本文提出了Set-Sequence模型，通过在每个时间步引入无序集合( Set )模块学习跨截面潜在依赖，并结合序列( Sequence )模块捕捉时间动态，实现对大规模高维时间序列的高效预测。该模型具备对单位数目变化的适应性，计算复杂度线性缩放，避免了手工设计特征。经过合成信贷传染任务、美股股票组合构建和美国抵押贷款风险预测三类实证检验，Set-Sequence模型显著优于传统序列模型，提高了预测准确率(如AUC提升)、经济性能指标(年化Sharpe比率提升22%)，并具备较强解释性，所学的集合摘要紧密追踪潜在风险因子[page::0][page::1][page::6][page::7][page::8][page::18][page::25]
本论文提出基于随机控制理论的风-电池混合能源资产的日内调度模型，重点解决了实际风电输出与日前调度目标之间的拟合问题。通过多目标函数设计、时变Jacobi扩散过程描述风电动态，并结合高效的基于高斯过程的回归蒙特卡罗算法，作者构建了闭环控制策略，实现针对不同损耗函数、电池寿命和峰值削减的优化。基于美国德州ERCOT合成电网的实证结果显示，混合电池资产显著提升了风电的调度可预见性和经济效益，为混合可再生能源资产的调度优化提供了理论与算法框架 [page::0][page::1][page::4][page::7][page::15][page::16][page::18][page::24]。
本文针对带潜在马尔可夫过程的随机模型难以直接计算重要采样中所需的特征值和特征函数问题，提出一种双指数倾斜通用框架，通过独立扭曲潜在和观测过程并构造链接函数以直接最小化估计器方差，实现计算效率显著提升。该方法不仅包含传统指数倾斜方法作为特例，还能应用于非线性复杂模型，如疫情SIR模型溢出概率和金融系统性风险CoVaR估计，数值结果显示显著的方差减少和对中等稀有事件的对数效率保证[page::0][page::3][page::5][page::6][page::7][page::11][page::12][page::19][page::24][page::27][page::31]
本文提出基于多智能体深度强化学习的假新闻传播模型，刻画社交网络中信息聚合与假新闻攻击的机制与演化。实证发现：攻击高连接度节点和信号较弱节点效果更佳，分散攻击优于集中攻击，平衡网络较聚类网络更抗攻击。通过大规模人类实验验证模型预测的合理性，提示提升网络平衡性、隐匿连接信息及提醒用户假新闻存在等对策有助于抵御假新闻扩散 [page::0][page::1][page::5][page::18][page::26][page::28]。
本文提出一种利用产品文本和图像非结构化数据，通过预训练深度学习模型提取嵌入向量，并结合主成分分析和混合Logit模型，准确估计产品需求和替代模式。实验和实证数据均显示该方法优于传统基于属性的需求模型，显著提升二选项预测的准确度，在反事实定价和合并模拟中表现突出[page::0][page::2][page::14][page::35][page::28]。
本论文基于NYSE和NASDAQ多年度高频交易数据，系统实证分析了股票自响应函数和交叉响应函数，揭示市场微观结构中非马尔科夫性及其时间变化，探讨了2008年金融危机及算法交易兴起对市场交易者行为影响的非平稳性，表现为响应函数在不同时间尺度与年份的显著差异和权重记忆变化，展示了不同板块间的交互影响及其演化特征，为理解金融市场微观机制与交易策略提供了深刻的数据支撑和理论启示[page::0][page::1][page::5][page::6][page::9][page::19]。
本报告首次系统比较了大型语言模型（LLM）驱动代理与人类交易者在实验资产交易市场中的行为。结果显示，LLM代理表现出更接近基本面的理性定价，较少发生价格泡沫，而人类市场普遍产生显著泡沫及崩溃，且波动更大。多种实验条件下的异质模型混合市场也未出现人类典型的泡沫现象。策略文本分析显示，LLM代理更依赖基本面，行为更一致，预测更准确且偏差更小。这表明直接用现成LLM模拟人类市场行为存在风险，不足以捕捉人类行为驱动的复杂市场现象[page::0][page::1][page::2][page::4][page::6][page::7][page::8][page::9].
本文提出利用图神经网络（GNN）对三角套利问题进行建模，通过松弛损失函数和深度Q学习原理实现套利机会的高效检测。实验表明，该方法在合成货币网络上较传统Bellman-Ford算法和线性规划求解器，能获得更高收益（6.3%）且显著降低计算时间（147ms），展现了GNN在金融优化问题中的潜力与实用性[page::0][page::4][page::5]。
本论文在离散时间无摩擦市场背景下，研究了随机非凹、有界效用函数的鲁棒效用最大化问题，利用投影确定性公理(PD)构建了项目测度理论框架，证明了在该框架与若干合理假设下，非凹效用的最优投资策略存在，且给出了存在性条件和若干反例以说明假设的合理性，同时指出传统ZFC集合论不足以支持此类多期鲁棒优化，需加强理论假设 [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][page::32][page::33][page::34][page::35]
本报告介绍了一系列具有严格时间戳限制的指令式大语言模型（ChronoGPT-Instruct），旨在消除训练中的先见偏差，实现训练数据与预测任务时间的完全时序隔离。通过多阶段数据精筛和验证，确保模型无未来信息泄漏，同时保留一定的预测能力。以金融新闻为例，构建基于模型输出的交易组合回测，证明至少有54%的预测能力在无泄漏情况下仍然存在，为研究者提供了衡量大语言模型免泄漏预测能力的基准工具 [page::0][page::2][page::13][page::15][page::17]
本文提出了基于Attention机制的条件隐含因子模型，用联合端到端的方式学习可交易的统计套利因子及其交易策略，优化交易成本后的风险调整收益。实证针对美国最大500只股票的24年日度数据，Attention Factor模型实现了超过4的无摩擦夏普比率及2.3的交易成本后夏普比率，显著优于传统两步法PCA模型。模型揭示弱因子在识别价格偏离中的重要性，并通过时间序列卷积捕获复杂动态结构，为统计套利因子构建提供了新范式 [page::0][page::1][page::4][page::5][page::6]
本文研究了基于动态分布通胀机制下权益率的稳定性，指出高收益对权益率敏感性与行为延迟共同引起系统震荡。通过数值模拟与线性分析，提出了一种稳定性回廊模型，将收益率导数区域设为零，有效抑制了震荡，实现了系统稳定收敛。研究结合控制理论分析了不同通胀曲线设计对权益率稳定性的影响，验证了减少收益率敏感度的设计可显著提升系统鲁棒性，为PoS协议货币政策设计提供理论支持和实践方向[page::0][page::1][page::3][page::5][page::6][page::7][page::8].
