本报告系统回顾了目标日期基金（TDF）的理论基础与行业发展，重点分析其在智利2025年退休金改革中的应用。研究建议设计动态滑动路径，结合累积财富和投资者风险偏好进行调整，并倡导基准组合设置宽松偏离空间，以促进多样化资产配置和增强基金经理间竞争。报告还强调未来需结合智利特有参数制定适切的滑动路径模型，以优化退休储蓄长期收益表现 [page::0][page::12][page::14]
本报告提出了QuantBench，一个面向量化投资的工业级AI算法基准平台，涵盖完整的量化投资流程，支持多样化模型和多类型金融数据。实证结果揭示持续学习应对分布漂移、复杂关系数据建模及模型集成缓解过拟合等重要研究方向。QuantBench旨在促进行业与学术界融合，加速AI量化投资的发展 [page::0][page::1][page::6][page::7].
本报告基于金融混沌指数（FCIX）构建非参数分割的三阶段波动率模型，揭示了低、中、高混沌三大市场状态的统计特性及演化机制。结合MLP混合分布拟合，定量刻画市场波动的重尾行为和时变结构。采用弹性网回归对情绪驱动的宏观、政策、地缘政治不确定性进行分阶段预测，表明不同信息因子对VIX预期波动具有显著且分 regime 依赖的解释力，构建统一视角解析系统性风险的历史演变与市场预期 [page::0][page::4][page::13][page::16][page::21]。
本研究基于广义Hurst指数，通过多重分形去趋势波动分析法(MFDFA)，研究COVID-19疫情对股票市场（DAX、Nikkei 225、SSE、VIX）及加密货币市场（比特币、以太坊）中价格收益率、绝对收益率和波动增量时间序列的市场效率影响。结果显示疫情影响在资产类别和市场之间存在差异：疫情显著影响股票市场价格收益率和绝对收益率的市场效率，特别是DAX与Nikkei 225，但SSE收益率无明显改变；加密货币市场的Hurst指数无显著变化，但收益率和绝对收益率的多重分形强度发生了变化。波动增量的市场效率基本不受疫情影响，且分析揭示逐步下降的Hurst指数易误导基于时期划分的疫情效应判断，提示需谨慎解读区间分段研究结果[page::0][page::6][page::7][page::8][page::9][page::14].
本报告系统梳理了比特币价格预测的可能性与挑战，通过理论回顾、实证分析、机器学习与时间序列模型，论证加密货币市场趋向效率，但信息不对称和行为异常仍偶现可套利的无序性。基于对多种量化策略、随机游走、马丁格尔模型及多种技术指标的回测，结论显示无明显超额收益，暗示市场至少呈弱式效率，且机器学习模型准确率偏低。文中还探讨了比特币基本面价值、市场行为驱动因素和市场规制建议，为投资者和监管者提供理论与实操参考 [page::0][page::3][page::7][page::16][page::26][page::28][page::29]
本论文采用Bornholdt改进的Ising模型，通过蒙特卡洛模拟，成功重现了标普500指数中金融市场的多项统计特征，包括波动率聚类、负偏度、厚尾分布及绝对收益的自相关衰减等，验证了该物理学模型在刻画市场复杂性的有效性，为市场行为的理论建模提供了新的视角和方法论支持[page::0][page::3][page::4][page::5]。
本报告提出将大型语言模型（LLM）生成的视角融入Black-Litterman资产配置框架，通过对标S&P 500成分股的历史数据和公司元数据，预测股票预期收益并量化预测不确定性，进而优化投资组合。实证回测显示，基于LLM视角的组合优化明显优于传统均值方差模型，且不同LLM在预测乐观程度与置信稳定性上存在差异，影响组合表现，为自动化动态生成投资者视角提供了新思路 [page::0][page::1][page::4].
本文提出了非参数角度相关性方法（NAbC），旨在对所有正定依赖测度的有限样本分布进行稳健推断，适用于不同估计器与现实金融数据条件，通过核密度估计实现灵活的压力测试和场景分析，有效破解传统相关性断裂问题，支持矩阵与单细胞层面的置信区间和p值计算，促进同行比较和因子因果研究[page::2][page::5][page::45][page::58][page::74].
