的市场拟合能力，且计算效率优于传统LGM模型 [page::0][page::1][page::8][page::9][page::12][page::14]。
本报告基于对标普500企业环境、社会与治理（ESG）得分及其与债务总资本比率（DTCR）的回归分析，发现ESG尤其是环境与社会得分能显著积极地信号传递企业的借债能力和风险状况。报告揭示ESG在人工智能盛行与投资主题转换中依然有效，且结合多种ESG得分组合的模型进一步验证了信号通道的稳健性。报告还提出针对机构投资者的资产配置建议，强调ESG与AI可并存并肩发展 [page::0][page::1][page::3][page::6][page::7][page::9][page::12][page::14][page::15]
本论文基于离散Ollivier-Ricci曲率和Ricci流方法，提出了一种全连接股票相关图上的曲率手术算法，揭示NASDAQ-100市场中的内在几何结构和股票群体层次。利用Ricci流迭代凸显正曲率与负曲率链接的差异，实现市场股票的自动聚类，无需预设簇数。通过多层迭代，成功识别半导体、生物制药、大型科技等细分子群和异常点，证明其在市场几何分析和复杂网络社区发现中的潜力[page::0][page::1][page::2][page::3][page::4]。
本文构建了一个结合金融中介角色的统一框架，系统对比了碳税和碳排放交易体系（ETS）两种主流碳定价机制在减排目标相同条件下的经济及环保表现。研究发现，在完全竞争市场下，两种机制结果等价；但引入金融中介后，ETS下中介行为导致监管财富及整体经济财富低于碳税方案，主要因中介操纵价格形成并截留部分收益。此外，碳税相比ETS能更有效激励绿色技术投资和集中化减排，特别在不确定排放情形下表现更优，这为碳市场设计和政策选择提供了理论与数值支持[page::0][page::2][page::3][page::13][page::22].
本研究基于动态因子模型（DFM）应用于菲律宾股票市场，利用卡尔曼滤波和最大似然估计分析提取的公共因子与因子负载，揭示市场系统性动态及趋势与波动的双重因子结构。所提模型优于CAPM与PCA，在捕捉系统风险及价格动态方面表现优良，并将提取因子应用于菲律宾GDP的即时预报，实现外样本预测误差降低34%以上，展示了动态因子分析在市场价格运动理解与宏观经济预测中的价值 [page::0][page::1][page::10][page::16][page::18][page::19]。
本文提出FR–LUX框架，结合加强学习与白盒控制障碍函数（CBF）-二次规划（QP）安全层，实现了针对波动率和流动性机制的成本感知且对多变市场状态稳健的SPX–VIX对冲策略。核心贡献包括无套利SSVI波动率曲面构建、Cboe合规VIX估计、多重尾部安全机制设计及理论保证（QP可行性、稳定性、正向不变性和无震荡），并通过可复现的合成实验显著降低尾部风险与交易振荡[page::0][page::2][page::5][page::7][page::10][page::11][page::14][page::15][page::19][page::33][page::34]。
