本研究利用首尔2018年夏季热浪期间的地铁和手机数据，发现虽然总体浮动人口因高温显著减少，但经济复杂度较高的城市区域表现出较强韧性，吸引更多人口流动，减缓热浪负面影响，揭示经济复杂度在城市热浪适应中的关键作用，表明高复杂度小微企业集群是维持城市活力的重要节点 [page::0][page::3][page::9][page::11][page::18][page::19]
本报告构建了一个基于跨世代礼物赠予和文化传承的重叠世代模型，揭示财产权（对固定资产与产出权利）的非线性发展如何影响社会文化对老年人的尊重与福利。研究发现，财产权从弱到强对老年人相对收入产生U型效应，反映出文化投入和资产积累在不同发展阶段的互补作用；人口增长、经济增长以及资本密集度也是重要驱动因素。该模型统一解释了民族志中“曲线型”老年待遇假说，并对现代化、社会福利制度对老年人地位的潜在影响提出洞见 [page::0][page::14][page::19][page::31]。
本报告系统分析了多种深度强化学习（DRL）算法在金融交易中的行为差异及表现，重点调研其持有与交易策略及资产多样化倾向。研究显示A2C算法累计回报最高，PPO和SAC倾向于频繁交易集中持股，DDPG与TD3则采用更平衡的交易分布且持股周期较长，为金融领域的DRL应用提供了决策逻辑和性能洞见[page::0][page::4][page::6]。
本报告提出了CryptoTrade，一种结合链上透明数据与链下新闻的LLM驱动反思式加密货币交易代理。通过市场分析代理、新闻分析代理、交易代理与反思代理的多维协作，CryptoTrade无需微调即可在比特币、以太坊和索拉纳等多币种及多种市场环境下实现优于传统多基线策略的收益与夏普比率，标志着LLM应用于加密交易领域的新里程碑[page::0][page::1][page::3][page::5][page::6]。
本报告设计了基于区块链的风险平价投资组合，通过构建三个子基金Alpha（高风险）、Beta（市场表现）、Gamma（风险自由）实现资产间的风险均等贡献，动态调整权重以适应市场环境。提出了“概念平价”思想，通过分组资产对冲市场波动，实现稳健的跨链DeFi投资组合管理。详细数学模型及区块链智能合约实现方案支撑了风险与收益的最优组合（即Parity Line），并演示了基于真实市场数据和模型计算的风险收益方案。该创新将传统有效前沿提升至区块链终极投资新前沿，提供投资者个性化定制风险偏好和动态调仓机制，推动财富生成的无痛革命 [page::0][page::4][page::5][page::11][page::12][page::14][page::18][page::41][page::47][page::62][page::63][page::64][page::84]
本文构建了金融时间序列网络中冲击传播与系统弹性的矢量自回归(VAR)模型，提出基于潜在节点“fitness”的脉冲响应函数(IRF)分析方法，克服传统VAR模型线性假设及对链路冲击的局限，实现了对节点震荡及系统动态恢复过程的刻画和估计，并通过对意大利电子银行间市场(e-MID)数据的实证应用，验证了模型在系统性风险分析中的有效性与灵活性 [page::0][page::1][page::6][page::18][page::23][page::24]。
本文研究了在资产定价领域中，基于领域知识提出的若干风险相关公理，分析了两种主流归因方法——Shapley值和积分梯度（IG）在满足这些公理方面的表现。结果表明，Shapley值和IG均能保留大部分公理，但均存在不足，尤其是IG无法保持需求单调性，Shapley值则可能使用训练域外的计算，限制了其在金融危机等极端情况下的适用性。通过金融危机中的标普500期权价格实证分析，验证两种方法在风险归因中的优劣，提示实践中需根据具体风险特征选择合适归因方法[page::0][page::1][page::4][page::5][page::7]。
本论文旨在优化逆协方差矩阵估计方法，提出基于岭回归（l2范数）和弹性网回归（l1和l2范数结合）的两种新型估计器。实验结果表明，在高维资产组合中，该方法相比传统样本协方差、Ledoit-Wolf估计、玻璃络估计和PCA方法，能够显著降低组合风险，提高夏普比率，并在样本协方差矩阵病态或奇异时仍能有效计算优化组合权重，展现出更稳健的投资表现和更优的风险调整收益[page::2][page::7][page::16][page::30][page::37][page::43]。
本报告基于印度Nifty50市场，系统分析了不同被动投资组合的风险特征。实证表明印度市场不完全有效，市场资本化权重的Nifty50组合存在较高的波动风险和极端风险。相较于Markowitz优化组合，等权重投资组合能显著降低特异风险，且风险特性接近最优组合。尤其在俄乌战争等事件期间，等权组合风险持续低于Nifty50市值加权组合。由此建议被动投资者优先选择等权重策略代替传统市值加权ETF以优化风险收益表现 [page::0][page::19][page::20].
