本文针对Bass局部波动率模型的校准难点，提出结合局部二次回归估计和对数正态混合尾部的状态价格密度构建方法，显著提升了模型的鲁棒性与校准精度。基于梯形规则的数值卷积方案在理论最优性及收敛速度上优于传统高斯-埃尔米特求积，实现了更快速准确的迭代收敛。通过Black-Scholes模型和SSVI模型的数值实验及特斯拉市场数据案例，验证了方法的实际适用性和效率优势，尤其在高精度迭代校准中表现突出[page::0][page::5][page::7][page::10][page::12][page::15][page::16].
本文提出了一种灵活定义选民在特定中枢点周围意识形态极化程度的方法，通过美国调查数据验证了该方法的有效性，能判断极化是否发生及极化围绕何处展开，并进一步揭示了意识形态极化与情感极化和分裂议题显著性增加之间的联系，为理解政治极化提供了新的理论框架和实证工具[page::0][page::2][page::4][page::5][page::7]。
本文提出了一种基于参数随机化的波动率曲面拟合新框架，通过将传统参数替换为随机变量，实现了对隐含波动率曲面形态的极大灵活性扩展。该方法保证了无套利并可解析展开，显著提升了对极端市场行情（如短期期权和财报前波动）的拟合能力。基于实证数据，随机SABR参数化和随机标的价格参数化展示了对市场隐含波动率微笑及多峰风险中性密度的优异拟合能力，为短期和事件驱动期权定价提供了新的有效工具[page::0][page::3][page::13][page::16][page::21].
本报告提出基于高频数据的创新分析框架，系统研究银行业股票价格共动与基本面之间的关系。通过4种模型（FEVD及Granger因果检验）识别行业龙头股，发现银行财富管理、同业业务、权益乘数等基本面因素显著影响股票价格互动，揭示了共动的复杂机制，为投资者和监管机构提供风险管理与策略制定参考 [page::1][page::8][page::19][page::25].
本文提出一种基于多元自回归随机波动率模型，利用股票市场波动率指数VIX刻画10年期内期限零息国债的利率主成分（水平、斜率、曲率）及其总收益。论文证明了模型的长期稳定性与大数定律，并通过主成分将债券总收益线性表达，验证了股市波动率对债市波动的适用性，且仅对斜率因子纳入VIX显著改善拟合效果，为国债收益率及其风险溢价的动态分析提供新视角[page::0][page::4][page::15][page::16]。
本报告将招聘过程视为一个语境多臂赌博机问题，强调在人才选择中平衡利用与探索的重要性。通过研究财富500强企业的专业职位招聘数据，发现传统监督学习虽提高招聘成功率但降低少数族裔面试率，而基于UCB的探索型算法显著增加了少数族裔面试比例且保持较高招聘质量，说明探索机制可实现效率与多样性的帕累托改进[page::0][page::2][page::3][page::5][page::23][page::35]。
本报告基于涵盖192国与123农产品的多层网络模型，分析了食品供应链震荡及其适应性调节策略。研究系统性风险点，发现适应行为虽能部分缓冲局部损失，但常引发跨国连锁反应，导致全球食物不平等加剧和多重震荡时的超加性损失，最大达总供应的12%。模型针对印度稻米禁运及乌克兰小麦出口中断展开案例模拟，揭示国家间依赖差异与适应策略成效的关系，为提升全球食品安全提供量化工具与政策参考 [page::1][page::2][page::3][page::5][page::6][page::9][page::10][page::11][page::12][page::13][page::14]
本报告提出了一种基于大语言模型的自动化框架CAI，用于从公司披露文本中高效提取和验证碳减排承诺关键指标。通过上下文分块、RoBERTa相关性搜索、动态提示生成和领域特定验证，CAI实现了结构化、多指标的高精度提取，显著提升了数据采集效率及准确度。经SBTi等业内权威基准测试，CAI模型在召回率和准确率上均达到95%以上，且对多种Gen AI底层模型表现具有鲁棒性，可广泛应用于非结构化文本的信息挖掘 [page::0][page::1][page::4][page::7].
本报告基于107名Y Combinator男性创业者的血液激素检测数据，发现年龄归一化后的睾酮水平随创业公司融资阶段显著波动，睾酮水平从前期融资（Pre-seed）到种子轮（Seed）增长55.7%，并在B轮达到最高峰，同比增长近100%，随后在后期融资阶段（Late Stage VC）下降42.2%，伴随皮质醇水平上升，支持双激素假说，体现出早期创业成功增强自信和主导感，而后期压力则抑制该优势。此外，脱氢表雄酮硫酸盐（DHEA-S）水平波动不显著，提示其对睾酮变化影响有限。研究揭示创业压力与激素水平的动态关联，为创业者健康管理和成功预测提供生理学视角 [page::0][page::3][page::4][page::5][page::6][page::7]
本文提出了一种基于遗传算法生成的Alpha因子与情绪因子融合的GAS模型，结合LightGBM、XGBoost和随机森林的堆叠集成方法，实现了对比特币每日价格趋势的准确预测。通过复杂的特征工程与自动化因子构建，模型显著优于传统买入持有策略，展示了融合情绪分析和机器学习在高波动性金融资产中的有效性与实用价值 [page::0][page::3][page::26][page::24].
