本报告提出了基于Fisher–Rao流形的坐标不变相关性（correlation）压力测试框架：将相关性压力定义为保持协方差矩阵行列式不变的测地线族，并用参数化路径 Σ(t)=Σ^{1/2} exp(X t) Σ^{1/2}（X 为对称无迹矩阵）构造任意规模的相关性压力测试；同时用Rao距离作为压力大小并以 P=exp(−d) 给出可行性度量，支持统一抽样与最可行性补全（示例：债券-股票-商品的最可行拟合矩阵）[page::6][page::8][page::17]
本文构建并解析求解了在Basel III（Tier‑1与LCR）约束下的银行资本结构与股息/增资最优控制问题：通过同质性将二维资产/负债动态降维为杠杆率Y的一维冲击-奇异控制问题，证明最优策略为在上界y*处以反射支付股息、仅在破产边界y=1触发（有成本的）一次性增资并跳到唯一目标水平，同时给出阈值的解析特性并通过蒙特卡洛绘制监管的安全—盈利帕累托前沿，发现提高偿付能力参数a1通常在安全性与盈利性间最有效权衡 [page::0][page::2]
本文提出一个两期资产清算的最坏情形（maximin）决策框架，研究银行在未知对手早期清算策略下的稳健最优早期出售规模。对两类常见情形（永久性价格冲击与银行间债权暴露）分别给出可解析或半解析解：在有永久冲击时，稳健解随冲击参数γ呈“V形”依赖并在阈值γ*处转折；在含互联负债时，稳健解简洁地为原无提前清算情形下的清算量的一半 [page::0][page::14][page::20]
本文提出 E-TRENDS：对30只大型美股采用差分后的LSTM预测次日趋势变化，理论证明差分可降低估计方差并在可控范围内增加偏差；实证上与OLS、Ridge、Lasso及LightGBM比较，平均RMSE下降约15%，组合层面P&L由-2.15提升至+0.28，且多数标的获得正向收益与Sharpe改善，为将深度学习信号整合进系统化跟踪策略提供可行路径 [page::0][page::6][page::4]
提出以仿射联络定义的协变 Hessian 替代普通 Hessian，使短期二阶 P&L 预测对坐标变换（如 S / log F）不变；同时将 desk 的二阶目标（如 Vanna–Volga）与执行成本（通过局部二次交易成本 Λ 与重平衡映射 M）分别作为“值侧”与“罚侧”输入校准，从而得到可比、流动性感知的二阶敏感度与最小成本再平衡路径，并在 EURUSD 与 USDTRY 两个敲入期权案例中展示了工作流与定量影响 [page::0][page::26]
本文构建了一个非参数的动态赫多尼克（hedonic）揭示偏好检验框架，给出包含习惯形成时刻的Afriat型必要充分条件，并将检验分解为结构性（价格能否由属性阴影价格产生）与行为性（阴影价格在时间上是否理性）两部分，从而能量化违规严重性并指导何时静态WTP被误测。实证上基于家庭扫描数据的谷物购买：大多数静态模型失败源自结构性价格约束，而在满足价格跨度后引入习惯可系统改善行为一致性，改变价格到WTP的映射并影响福利解释 [page::0][page::17][page::21]
本文利用瑞典行政微观数据和因果机器学习（Generalized Random Forest, GRF）估计就业厂关闭导致的相对年收入损失的条件平均处理效应（CATE），发现跨工人、企业与市场的异质性极大：短期平均收入下降约24%，但最易受冲击的分位组损失接近46%，最韧性组仅约6%，且短期预测对中长期损失具有稳定预测力，表明多维且可操作的定向救助政策（例如基于年龄与岗位例行性规则）能够显著提高救助效率与公平性 [page::0][page::18][page::35]
本文对单次多项结果下注下的全Kelly问题给出简明的状态价（state-price）导出：将现金视为对每一状态的隐含头寸，使得在任一活跃支持上显式下注仅是将隐含的c q_i补足到最佳总注额p_i，从而得到阈值规则p_i/q_i>c与一次性贪心支持选择算法，简化了支持选择步骤并使解的记忆更直观 [page::0][page::4]
本论文通过13次半结构化访谈，基于自我决定论（SDT）分析加密货币KOL的动机、实践与可信度建构，提出可信度为一种自我决定的伦理性实践，并识别出四个社区认可的可信度标记（自我约束、受限的认识能力、问责与反思自纠）；方法上采用人类主导且由LLM辅助的主题分析工作流，并提出面向平台、社区与监管的可操作性建议以提升透明度与责任感 [page::0][page::5][page::11].