本文提出利用多元分数布朗运动（mfBm）构建波动率模型，创新性地引入各分量的赫斯特指数的异质性及其相关结构，并发展了参数估计方法及渐近性质。实证和理论均表明，当资产间赫斯特指数存在显著差异且存在非零相关性时，mfBm在实现波动率预测上优于传统单变量模型及HAR类型模型，尤其在提高预测精度方面表现突出，体现多元粗波动率建模的独特优势[page::0][page::2][page::6][page::18][page::25][page::29][page::32]。
本报告针对有限资源配置下不确定项目选择问题，提出结合快速排序算法和Bradley-Terry模型的项目偏好聚合方法。通过建立基于成对比较的胜率概率矩阵，利用Newman迭代优化项目排名，并辅以采样策略大幅减少比较次数，从而提高组合选择效率和准确性。数值模拟表明，所提方法在知识广度较大时显著优于传统的算术平均和Borda计数方法，为多主体决策与参与式预算提供有效的量化工具 [page::0][page::3][page::6][page::9][page::12]。
本报告基于真实IPCA票息利率期限结构数据，系统性量化分析了巴西闭端补充养老计划中采用债券曲线标价（HTM）对财富转移的影响，揭示曲线标价方法在计划资金进出及调仓时引发显著财富转移，导致部分参与者获益而部分受损。研究显示，无论部分或全部使用HTM均未能消除财富转移风险，而市场标价（MTM）方法有效避免了此类转移，为计划公平性提供保障。本报告并通过多场景模拟和算法实现，深入剖析HTM对计划可持续性和参与者经济利益分配的负面冲击，提出财富转移在长短期债券配置、进出频率和资产出售策略上的敏感性，指出财富转移可能导致计划财务不稳定并加剧参与者间的不公平 [page::0][page::1][page::4][page::6][page::11][page::19][page::25][page::26]
本报告提出了一种创新的集成GARCH-GRU模型，将传统GARCH(1,1)框架直接嵌入GRU单元，实现了统计特性与非线性时间依赖的统一建模。实证结果表明，该模型在多个金融指数波动率预测中优于GARCH-LSTM及其他主流基准，既提升了预测准确性（MSE、MAE显著降低），又显著提高计算效率。同时，通过VaR风险管理应用验证了模型在尾部风险估计上的可靠性，显示出在风险管理中的实际应用潜力 [page::0][page::7][page::14][page::16][page::18][page::19][page::20]
本报告提出一个基于大型语言模型（LLM）交易代理的现实模拟股票市场框架，支持多种交易策略和异质代理交互。实验证明LLM能够遵循多样化交易策略，如价值投资、动量交易和做市商行为，生成类似真实市场的价格发现、泡沫和信息反应等动态。框架通过结构化输出和系统化参数调节，实现对LLM交易行为的透明解析和高精度回测，展示其在金融理论验证和市场动态模拟中的独特优势，同时揭示潜在的相关性风险及市场稳定性挑战，为LLM在金融市场部署提供了重要工具与参考 [page::0][page::1][page::2][page::21][page::32][page::33][page::34]
本报告基于Grebenkov和Serror (2014)的理论模型，实证验证了用单一时间尺度的EMA指标捕捉CTA趋势的最优性。实证结果显示，用一个参数约为112天的EMA能达到最佳Sharpe比率，且用复杂指标组合（如MACD、多重Bollinger Bands）并未显著改善绩效，强调简单方法优于复杂信号的合理性，避免了选取信号中过拟合风险[page::0][page::3][page::11][page::12][page::14]
本报告提出一种结合非参数经验Beta Copula和参数化偏斜广义T分布的半参数动态模型，适用于捕捉资产收益的偏斜、厚尾及时变依赖结构，突破传统投资组合优化模型对分布假设的限制。通过动态滚动窗口分析美、印、港三大市场数据，模型有效反映市场动态变化和结构性变革，实现风险调整收益的显著提升，尤其在金融危机期表现优异，验证了方法在实际多元资产配置中的适用性与稳健性[page::0][page::1][page::4][page::5][page::7][page::10][page::17][page::19][page::21]。
本文采用引力模型研究2001-2013年间G7国家的跨境银行放贷行为，揭示全球金融危机前后驱动因素的变化，具体表现为危机后地理大陆因素及语言共同性对跨境信贷有更显著影响，而传统的距离变量影响减弱。此外，危机后拉动因素（除借款国规模外）对跨境银行活动的解释力下降，验证了跨境贷款行为中存在显著的“本土偏好”效应和风险规避特征 [page::0][page::11][page::18][page::20][page::25]。
本报告基于超过一年的分钟级价格数据，运用多种机器学习模型对加密货币与股票的价格时间序列进行分类，取得超过92%的准确率，显著表明两类资产反映了不同的投资者行为模式。通过提取包括均值、方差、峰值数量、自相关等多维度特征辅助分类，验证了价格模式差异的显著性，并通过随机标记实验排除模型过拟合可能，进一步提升了分类结果的可信度。结果对理解新兴资产类别与传统证券交易行为的差异提供了量化依据 [page::0][page::1][page::4][page::5][page::8][page::9][page::11]
本报告利用现代因果推断方法，针对欧盟区域结构政策中较少研究的凝聚基金（Cohesion Fund，CF）展开实证分析。研究评估了CF对区域产出与投资的因果效应，揭示该效应呈现较强的时变性和区域异质性，且主要集中于首次纳入项目后的前7年内。结果显示较贫困地区受益更显著，效率随资金占地区GVA比重的上升呈非线性递减趋势，提示政策应关注差异化配置与资金使用边际效益最大化 [page::0][page::2][page::3][page::6][page::9][page::13][page::14][page::16][page::17][page::18][page::19][page::20][page::21][page::22][page::23]
本文提出了Trading Graph Neural Network (TGNN)算法，结合模拟矩方法(SMM)与图神经网络(GNN)技术，结构化估计交易网络中资产特征、经销商特征及其关系特征对资产价格的影响。TGNN能适应任意网络结构，克服传统中心性指标的偏误，显著提升价格预测精度，并提供参数置信区间，适用于债券、场外交易及去中心化数字市场等多场景，为估计交易权力、不良持有成本及市场结构变动影响提供有效工具 [page::0][page::1][page::2][page::5][page::11][page::13][page::16][page::18][page::20][page::21].
