本文提出了一种基于深度学习的时间步进梯度流（TDGF）方法，将期权定价偏微分方程转化为能量最小化问题，通过逐步时间离散并利用深度神经网络近似求解。该方法在处理高维Markovian近似粗波动率模型时表现出高效性和良好精度，特别应用于提升的Heston模型，整体误差约为$10^{-3}$，且训练时间较现有方法显著缩短 [page::0][page::1][page::6][page::9][page::13]。
本报告提出一种基于无监督重构范式的异常检测方法，结合主成分分析(PCA)和自编码器(AE)对投资者交易行为进行降维，进而识别潜在内幕交易者。该方法不依赖事先定义的交易特征，输入仅为各投资者在价格敏感事件(PSE)前后的持仓时间序列。以意大利股票市场围绕收购要约的交易数据为案例，方法通过极大重构误差定位异常行为，建立相关阈值筛选潜在内幕投资者，并通过与基于k-means聚类的特征方法结果对比，展示了该降维方法的稳健性和独特价值。此外，自编码器在捕获复杂交易模式方面表现优于PCA，尤其能发现k-means未覆盖的异常交易策略，提升监管辅助效能 [page::0][page::2][page::6][page::8][page::9][page::10][page::11].
本报告通过对三个全球化石燃料CO$_2$排放数据库的统计分析，验证了化石燃料CO$_2$排放量在国家层面整体分布可由双参数对数正态模型良好描述，并提供了强有力的统计证据支持Gibrat定律的适用性。基于此模型，预测了2025、2030和2035年的排放参数，并提出了将全球排放控制目标转化为各国减排目标的具体工具，助力气候政策制定和全球减排规划 [page::0][page::12][page::17][page::19][page::20][page::21][page::22][page::23].
本报告基于可解析模型和量化2资产HANK框架，系统分析了政府债务在异质性风险背景下对中短期利率、自然利率及通胀的影响。研究表明，公共债务通过提供私人部门的风险保险价值，推升了自然利率，从而在传统泰勒规则货币政策下导致通胀上升，且该机制可解释美国2023年及后期“尾声”通胀的持续存在。报告还指出资产市场结构决定债务对利率和通胀的影响强度，并提出调整货币政策响应公共债务的策略能有效缓解债务驱动的通胀压力[page::0][page::2][page::6][page::9][page::27][page::31][page::32][page::41][page::46][page::49].
本报告首次发布了针对阿根廷房地产市场的多模态数据集ARED（0版），涵盖2024年1月至2月44天内的房产信息和图像，揭示了阿根廷房地产市场整体价格的时间依赖性及协同下跌趋势，展示市场价格以美元计价的显著波动特点，并计划未来季度持续更新及补充历史数据[page::0][page::1][page::2]。
本报告研究了在不完全市场中利用衍生品构建最优静态对冲组合的问题，假设投资者面临两个基础资产的风险敞口，衍生品为单一标的的欧式期权。通过效用最大化框架，针对指数型、幂函数/对数型和二次效用函数导出了半解析最优对冲解，设计了适用无套利条件的多标的对冲组合。如欧式期权分别覆盖每个标的资产，最优解则等价于一个Lipschitz映射的唯一不动点，对数收益率和联合分布的缺失加剧市场不完备性。报告进一步构建了对应的迭代求解方案及其收敛性分析，并通过杠杆ETF对冲实例进行了数值演示。最后，引入并分析了静态对冲的无差异定价方法，揭示了风险偏好对定价和对冲策略的影响 [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].
本文探讨了随机化控制技术在经验资产定价与绩效评估中的应用，提出基于几何随机游走的马尔可夫链蒙特卡洛方法来生成符合投资者约束的随机组合，从而在强约束环境下分析规模、价值、质量与动量因子的风险与收益表现关系。实证部分通过MSCI多因子指数的投资指南检验了因子溢价的存在，揭示了传统随机组合用作绩效假设检验的缺陷及其在描述性分析中的价值，展示了随机组合在实务中灵活分析因子特征对收益的影响的潜力[page::0][page::1][page::9][page::12][page::39][page::46]
本文针对CDD和HDD温度期货及其期权价格，基于CAR(p)模型对季节性温度及其导数的扰动进行了局部敏感性分析。实证采用拟合纽约地区温度的CAR(3)模型，揭示了期货价格对温度导数不同阶的响应特征，指出近测量日前一天温度扰动影响最大，而随着到期日临近，温度一阶导数的扰动主导价格变化。同时，近似价格模型对扰动敏感性更高但误差有限，为温度衍生品定价和风险管理提供量化工具。[page::0][page::6][page::9][page::16]
本报告深入研究了基于大型语言模型（LLM）的聊天式搜索引擎（以Bing Chat为例）如何选择引用网站。通过多渠道数据采集与自然语言处理技术，发现Bing Chat偏好于语义可读性高、逻辑严谨、情感极性低且困惑度（perplexity）低的文本，这些偏好源自基础LLM的先验而非人工设计。此外，基于GPT-4的RAG模型显示出与Bing Chat一致的引用标准，且聊天式搜索引擎引用的网站间文本相似性高于传统搜索引擎，导致信息多样性减弱，揭示了下一代搜索技术的独特经济影响与研究价值 [page::0][page::3][page::4][page::10][page::22][page::26][page::27][page::28]
本报告通过序列聚类、合成电动车时序生成与电力系统优化模型，量化研究了电动汽车共享（carsharing）对以可再生能源为主电力系统的影响。分析显示，电动汽车共享虽减少了车辆灵活调度潜力，导致电力系统成本增加，但增幅适中，主情景下替代一辆私家车的年度电力系统额外成本不超过110欧元。成本影响最大出现在双向充放电场景下。尽管如此，含有共享电动车的车队仍能较好地与波动性可再生能源匹配，促进电力系统的灵活性与新能源消纳 [page::0][page::1][page::7][page::8][page::11][page::13][page::14]。
本文研究一维带跳跃的随机Volterra方程，建立卷积核及系数条件，确保非负强解的存在性和路径唯一性。通过非负近似方法及Yamada–Watanabe技巧的变体，展现了强解的构造及收敛性，并应用于Levy驱动的Volterra方程，定义了alpha-稳定Cox–Ingersoll–Ross过程的Volterra拓展，具有金融数学中重要应用价值[page::0][page::1][page::4][page::18][page::22]。
本报告提出了基于Mamba结构化状态空间序列模型的新型股票价格预测模型MambaStock。该模型通过选择机制和扫描模块，能够高效捕捉历史股票数据中的复杂非线性时序依赖，无需人工特征工程，实证结果表明其预测准确度优于传统ARIMA、Kalman滤波及主流深度学习模型，如LSTM、Transformer等，为投资决策提供有力支持 [page::0][page::1][page::2][page::3][page::4]。
本报告基于(元)关系模型理论，提出数学优化框架和程序化方法，解决如何最佳配置四种社会关系模型（共同分享、等级权威、平等匹配、市价）以实现社会交互目标的问题。借鉴金融投资组合管理概念，推出社会关系组合（SRP）管理，进一步应用于三底线（利润、人与环境）范式，量化构建三底线的有效社会关系组合，有助于企业社会责任和环境治理的评估与优化 [page::0][page::3][page::11][page::13][page::26][page::31].
