本报告提出了一种基于趋势编码的多阶滞后概率模型（TeMoP），通过融合不同滞后阶数样本训练的模型结果，显著提升了股市趋势预测的准确性和稳健性。实证分析涵盖九个国家的股票指数，表明TeMoP在预测误差和跨数据集稳健性方面均优于主流机器学习和深度学习模型 [page::0][page::2][page::33]。
本报告围绕印度股票市场在危机期间的网络沟通性演变展开，利用五年NIFTY 500指数数据，基于相关性构建金融网络，通过最短路径和传播性度量揭示危机期间股票对间的互依性显著增强。研究表明，约83.5%的股票对在危机期的传播路径长度显著增加，传递信息更为频繁，支持向量机分类模型中几何度量优于拓扑度量，表现出更高的分类准确率，彰显了超曲面空间嵌入提升市场波动识别能力的潜力[page::0][page::2][page::10][page::16]。
本文提出基于相对熵的全新定价框架，解决不完全市场中因资金融资及对冲导致的价格非线性问题。通过熵调整均值与风险优化，建立熵定价测度，统一考虑融资成本、信用风险（CVA/DVA）和资本边际管理（XVA），提供算法交易、风险对冲及量子信息领域的创新应用[page::0][page::2][page::6][page::21][page::22]。
本报告提出了一种基于Transformer结构的股票时间序列多变量预测模型“Stockformer”，通过引入ProbSparse注意力机制和自注意力蒸馏技术，有效解决长序列预测中的计算复杂度问题。利用财经数据中股票间的因果关系，结合1D-CNN嵌入和多头注意力结构，实现对油气行业股票价格的小时级别预测。实验结果显示，Stockformer相较传统LSTM具有更佳的收益表现和模型收敛性，表明该方法在捕捉股票走势及多时间序列依赖性方面具备潜力，为股票交易策略提供了新思路 [page::0][page::2][page::3][page::5][page::6]
本报告系统分析了以太坊链上Uniswap V2平台新创建代币的市场动态与金融影响，发现约88%新币为honeypot合约，导致大量资金流动性被锁定，削弱市场效率。通过模拟简单买入持有策略，揭示了新币投机风险，包括rug pulls和夹击攻击的广泛存在，其中夹击攻击在低流动性池中收益最高。采用聚类方法区分以交易次数（swap time）和物理时间（block time）定义的价格演化，展示了两者的本质差异及其对投资机会的影响，为理解去中心化市场风险提供了金融视角的定量分析[page::0][page::1][page::3][page::5][page::7][page::8][page::10][page::12][page::15][page::17][page::18]。
本报告提出利用局部风险最小化方法在市场不完全情况下对对手方信用风险及资金成本的xVA进行估价和对冲，构建多曲线框架下的BSDE模型，推导价格调整的分解形式，并为KVA提供数学定义与二步估值方法的理论基础[page::0][page::1][page::4][page::15][page::19][page::28][page::27]
本报告系统性地梳理了多种理论框架，涵盖行为金融学、现代投资组合理论、风险管理理论、价值创造理论、制度理论、代理理论、社会责任投资理论及声誉理论，深入探讨了ESG因素如何影响机构投资者的决策过程。研究表明，通过这些理论视角，机构投资者能够更加有效地将可持续发展原则纳入投资策略，实现风险管理与财务回报的优化，并促进长期价值创造和社会责任的协同发展 [page::1][page::2][page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14].
本报告针对含内部乘法习惯形成的最优消费问题，利用Fenchel对偶定理，推导出强对偶性成立的对偶形式，解决了非凹性及路径依赖带来的难题。文中同时给出原始变量与对偶变量间的对偶关系，并提出了一种基于对偶形式的解析评估方法，用于衡量近似解的精确度，辅以实证比较两种消费近似方案的福利损失界限，为包含乘法习惯的生命周期投资-消费优化问题提供了理论与实践工具 [page::0][page::2][page::22][page::28][page::31].
本报告针对Heston模型的扩展，即引入双指数跳跃的随机波动性模型（HKDE），系统分析了该模型在期权定价及校准中的性能。研究表明，HKDE模型在短期隐含波动率微笑拟合方面优于传统模型（Heston，Bates，Bilateral Gamma Motion），且参数具有经济学解释便于风险管理。利用PROJ傅里叶定价方法，高效计算了多代期权（亚式期权、离散方差期权、Cliquet、障碍期权）价格，并公开了源码以推动应用与研究。本模型在异质跳跃分布的灵活性和可解释性方面显著优于对称跳跃模型，适合复杂金融衍生品的风险管理与定价 [page::0][page::1][page::9][page::11][page::17]
本报告提出了一个结合资金流入和其价格冲击的非线性价格形成模型，通过二维记忆变量与价格构建的marketron潜势函数，探讨了市场的三个典型状态——优质市场、劣质市场及崩溃市场（“丑陋市场”）。模型利用受控Langevin方程描述市场价格动态，并引入记忆效应和不可观测的自驱动信号，呈现出如神经元放电类似的动态行为。该模型还能解释市场波动聚集、价格波动相关性及市场崩溃事件，且通过粒子滤波对标普500数据进行校准，实现了对市场崩溃及股票违约概率的自然捕捉，为多维活跃物质理论与金融市场的结合提供新视角[page::0][page::2][page::11][page::14][page::15][page::16][page::31]。
本报告构建了包含信用约束与异质生产者的广义均衡模型，揭示了生产率与信用额度对均衡总产出的非单调影响机制。研究发现，当生产率或信用额度的提升存在不对称和分布差异时，均衡产出可能下降，且该现象在静态与动态模型中均展现。系统阐述了金融摩擦、生产率分散及个体异质性对宏观经济产出的重要影响，为理解经济发展中的逆向效果提供理论支持[page::0][page::1][page::2][page::7][page::14][page::15][page::19][page::23][page::26][page::27][page::32]
本研究系统地考察了多种条件均值-方差框架下的投资组合优化方法对加密货币市场投资组合表现的影响。通过比较传统样本均值、深度学习预测以及多变量GARCH模型估计的条件矩，以及引入交易成本惩罚项（周转率惩罚）和不同再平衡频率的作用，发现尽管加密货币资产高度相关，利用资产收益波动率的可预测性能显著改善风险调整表现，而利用收益率的可预测性则难以带来超额收益。此外，较低的估计量波动水平和合理的交易成本控制（如利用$L_1$周转率惩罚）有助于提升投资组合表现。实证结果显示，波动率时机策略在高相关市场中可略优于均等加权1/N策略，验证了波动率预测的经济价值 [page::0][page::3][page::11][page::24].