本报告基于2019至2023年覆盖中美贸易战、新冠疫情、牛市及俄乌冲突的高频数据，首次综合研究股票、美国ETF与加密货币三大资产类别的投资者羊群行为。通过交叉截面绝对偏差模型与社区划分技术，发现羊群行为在股票与ETF中表现趋同，而加密货币有别。尤其在投资者组成相似的资产子集（社区）中，羊群行为始终存在，且往往由单一事件驱动。美国ETF被识别为市场金融冲击的主要传导者和自身趋势的驱动者。进一步以向量自回归模型揭示美国ETF对其他资产类别的传染作用显著，提示其是市场羊群现象的重要推动力量 [page::0][page::2][page::10][page::15][page::28][page::35]
本文提出了金融市场几何学及其核心工具——管状振荡器，该振荡器基于价格曲线的几何特性量化短期价格趋势。实证分析显示，基于该振荡器的简单交易策略，在德意志DAX指数和欧元/美元外汇市场均能实现平均月收益率超过2%，且具有较强的参数稳定性，表明金融市场价格蕴含显著的短期确定性成分，技术分析在高流动性市场中具有较大应用潜力 [page::0][page::1][page::5][page::11][page::20].
本文提出了一种多重分割方法，用于构建多维概率预测，结合重采样估计多变量预测的不确定性，能与各种点预测方法集成。方法在德国电力市场数据上验证表现优异，特别是在预测变量函数（如价差、剩余负荷）上效果显著。基于联合预测的利润分布，支持风电场在日内和日前市场下的交易决策，帮助平衡收益与风险，实现交易策略优化 [page::0][page::2][page::3][page::26].
本报告基于华盛顿州零售大麻行业的全交易和零售犯罪数据，首次实证证明零售犯罪导致受害店及周边竞争店价格上涨1.5%-1.8%，主要由成本推升机制驱动，非需求变化所致。该“隐性税”使消费者承担主要社会成本，按此推算美国零售行业相关损失超800亿美元，凸显公共安全投资必要性 [page::0][page::1][page::3][page::5][page::7][page::19][page::28][page::30][page::31][page::32].
本报告提出一种基于多项式近似残差价值函数的渐近方法，用于求解具有比例交易成本市场中的最优交易策略。通过对控制极限策略的离散化逼近，精确刻画了交易频率与交易规模的权衡关系，并展示了该方法在跟踪基准、对数合约动态对冲及终端财富效用最大化等问题中的应用，显著提升了策略的可执行性，交易频率与成本的量化分析验证了成本次主导项为$\varepsilon^{2/3}$数量级的普遍性 [page::0][page::1][page::4][page::29].
本报告利用美国2004-2016年信用评分与选举数据，实证发现信用获取的不确定性使选民倾向于支持更保守的共和党候选人。通过构造信用额度跳跃显著的信用评分阈值，发现边缘选民比例每增加10个百分点，共和党得票率提升2.7个百分点，民主党则下降2.6个百分点。同时，在信用不确定性较高地区当选候选人政治立场更趋保守，尤其是民主党候选人，表明信用访问不仅带来经济影响，也通过文化渠道推动政治保守主义的抬头，对社会流动与身份政治具有深远影响 [page::0][page::8][page::24][page::25][page::30]
本报告围绕基于Ornstein-Uhlenbeck过程的Kalman滤波器在资产价格预测中的应用展开，深入分析了参数递归估计方法及其在苹果股票数据上的表现，提出了基于该模型的日内交易策略，并通过回测体系优化模型信心水平与回溯期参数。此外，报告使用矩方法对Heston模型参数进行估计，评估其对真实股价的拟合效果，指出矩方法估计效果不佳，建议未来探索最大似然估计法以提升模型性能 [page::2][page::4][page::8][page::12][page::18][page::26].
本报告基于美国2.2百万个体的信用数据，研究局部房价上涨对租户流动性、消费及信贷行为的影响。研究发现，搬迁者在房价上涨后消费显著增加，购房和购车比例提升，而留守者的消费无显著变化。此现象符合空间均衡模型预期，表明租房者的生活水平整体未因房价上涨而下降，反映了工资调整和居住选择的异质性效应 [page::0][page::1][page::2][page::16][page::17][page::18]。
本报告提出一种新型条件自回归预期短缺估计方法CAESar，基于无分布假设的CAViaR模型拓展，联合估计VaR和ES，包含异方差效应并加以单调性约束，有效解决交叉分位数问题。通过广泛仿真和10个股指的实证检验，CAESar在多项ES回测和预测性能指标中优于现有模型，尤其在尾部风险极端水平下表现突出，展现出强大的风险管理实用价值 [page::0][page::3][page::19][page::22][page::25][page::28]。
报告以欧洲隐私法律对生成式AI模型的监管为背景，重点评估2023年3月27日至4月11日期间意大利封禁ChatGPT事件的影响。通过利用隐马尔可夫模型与Poisson过程对意大利HTTP无效请求数据进行分析，发现封禁期间请求数量明显下降，七状态模型能够较好解释该变化，体现出欧盟监管政策对用户互联网访问的显著限制效应 [page::0][page::2][page::10]。
本报告提出了COGARCH和Barndorff-Nielsen Shephard (BNS) 两类连续时间波动率模型的Markov切换推广，允许波动率于状态切换时产生外生跳跃。基于Markov调制的广义Ornstein-Uhlenbeck过程框架，分析了模型的平稳性条件、矩公式及波动率和价格过程的自协方差结构。结果显示，两种模型均继承原模型特性，能够捕捉金融时间序列的基本统计特征，如对数收益无相关性、平方对数收益相关性及重尾行为，且模型具备较好的数学可处理性和灵活性 [page::0][page::1][page::3][page::6][page::9][page::18][page::23].
