本研究指出目前气候政策对碳交易和温室气体等价假设存在多重科学误区，特别是温室气体的不可替代性、不同碳汇的碳驻留时间差异及排放减少与碳封存不可等同。通过分析全球升温潜势（GWP）的不确定性、林业项目碳储存的不稳定性和碳抵消项目的系统性失败，强调碳交易无法有效减少温室气体排放。研究建议决策者采用多“筐”排放目标，避免依赖碳抵消，并优先支持永久性碳捕获项目，实现气候变化的长期稳定 [page::1][page::4][page::7][page::10][page::11].
本文研究了一类加性噪声驱动的分数布朗运动延迟随机微分方程的Euler-Maruyama数值方案。通过构造差分赋范误差过程，证明了该方案的一致性及其误差的收敛速率为$\Delta_n^{\min\{H+1/2,3H,1\}}$，并揭示当延迟分布光滑且Hurst指数$H>1/2$时，收敛速率可达到$H+1/2$，优于非延迟情形。研究采用Malliavin微积分和Volterra积分内核的微分解析方法，建立了误差过程的极限定理及其精确表示，且分别在粗糙$(0<H<1/2)$与非粗糙$(H\geq1/2)$Hurst指数区域给出了理论分析和收敛率估计，为含长内存和粗糙波动模型的数值模拟提供了坚实基础[page::0][page::1][page::6][page::16][page::23]
本文针对“选择过载”现象提出更有力的检验方法，基于随机效用模型（RUM）和丰富数据设计测试框架，并应用于实验数据。结果显示，当前文献中较低的检验效能可能低估选择过载的普遍性，我们的新方法显著检测到了选择过载，且该效应在较小规模选择集中就已出现，挑战了传统理论假设 [page::0][page::4][page::5][page::25].
本论文系统分析了低波动率因子在资产定价模型中的地位，指出传统模型因忽视因子非对称性及投资摩擦而未有效捕捉该因子。研究通过分解因子多头与空头端、加入交易成本和做空费用等摩擦因素，发现低波动率多头因子显著提升资产定价模型的夏普比率和有效前沿，且该结果在多样化的模型设定与稳健性测试中皆成立，为低波动率因子纳入资产定价模型提供了有力实证支持 [page::0][page::1][page::4][page::21][page::32]。
本报告基于纯因子组合视角，深入解析多因子模型中的多重共线性问题，通过实证比较简单因子组合与纯因子组合在不同风格因子上的表现差异，运用方差膨胀系数（VIF）、因子权重相关系数（FWC）、因子收益相关系数（FRC）及因子杠杆率（LEV）四项指标，定量衡量因子间的共线性程度。结果显示，财通金工模型中VIF均小于3，线上共线性较弱，但部分行业和风格因子的相关性仍较明显。此外，报告结合多因子收益分解与风险预测，分析近期A股风格变迁及市场风险水平，兼顾指数成分归因，辅助投资者理解因子协同效应及风格趋势。[page::0][page::2][page::5][page::7][page::10][page::12][page::14][page::15]
本报告基于涵盖2014-2024年逾2600种加密货币的实证数据，发现加密货币市场存在显著彩票效应：近期出现极端正回报的币种未来表现显著低于预期，远超传统股票市场。研究揭示投资者存在显著的外推偏差和近因效应，交易成本和流动性限制加剧了异常现象的持久性。独有链上及社媒数据证明极端表现吸引大量关注，形成行为偏差放大效应，且套利成本高企限制了异常的套利消除，导致该现象难以被有效利用 [page::0][page::2][page::3][page::12][page::24][page::28][page::31][page::34][page::38]
报告系统阐述了私募债市场自全球金融危机以来的快速增长及其资产特性，重点分析了直贷等细分类别，揭示了私募债相较企业债的流动性溢价和信贷风险溢价结构。论文深入探讨欧盟ELTIF 2.0法规如何推动私募债的零售化和开放式基金的发展，阐述了流动性管理工具如调价机制和赎回限制对基金稳定性的保障作用，为投资者参与私募债基金提供了全面指导 [page::1][page::4][page::7][page::15][page::16][page::17]。
本报告基于机构资本市场假设（ICMAs）与改进的Black-Litterman模型，系统评估多资产固定权重组合的事前效率。结果显示，静态组合存在显著非效率，利用ICMAs优化资产配置可实现年均51至88个基点的风险调整超额收益。该方法基于跨机构预期的共识与分歧调整资产权重，约束优化确保配置合理且具备实施性，验证期涵盖2015-2025年，实际表现虽然波动较大但趋势符合预期策略表现。研究还揭示另类投资（如私募债）具有较高多样化收益潜力，提出传统“60/40”组合及“1/N”组合在前瞻视角下的不足，强调基于ICMAs的动态转向对提升组合风险调整收益的重要意义[page::0][page::3][page::12][page::22][page::35]。
本论文研究了Fama-French三、四、五因子模型中条件和无条件分位数回归（CQR与UQR）方法的异同与效果。结果显示，因子载荷在资产收益分布的不同分位数存在显著差异，尤其在极端分位数（尾部）与均值回归的OLS估计存在明显偏差。UQR估计提供了更为清晰且易解释的因子效应，且置信区间更窄，为理解市场风险的不同状态下的表现提供了重要视角，有助于资产定价及因子投资策略设计 [page::0][page::1][page::2][page::8][page::9][page::10][page::13][page::17]。
本报告提出了一种基于通胀调整的股票市场总收益指数与其30年移动均线的绝对估值模型。通过历史数据分析，发现较低估值水平通常预示着未来更高且更稳定的收益，而高估值水平伴随更大的回撤风险。当前市场估值位于60-70百分位，整体处于中度高估区域，投资者应保持合理收益预期与风险警惕。[page::0][page::1][page::5][page::7][page::8]
