本报告针对多资产多行权价的Quanto看涨期权，系统比较了不同随机波动率、随机相关性及随机汇率模型在蒙特卡洛定价中的表现，发现最优组合为GARCH-Jump随机波动率、Weibull随机相关性及Ornstein-Uhlenbeck随机汇率模型。通过对多种离散化方案的测试，Milstein方案在执行效率与定价精度间达成最佳平衡，同时引入了反向变量方差减小技术显著提升模拟精度。报告还推导了相关性的风险参数Cora和Gora，为相关性对冲提供理论基础 [page::0][page::23][page::31]
本报告提出了一种基于Transformer的预训练生成模型MarketGPT，用于建模金融时间序列中的订单流，特别是纳斯达克限价订单簿（LOB）消息。模型能够在离散事件模拟器中，生成高精度、长序列的订单消息，重现多种市场“风格事实”（如订单类型分布、订单大小、间隔时间以及价格收益的厚尾分布和波动聚类等），实现真实的市场微观结构模拟。此外，引入attention sinks机制，允许模型在超长序列中保持高保真度，推动金融市场交互式模拟的实现[page::0][page::1][page::6][page::8][page::11]
本报告研究在无任何对手行为或策略信息的前提下，多臂老虎机（bandit）算法在囚徒困境博弈中是否会自发趋向合谋行为（naive collusion），并通过理论与模拟分析揭示了算法的随机性和对称性如何影响合谋形成。研究表明，确定性算法（如对称UCB）必然趋向合谋，而标准的epsilon-greedy算法则长期竞争，且算法差异导致合谋与竞争的复杂共存态。该成果对监管反垄断政策提出了新的挑战，强调限制基于对手价格的条件定价不足以防止算法合谋 [page::0][page::2][page::5][page::12][page::14][page::17][page::21]。
本报告探讨了使用大型语言模型（如GPT-3.5和BERT）基于美联储褐皮书数据预测股票和债券相关性的有效性。研究发现，褐皮书包含资产相关性信息，但GPT模型存在明显的未来信息泄露偏差，且未能超越传统模型表现。通过投资组合模拟，基于BERT模型生成的相关性信息能提供更优的投资组合表现，尤其是在新冠疫情前后不同市场环境中，显示其更强的泛化能力。此外，加入历史相关性数据未显著提升预测准确率。[page::0][page::1][page::2][page::4][page::5][page::6]
本报告提出了一个创新的区块链集成数据集和框架，结合高频链上数据与低频链下讨论数据，通过线性回归、深度神经网络、XGBoost及LSTM四种机器学习模型验证了其在以太坊交易费机制预测中的应用潜力，实现了从事后调整到主动调节的交易费机制创新[page::0][page::1][page::5][page::7]。
本报告提出了一种基于稀疏性先验的数据驱动随机波动率模型，用于从数百个宏观经济事件中筛选对汇率波动性影响显著的事件。研究发现，仅与泰勒规则相关的九个主要宏观经济公告对澳元汇率的波动性具有超过95%的后验包含概率。模型还揭示了汇率波动性的W型日内季节性模式，与主要市场开盘时间和交易量高度相关。采用该模型在波动率预测和全球最小方差组合配置中均优于传统SV和GARCH模型，带来更低的波动和更高的夏普比率，展示了宏观公告和季节效应对汇率波动性解释及实际投资配置的重要意义。[page::0][page::2][page::6][page::8][page::11][page::13]
本文采用非参数经验贝叶斯方法，基于智利、哥伦比亚和日本制造业数据，估计了异质性的柯布-道格拉斯生产函数，发现企业在要素中性生产率和要素产出弹性上存在显著差异，且两者负相关，且结果在CES和强化版柯布-道格拉斯模型中均稳健。这种异质性对生产率测量、技术采用和上涨幅度估计影响重大，揭示了现有研究忽视的重要维度。[page::0][page::1][page::4][page::5][page::7][page::10][page::16][page::18][page::19]
本报告通过一个理想化的经济模型展示了在缺乏竞争的市场结构中，AI自动化技术生产率提升反而可能导致总产出（GDP）下降的反常现象。模型假设一个垄断企业，可选择使用传统技术与自动化技术生产，随着自动化生产率提升，企业以利润最大化为目标逐渐用自动化替代劳动力，从而导致生产下降但利润上升。该结果挑战了生产率提升必然带来经济增长的普遍认知，突显了对非完全竞争市场下自动化影响的进一步建模需求，也为AI风险的经济情景模拟提供了新的视角和方法 [page::0][page::1][page::6][page::7][page::8]。
本文提出了一种结合经典时间序列与波动率模型的特征增强生成对抗网络(FE-GAN)，以改进金融风险指标VaR与ES的估计。通过引入历史数据及基于GBM和时间序列的多种输入序列，FE-GAN显著提升了生成模型的拟合速度和风险估计精度，尤其在Tail-GAN架构下体现更优的极端风险捕捉能力。多模型融合方法兼顾趋势与波动，增强了VaR和ES的估算性能，显示了在金融时序数据中结合统计模型与深度学习的巨大潜力[page::0][page::1][page::2][page::4][page::9][page::14].