本文基于流体力学Navier-Stokes方程，建立识别差分中的空间和时间效应边界的统一理论框架。通过理论推导和美国煤电厂空气污染数据实证，验证了污染物浓度随距离的指数衰减规律及其区域异质性，明确了适用条件与诊断方法，为空间差分设计提供物理基础和边界估计工具 [page::0][page::1][page::6][page::23][page::37]
本报告提出了基于隐马尔可夫模型（HMM）隐状态的Multi-Agent Regime-Conditioned Diffusion (MARCD)框架，结合尾部加权扩散训练目标和多专家机制，强化危机期间的共动结构，并通过一个考虑换手率控制的凸CVaR分配器实现资产配置。实证结果显示，MARCD在2005-2025年期限内的多资产ETF组合中，相较传统均衡和Black-Litterman方法显著降低最大回撤34%，夏普比例提升至1.23，并保持相当的换手率，展现了更优的风险调整收益和尾部风险控制效果[page::0][page::1][page::4][page::7]
本文提出并分析了在不确定性（ambiguity）下的连续时间鲁棒强化学习框架，用于最优停止问题。通过将传统的最优停止问题转化为熵正则化的最优控制问题，并引入Bernoulli分布控制实现探索，利用反向随机微分方程（BSDE）刻画最优控制。基于该理论，设计了具有策略迭代收敛性的强化学习算法，并通过数值实证验证了算法在不同不确定性和探索程度下的稳定性和鲁棒性 [page::0][page::1][page::7][page::8][page::13]。
本论文利用欧元区微观收入调查数据，采用结构面板向量自回归和局部投影法，系统分析金融冲击对收入不平等的分布效应。结果表明，正向金融冲击显著提升收入基尼指数，特别影响收入分布两端，推动金融收入和劳动收入的不平等上升，后者主要通过技能溢价渠道实现。负向冲击则使收入不平等下降，影响中间收入群体更为明显。本研究揭示了金融冲击在不同收入组间的异质性效应及其传导机制，对宏观经济和分配政策具有重要启示 [page::0][page::3][page::4][page::11][page::12][page::13][page::15][page::18][page::21]。
本文结合均场博弈理论与经典二项树框架，研究股票价格形成的均衡问题。针对具有指数效用和递归型指数效用的代理人，证明了均衡存在唯一性，推导了股票价格在二项树路径上的均衡转移概率显式表达式。模型中考虑了依赖于不可对冲的公共及个体因素的随机期末负债和增量赋予，并引入了外部订单流。数值实例表明，这些因素显著影响均衡价格分布的形态及风险溢价水平，且异质性因素驱动市场交易量产生 [page::0][page::1][page::8][page::9][page::16][page::24]
本文通过构建基于欧式看跌期权的p-index测度资产风险，结合p-ratio和经验有效前沿（EEF），实证研究了2014-2024年中国沪深300和美国NYSE成份股的多种投资策略表现。结果显示，沪深300股票一周持有期且复投策略下，最高p-ratio策略年化收益高达499.97%，而美国市场策略收益普遍较差；非复投策略及价格涨跌幅限制调整后，沪深300依然表现优异；p-index对美国股票回报具有正线性驱动作用，且将p-index纳入多因子模型能提升解释力，但对中国市场则效果有限[page::1][page::11][page::13][page::26][page::27]。
本文提出结合行为金融指标的HLPPL（Hyped Log-Periodic Power Law）模型，实现对金融泡沫及负泡沫的双向识别与量化。利用LPPL残差、媒体关注度（Hype Index）和文本情绪（Sentiment Score）构建统一的Bubble Score，并通过双流Transformer深度模型进行多时点预测，显著提升泡沫检测的准确性和可操作性。实证和回测结果显示该方法在美国房地产等行业股票上取得年化收益34.13%，显著超越传统买入持有策略，且能有效捕捉市场的过度乐观与悲观阶段[page::0][page::5][page::21][page::24]。
本论文利用2010-2021年卢旺达区级面板数据，采用基于雨量的工具变量两阶段最小二乘法，研究农业产量波动对小学和中学按性别分学童入学率的因果影响。结果表明，小学入学率反周期，主要受机会成本影响，较大波动出现在男孩中；中学入学率则呈现强烈的正周期性，反映资金约束下的收入效应，同时女性中学入学在持续繁荣期出现显著下降。该研究揭示了不同教育阶段与性别的经济决策差异及家庭对长期冲击的动态应对策略 [page::0][page::2][page::8][page::9][page::10][page::11][page::13]