本文针对欧盟跨国养老产品PEPP中采用的基于几何布朗运动（GBM）的退休收益模拟方法，提出引入带有偏态t分布创新项的GJR-GARCH模型以更准确捕捉资产收益的厚尾、波动聚类及非对称波动等特征。通过构建多变量模型并应用t-copula进行依赖结构建模，所提模型较传统GBM能更真实地反映风险动态，提升模拟准确性和风险管理能力。实证分析显示，GJR-GARCH模型能显著改善养老产品的风险测度结果，为退休规划提供更具参考价值的决策支持 [page::0][page::1][page::7][page::11]。
本报告提出基于 autocovariance 矩阵的交叉协方差结构，构建零成本优化交易策略，系统挖掘企业债券收益的时间序列预测性。基于 ICE 和 TRACE 两大数据集，使用82个债券与股票特征构建多元策略组合，发现信用风险与交易摩擦相关因子表现突出，实现月度超额收益逾100BP，夏普比率超过1.2。交叉自协方差对策略盈利贡献显著，尤其在收益均值相同约束下依然具备稳定表现，策略回测及回归分析均表明其超额收益不依赖于传统市场风险因子，且在经济衰退期间更具韧性[page::0][page::2][page::23][page::33][page::51]。
本文深入探讨增长、投资资本回报率（ROIC）及增量投资资本回报率（ROIIC）对长期股东价值的驱动作用。通过理论框架结合McKinsey与Mauboussin的研究，利用实证分析和案例研究，包括沃尔玛、Target和苹果，揭示仅增长未必创造价值，资本回报率超过资本成本方能增值。ROIIC作为股价表现的预测指标，强调其在投资决策中的关键性。报告澄清市场对增长误解并强调销售增长对股价表现的长期驱动作用[page::0][page::1][page::4][page::9][page::10]
本文通过对美国国会成员股票交易实际成交日期和披露日期的实证分析，验证了国会议员存在信息先发优势，且以成交日为起点的收益显著高于披露日起点。尽管如此，研究显示即使是在交易报告后追随其交易，投资者仍能获得正收益。交易偏好显示国会议员更倾向于科技板块和成长性股票，且预测能力在大盘股和后疫情时代更为显著，提示国会议员交易行为对投资者具备重要的参考价值。[page::0][page::4][page::16][page::17]
本文系统比较了五种机器学习算法（随机森林、决策树、XGBoost、梯度提升和AdaBoost）与传统逻辑回归在贷款违约概率预测中的表现。结果显示集成方法表现优异，尤其是随机森林和提升方法，在识别违约客户方面准确率较高且稳定。通过特征重要性分析，识别出逾期信用额度数量、重大负面记录等关键变量，为信用风险管理提供了实用见解 [page::0][page::1][page::3][page::4]。
本文提出一种基于神经网络的新型函数生成投资组合（FGP）方法，将生成函数表示为可训练的神经网络，旨在最大化相对市场投资回报。该方法结合了随机投资组合理论的理论结构和机器学习的数据驱动适应性，避免了传统FGP中求解复杂偏微分方程的计算限制。实验通过合成和真实市场数据验证，显示神经FGP在多个测试窗口内显著优于等权、市场及多样性加权基准组合，证明其稳健性和高效性 [page::0][page::3][page::5][page::6][page::7][page::8]
本文提出基于股票增长最优组合（stock GOP）作为计价基准的benchmark-neutral风险最小化方法，用于长周期、不可完全复制的保险及非复制性风险的定价与对冲。该方法克服传统局部风险最小化需假设等价鞅测度存在的问题，提供更经济的价格定价机制，同时通过构建修正的融资策略，确保工作资本充足及风险分散优化。研究还证明该方法避免了保险金融市场的首次类型套利，适用于险资风险管理和精算定价 [page::0][page::1][page::6][page::10][page::15][page::20]
本文通过严谨的数学建模与博弈论分析，系统揭示了比特币（BTC）基础层与闪电网络（LN）之间的结构性脱钩。研究证明，随着交易需求激增，BTC链上交易费用呈超线性增长，导致微交易被排斥，而闪电网络则趋近于成本平稳但经济上趋向寡头垄断。闪电网络中的流动性枢纽演变为影子银行式的租金提取机构，伴随路由选择的NP完全性，使得实时去中心化支付路由不可扩展，最终形成对BTC不可替代的封闭、结构性经济体系，弱化了链上结算的最终性与透明性 [page::0][page::3][page::13][page::19][page::29][page::38][page::41][page::45][page::47]
本文提出了一个分布鲁棒贝叶斯扩散控制（DRBC）框架，用于最大化期望终端效用，针对未知漂移项设定先验分布，并在先验邻域构建分布不确定性集合，解决模型误设问题。通过强对偶性理论，将无限维优化问题转化为可计算的有限维问题，并设计基于随机分析的深度学习算法进行策略评估与学习。数值实验和实证结果表明，该方法在克服过度悲观的同时，实现了策略的高效训练和鲁棒性提升 [page::0][page::1][page::10][page::11][page::12][page::54][page::56][page::60]。
本文提出一种创新的两阶段方法，结合长期日频数据构建耦合筛选机制，并利用高频分钟级数据验证A股市场的领先-滞后效应。通过模块化低耦合系统设计，实现多粒度数据的高效处理。实证结果显示耦合度高的股票对更可能存在统计显著的领先-滞后关系，且该效应在1分钟粒度表现最强，并且行业内及核心企业更具领导作用。此外，量化方法融合相关系数、Granger因果检验及滞后回归模型，有效揭示信息传递路径与市场微观结构特征[page::0][page::1][page::4][page::6][page::9]。