本报告提出FinAgent，一种多模态基础金融交易智能体，通过融合数值、文本和视觉数据，结合双层反思模块和多样化检索机制，实现市场动态的高效分析与快速适应。FinAgent集成人工专家知识和传统量化工具，对股票及加密货币等六大数据集进行全面实验，较12个先进基线在6项财务指标中平均利润提升36%以上，单个数据集累计收益率达92.27%，表现显著优于现有方案，展示了多模态大语言模型在金融交易领域的创新应用潜力 [page::0][page::1][page::4][page::6][page::7][page::8]
本报告通过实验和离散选择模型，深入分析个体在不同选择任务与环境下内在偏好与社会学习的权衡关系。结果显示，内在偏好主导主观选择任务，社会学习优先于客观正确答案的任务，激励环境（奖励或惩罚）进一步影响两者权重。建模揭示个体社会学习策略的多样性及其在群体行为极化中的作用，为理解社会规范非任意性提供理论依据 [page::0][page::1][page::17][page::19][page::20]。
本报告聚焦于去中心化金融（DeFi）中以加密资产超额抵押的稳定衍生品，重点分析了以MakerDAO的DAI为代表的单抵押稳定币的价格稳定机制。通过引入“市场信念”参数完善模拟模型（DAISIM），进一步贴合实际市场行为，并构建简化数学模型解释DAI对ETH价格波动的稳定响应。此外，报告深入探讨了涉及预言机可靠性、抵押物限额、智能合约漏洞等多重风险因素，为DeFi生态利益相关者提供了重要风险洞察 [page::0][page::2][page::3][page::9][page::13].
本报告提出了集合值星形风险度量的新类别，拓展了标量星形风险度量的理论，建立了集合值风险度量与集合值凸风险度量之间的表示定理，证明了集合值星形风险度量可由集合值凸风险度量族的并集表示，并进一步探讨了其接受集的构造及性质，强化了非凸风险度量的理论基础和应用潜力，为多元市场风险管理提供了理论支持 [page::0][page::1][page::4][page::6][page::10][page::21].
本文提出了一种基于神经网络的投资组合压缩框架，将大量欧洲期权组合压缩为较小的静态对冲组合，实现对目标组合的风险管理。通过数据驱动优化，网络学习压缩组合的权重和行权价，使得压缩组合的价值和风险指标（如暴露分布及Greeks）与目标组合高度一致，进一步有效降低资本要求。数值结果表明该方法在风险中性和实际市场场景下均表现优异，且显著降低了监管资本需求，尤其是在较短期压缩组合构造下的资本减免效果明显[page::0][page::2][page::8][page::12][page::17][page::18]
本报告构建了一个多主体（agent-based）模型，模拟美国抵押贷款市场中借款人、服务商及经济环境的互动，重点研究收入冲击对借款人偿付能力及不同救助策略的影响。模型揭示低收入借款人受收入负面冲击影响更大，抵押贷款违约率和止赎风险更高，服务商营收承压。通过引入抵押准备金账户产品，模型显示可显著降低低收入群体止赎率，延长偿付时间，为政策制定者提供了精准救助的量化工具 [page::0][page::2][page::3]
本报告提出了一种基于多维广义正态调和稳定（gNTS）过程及条件RealNVP生成模型的外汇远期挂钩期权（quanto option）定价方法。通过使用多个子调节器混合建模不同波动率特性，gNTS过程较传统NTS模型更灵活地刻画了资产与汇率之间的尾部依赖和非高斯特性。采用CRealNVP流式生成模型对gNTS过程的概率密度函数进行估计，结合蒙特卡洛模拟训练，完成市场参数估计与风险中性测度转换，最终实现了四组实证数据（GBP/USD、EUR/USD、JPY/USD汇率及对应股票指数）的quanto期权定价，结果显示gNTS模型优于传统NTS，在Kolmogorov–Smirnov检验中表现出更佳拟合度，验证了所提方法的实用性和有效性 [page::0][page::1][page::11][page::14][page::21]