本报告基于多区域多行业一般均衡模型，系统分析贸易逆差对关税福利效应的影响。理论与数值结果表明，贸易逆差增强一国操纵贸易条件的能力，从而提升其最优关税水平。以中美贸易战为例，发现美国因双边逆差可从贸易战中获益，但总体而言自由贸易较贸易战更有利。模型强调服务业及中间投入联系的重要性，对理解贸易政策与逆差互动提供了新视角 [page::0][page::1][page::2][page::6][page::23][page::28][page::39]
本报告提出基于Markov-Functional方法构建局部波动率模型，可精确拟合给定离散边际分布。引入多种时间齐次及连续流函数构造算法，既保证了模型的数值高效性，也揭示了不同构造对局部波动率项结构的影响。通过合成双指数分布和JPM市场期权数据验证所提方法的收敛性及拟合效果，揭示传统插值方法存在的时序震荡及不连续问题，并用一步步时齐构造和平滑插值予以改善，为实际局部波动率建模及期权定价提供新思路 [page::0][page::1][page::6][page::10][page::15][page::17][page::23]
本报告提出将Kronecker-Factored Approximate Curvature (K-FAC) 优化方法应用于基于LSTM架构的深度套期保值框架，实现计算效率大幅提升。通过基于Heston随机波动率模型的仿真路径，实证验证显示K-FAC优化相较于传统Adam优化在收敛速度、交易成本降低78.3%和收益波动性减少34.4%方面具有显著优势，且风险调整后的夏普比率提升至0.0401，显著优于基线模型。研究揭示二阶优化技术在量化金融风险管理中的广阔应用前景，促进理论与实践的更好结合 [page::0][page::7][page::9][page::10][page::11][page::12]
本报告系统研究了基于expectiles（期望分位数）的多样化商（Diversification Quotient, DQ），提出其作为VaR和ES之外的风险度量新工具，具备明确解析公式、与Omega比率的紧密联系及避免小样本尾部数据不足对VaR/ES的影响等优势。基于pseudo-convex性质，DQ优化可应用梯度下降和线性规划，有效解决投资组合选取问题。研究还给出了椭圆分布和多变量正则变差模型下的DQ显式公式与极限性质，并通过实证数据验证了基于expectiles的DQ在稳健性与收益波动性上的优越表现，为金融风险管理及投资策略提供了新的度量和优化思路。[page::0][page::1][page::2][page::3][page::4][page::6][page::7][page::8][page::9][page::11][page::14][page::15][page::16][page::17][page::19][page::20][page::21]
本文提出了一组适用于算法交易策略的盈亏（PnL）计算公式，详细说明了基于本金和报价货币的收益计算方法，考虑了买卖价差和手续费影响。通过示例说明如何在多笔交易中准确计算已实现和未实现盈亏及组合财富变化，为交易模型绩效评估提供了严谨实用的数学框架[page::0][page::1][page::2][page::4][page::5]。
本报告运用小波分析法，对比特币、以太坊、瑞波币等主要加密货币及主要金融资产的价格时频域特征，发现低频区域价格较为稳定，高频区域呈现非线性动态并存在周期性持久性，尤其瑞波币显示显著的多频率周期性，验证了弱形有效市场假说的局部失效及投资时域内的因果关系，为高频交易和资产定价提供新视角[page::0][page::6][page::14][page::15]。
本报告利用涵盖东京证券交易所全部流动股票及交易账户的高质量微观数据，精准测量了价格冲击量化指数δ，确认该指数在股票及交易者层面均严格接近0.5，支持平方根价格冲击定律的严格普适性假说。同时通过实证检验驳斥了两大非普适性模型，填补了以往数据不足导致的研究空白，为机构投资者评估大型交易成本提供了坚实理论与实证基础 [page::0][page::1][page::2][page::3].
本文提出了基于混合系统方法的非线性漂移CEV过程（NLD-CEV）带状态转换的分数阶条件矩闭式解析公式，通过求解Feynman-Kac偏微分方程系统，实现任意分数阶条件矩的精确计算。结合蒙特卡洛模拟验证了公式的准确性和计算效率，并进一步应用于VIX期权定价模型，展示了NLD-CEV模型在复杂随机环境下的优越性能和实际金融衍生品定价的实用价值 [page::0][page::1][page::4][page::12][page::13][page::14]。
本报告利用先进的大型语言模型（LLMs）对卖方分析师研究报告文本进行深度语义解析，证实文本信息对股票同期回报的解释力达到10.19%，超过传统定量预测。通过Shapley值分解，发现收入表分析是报告信息价值的核心，解释力贡献占比超过50%。在经济收益层面，提前获得分析师报告可带来显著利润，信息价值在财报发布后一周内达到峰值，凸显分析师对财务数据解读的重要角色 [page::0][page::2][page::3][page::26][page::29][page::30][page::37]
本报告提出了一种多频率的马科维茨投资组合优化框架，通过引入目标赫斯特指数（Hurst exponent）来同时管理投资组合在多个时间尺度上的方差风险。该方法有效应对传统马科维茨模型在波动性聚类、市场崩盘、多重分形等市场复杂现象下的局限性，显著提升了风险控制的精准度和动态调整能力。实证分析基于美股行业ETF和因子轮动策略，验证了多尺度优化在夏普比率和最大回撤等指标上的优势，展示了多尺度风险管理的实用价值和理论创新 [page::0][page::1][page::7][page::8]。
本研究系统性对比了四个开源电力系统容量扩展模型（TEMOA、Switch、GenX和USENSYS），通过输入数据的严格一致性和多种模型配置的测试，分析模型结构差异对结果的影响。研究发现，通过输入协调，模型在当前政策与净零排放场景下的系统配置及成本高度一致，成本差异小于1%。经济退役和单位承诺约束等配置对投资决策和系统成本有明显影响。结果强调了输入统一及明确配置对政策分析的关键作用，提升模型比较的透明度与可信度，为电力系统深度脱碳的规划和政策制定提供坚实的工具基础 [page::0][page::3][page::7][page::17]。