本报告首次严谨推导了局部随机波动率模型下期权对已实现方差的短到期渐近价格，涵盖了价外、价内及平价情形，通过大偏差理论和变分问题刻画价外期权的主要指数衰减，提供了相关方差期权隐含波动率的显式展开，并结合数值模拟验证了渐近结果的有效性，为新近推出的Cboe S&P 500方差期货期权定价提供理论支持 [page::0][page::6][page::7][page::15][page::17][page::19]
本报告提出了一种基于物理约束神经网络的新型算法WamOL，用于实时校准高频交易中稀疏且不均匀的隐含波动率曲面。该算法结合自适应权重和多目标损失平衡策略，有效保证了拟合精度、满足偏微分方程以及无套利约束。实证表明，WamOL在动态演化的期权市场中优于传统模型，在准确性、泛化能力和风险敏感度估计方面表现卓越，为期权定价和风险管理提供了高效的实时解决方案[page::0][page::5][page::6][page::7]。
本文研究了A/B测试中的溢出效应如何导致企业总体绩效下降的“跷跷板”实验现象，提出通过设定正的门槛率来缓解该问题。基于双变量正态和t分布模型，具体分析了溢出效应产生的条件及其与信噪比和维度相关性的关系，并推导了优化的门槛率策略，兼顾了分散式测试的自主性和绩效提升，具有重要的理论和应用价值 [page::0][page::2][page::6][page::8][page::9][page::13].
本报告建立了一个统一的框架，基于真实世界概率下扩展的Heath-Jarrow-Morton (HJM) 方法，系统刻画多重期限结构在金融、保险和能源市场的模型。通过分析相关SPDE，证明模型的存在唯一性、状态空间不变性及仿射实现在内的核心性质，并完备描述局部鞅贴现因子的结构，确保市场无套利和模型可行性，显著拓展现有HJM理论[page::0][page::1][page::8][page::14][page::16][page::24][page::25].
本文结合Grossman-Stiglitz模型，建立一个分析市场信息聚合的框架，发现交易者分享私人信息虽无法收费且不持仓，却能获得信息优势，且价格的信息含量关于发布信息的交易者人数表现为U型，即少数专家反而阻碍了信息聚合，而所有人均发布信息时信息聚合效率最高。此外，报告探讨了交易者向聊天机器人求助的场景，揭示了其对信息共享激励机制的影响 [page::0][page::1][page::6][page::7][page::8]。
本文提出一种针对CoVaR系统性风险度量的高效嵌套估计方法，通过分离风险函数拟合与CoVaR估计两个阶段，采用平滑技术提高样本效率。理论分析表明该方法收敛率可达约$\mathcal{O}_{\mathrm{P}}\big(\Gamma^{-1/2}\big)$，显著优于传统嵌套模拟估计。实证部分在300维风险因子下，比较多种平滑技术后给出实际选取建议，验证了方法高效性和适用性 [page::0][page::3][page::14][page::25]。
本报告通过随机对照试验(RCT)评估微软Security Copilot对IT管理员的生产力提升效果，涵盖身份管理与设备管理三大场景。研究发现，Copilot用户总体准确率提升34.53%，任务完成时间减少29.79%，复杂的自由回答任务提升尤为显著（准确率提升146.07%，耗时减少61.14%）。不同经验水平的用户均受益且用户满意度高，表明生成式AI工具可显著提升IT运维效率，特别是在需综合信息和复杂决策的任务中[page::0][page::4][page::5][page::6][page::7][page::9]。
本报告研究了不确定波动率环境下基于风险的欧洲期权定价的离散时间模型极限行为。通过非线性凸单参数半群理论，证明多期风险中性价格极限唯一由协方差决定且满足时间一致性。与基于$G$期望的极端价格相比，风险定价显著缩小买卖价差。数值案例验证基于风险价格仅依赖协方差且随着风险厌恶参数趋于无穷，风险定价收敛至极端价格，体现风险态度对价格的调节效果 [page::0][page::3][page::4][page::11][page::13][page::15][page::18][page::19][page::20]
本报告通过多种大型语言模型(LLMs)对财务文本情感进行分析，实证量化了模型在包含或不包含公司名时产生的公司特定偏见，建立了经济模型解析该偏见对投资者行为及股价的影响，结合日本市场数据验证偏见对公司特征及股票表现的实际影响，为金融领域LLM应用的偏见管理提供理论与实证依据 [page::0][page::2][page::4][page::5][page::7]
本文利用巴西丰富的行政数据，采用大规模裁员作为外生冲击，研究失业对个体政治参与（政党入党及地方竞选）的影响。结果显示，失业显著提升政治参与率，且新晋政治参与者在教育、收入和政治经验等能力指标上表现更优，表明经济冲击可能提升政治选拔质量。此外，失业对带薪职务的财政激励和预期收入损失较大的群体影响更为显著。失业保险资格的断点回归分析进一步支持了机会成本降低与时间资源提升是推动政治进入的关键机制。这表明经济负面冲击不仅影响选民需求，也通过影响政治供给改善政治代表素质，政治选拔具有逆周期性特征 [page::0][page::2][page::3][page::7][page::15][page::22][page::27][page::31][page::34][page::35]