本报告提出了一种无模型假设的模糊偏好行为原始特性，定义了模糊厌恶和模糊谨慎的行为特征。通过对经典模糊决策模型如Choquet预期效用（CEU）、变分偏好（VP）、最大最小预期效用（MEU）和平滑模糊（SA）的综合分析，展示了模糊谨慎对应容量函数的三阶非负导数，关联了模糊风险决策问题中的最优保险行为。该方法提供了高阶模糊偏好的经济解释，并具备实验可测性 [page::0][page::4][page::6][page::18][page::19].
本报告通过对2016年至2024年间30只具备巴基斯坦市场敞口的ETF进行分析，深入探讨了投资风险与收益表现。采用历史优化与动态优化方法比较ETF的风险收益特性，发现巴基斯坦ETF（如PAK）表现低效，风险调整回报逊于多元化等权组合（EWP）。动态优化结合ARMA-GARCH模型和学生t分布，能够更好捕捉极端风险和市场变化，提高组合绩效。长短仓策略（如LS TC99）表现优异但波动较大，适合风险偏好者，而保守策略表现稳健。研究强调巴基斯坦市场具备分散投资机会，同时提示需关注政治经济不确定性与流动性风险，为国际投资者优化新兴市场ETF组合提供实证支持[page::0][page::5][page::16][page::28].
本报告提出了一个综合的自然风险评估框架，通过构建国家退化指数和企业自然风险评分，量化了自然环境恶化对企业价值的潜在损失。研究显示，持续的自然资源过度开发情境下，全球股票平均将损失约26.8％，最坏情况下企业损失可达75％，其中农业、采矿和交通行业风险尤为显著。利用广泛的环境指标和细致的企业地理与行业暴露数据，报告揭示了自然风险的地域和行业分布特征，为金融机构和投资者评估和管理生态风险提供了重要工具和参考 [page::0][page::1][page::2][page::14][page::18][page::19][page::21]。
本文提出了基于In-Context Operator Networks (ICON)与神经网络控制策略(OCnet)的联合框架，实现线性传播模型中价格影响算子的快速学习与最优订单执行策略生成。ICON结合离线预训练及在线少样本推断，能准确推断未知价格影响算子，具备跨模型迁移能力；OCnet利用ICON作为代理算子完成对最优策略的高效训练。数值实验证明，方法在不同传播核模型及参数区间均表现优异，成功恢复了理论精确解，展示了变动态市场条件下推断与控制的创新路径［page::0][page::1][page::6][page::8][page::13][page::18］。
本报告研究了带有市场状态切换的连续时间均值-方差投资组合优化问题，提出并解析求解了包含强化学习引导探索的探索性均值-方差带状态切换（EMVRS）模型。设计了基于正交条件的强化学习算法，实现了对市场参数的有效估计。实证结果显示，与传统时序差分学习相比，正交条件学习更优，且EMVRS在真实市场数据中实现了收益均值高且波动率合理的投资表现，为带状态切换的投资组合优化提供了理论与实践结合的新方法 [page::0][page::6][page::16][page::20][page::22]
本报告针对传统财务比率在家族企业融资决策研究中的统计缺陷，提出采用组成数据分析法（CoDa）替代，以纠正传统比率存在的偏态、异常值和非线性问题。基于西班牙制造业企业面板数据，比较家族企业与非家族企业财务结构的传统比率与组成比率差异，发现组成比率具备更好的对称性和统计假设满足性，回归模型结果更为一致可靠，表明方法论创新是家族企业资本结构研究的关键突破口 [page::0][page::3][page::11][page::13][page::14][page::15][page::27]
本报告分析了通过公开市场数据估计大宗交易(metaorders)市场冲击的难点，指出传统基于统计模型估计的价格轨迹与真实执行表现不符——价格执行过程中呈线性增长，且结束后回落有限。报告提出了一种修正的瞬态影响模型(Modified Transient Impact Model)，引入参数调节子订单对市场订单流的触发效应，能更真实地模拟价格行为，且在临界条件下，市场冲击表现为永久性影响。该研究揭示统计模型高估子订单对订单流的影响，是估计偏差的本质原因 [page::0][page::1][page::6][page::9][page::10][page::11][page::14][page::16][page::19][page::22]
本文提出一种基于深度强化学习的动态嵌入组合配置框架，结合生成式自编码器与在线元学习，实现对高维非平稳金融市场信息的有效降维和动态适应。实证结果表明，该方法在美国前500大市值股票上优于传统预测-优化模型及常见基准，尤其在市场波动剧烈时表现突出。框架具备波动率时机能力，显著降低市场风险暴露，且对不同强化学习算法均表现稳健。嵌入与元学习有效缓解高噪声与非平稳性难题，提升投资组合表现与风险管理能力 [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][page::28][page::29][page::30][page::31]