本文提出一种基于构造单纯形上柯西序列并寻找其极限作为风险预算组合的替代方法，建立了对应的迭代算法（固定点方法）并给出收敛性、存在性与唯一性的充分条件；在以标准差为风险度量的情形中，明确了步长 k 的选取（通过四次/三次多项式条件）与保持迭代在单纯形内的显式约束，并在数值实验中显示该固定点算法在速度和精度上优于若干常见优化或非线性方程求解方法 [page::0][page::3][page::29]
本文构建并证明了在驱动对数收益位于α-stable吸引域（1<α<2）时，指数Lévy模型的近到期ATM认购期权价格与隐含波动率的一阶短时渐近展开，证明了该吸引域及中心化常数μ在份额测度(share measure)下不变，从而使ATM价格的一阶系数可由Lévy测度在原点的正则变差信息直接读取；当存在布朗分量时，跳跃项为次阶，ATM价格的主导项为√t（由高斯成分驱动）；并给出一个包含对数慢变修正的显式例子，导致B_t具有(t / log(1/t))^{1/α}类的收敛率 [page::10]
本文构建并估计一个包含婚姻匹配與家庭內議價的動態模型，將「休閒技術增長」納入家庭效用中，並以日本2019–2023年資料校準模型以回溯2005–2009年的變動。結果顯示休閒技術提高使單身相對更有吸引力，模型可解釋約21.1%的婚姻率下降與73.1%的生育率下降，且休閒技術對生育率下降的貢獻最大（同時伴隨子女對閒暇的顯著懲罰）[page::4][page::19][page::6].
本文提出一个基于Agentic AI的自治因子发现闭环框架：智能体自动生成、回测并解释可交易因子，使用严格的样本外验证与经济合理性门槛以抑制数据挖掘偏差。实证（美股日频，2021–2024 OOS）表明：单因子显著、因子集经线性/LightGBM聚合后实现卓越可实现收益——线性组合的年化净夏普比率达3.11，年化收益约59.53%，并在计入交易成本与周转约束后保持显著性 [page::0][page::21][page::22]。
本文区分并测量了两种模糊性态度维度——模糊规避（ambiguity aversion）与模糊敏感性（ambiguity sensitivity），并基于荷兰LISS面板的激励式实验发现：公司制（incorporated）企业家相对于雇员模糊规避更低（更能在高度模糊环境下行动），而未公司制自雇者对主观成功概率的变化反应更敏感（更易随信念调整行为）；这些结论在控制风险偏好、乐观程度、认知能力和人口统计学变量后仍然稳健，为理解不同类型创业者在不确定情境下的行为提供了新的理论与实证视角 [page::0][page::25].
本研究利用 SHARE（Wave7–9）对爱沙尼亚、拉脱维亚与以色列老年样本构建多维童年匮乏指数，发现童年匮乏与晚年多维不良健康（自评差、慢性病负担、功能受限、抑郁及复合“多重脆弱”）之间存在稳健的剂量-反应梯度，且在三国均显著（最高剖面 Q5 相对 Q1 的比值比显著大于1），语言群体（国家语 vs 俄语访谈）间趋势相似但估计精度存在差异，这表明在制度分化与迁移背景下早年不利仍对晚年健康具有长期持续影响 [page::11][page::15].
本文构建并分析了S&P500 60日滚动相关矩阵的领先特征值比 ψ1，发现以VIX为场代理的耦合OU模型将表观自我回复时间从约298交易日压缩到约61交易日，说明大部分看似“慢”的集体相关性可由波动率场继承；该结论经持久性匹配置换检验、机械/信息分解、无重叠周重构和场剥离ACF等多重稳健性检验支持 [page::6][page::8].
本文以BSDE与广义shortfall框架构造并研究完全动态现金非加性风险度量，提出并分析了hq-entropic（q-广义熵）对超出阈值损失的评估、对应BSDE驱动及其对偶表示，给出h-longevity的必要充分条件g(s,y,0)≥0，并讨论了与certainty-equivalent的等价/非等价关系 [page::0][page::7][page::23]
本文提出了面向金融市场的“代理化金融”（agentic finance）框架：构建了四层代理架构（感知、推理、策略生成、执行与控制）并进一步提出Agentic Financial Market Model（AFMM），把代理设计参数（自治深度、模型异质性、执行耦合、基础设施集中度、监管可观测性）映射到市场层面结果（效率、流动性、波动与系统性风险），并用一次能力公布的事件研究说明市场对不同业务模型的差异性再定价路径 [page::0][page::9][page::12][page::24]
提出了一种严格因果的“前瞻性”信号工程框架：先对异构技术指标做因果的中位数+MAD归一化，构造共识Z-score并加入因果有限差分导数项与自适应门控，再通过滞后阈值决策并在滚动walk-forward中以PnL/√T为目标选择超参数，从而在强非平稳市场中实现风险重塑、降低回撤并提供有限的预期领先信息。[page::0][page::14]
本文研究在“时间变换（stochastic clock）”框架下的长期投资增长率，证明Kelly准则仅在对数收益服从正态分布（即时间钟为退化常数）时为最优；当存在随机时钟时，Kelly通常过于激进，随着时钟方差增加其失败越明显，并导致较低的破产阈值与模型/估计风险，需要通过可接受性索引在多种时钟分布下筛选长期可接受投资 [page::0][page::15]
