本报告提出一种基于新闻文本语义嵌入的连续风险因子模型，通过构建资产敏感度分布及能量距离（Energy Distance）衡量资产间风险因子差异，建立资产收益率相关性的理论约束与实证验证，显著提升了对资产回报协方差结构的理解，尤其在无价数据或薄交易资产场景中具有广泛应用潜力 [page::0][page::1][page::6][page::10].
本报告提出了一种名为Rebalancing-versus-Rebalancing（RVR）的高精度模型，用以衡量动态自动做市商（AMM）池相较于中心化交易所（CEX）基准的资产管理执行效率。通过对超过1000种策略参数组合的模拟，结合不同的交易费用和gas成本，结果表明动态权重AMM（如Temporal Function Market Makers）在绝大多数手续费条件下，能够实现优于传统CEX再平衡的资产管理表现，且引入零售交易者后优势更加显著。该研究为资产管理者提供了基于AMM的创新执行工具的量化验证和新视角 [page::0][page::5][page::6][page::7][page::8][page::9]
本报告基于因果机器学习方法，利用瑞士行政数据评估主动劳动力市场政策（ALMPs）对失业者未来就业和收入的影响。结果显示，临时工资补贴项目对就业和收益有中期正面效果，而基础课程对这两项指标则产生负面影响，培训课程和就业项目影响不显著。政策效应对低教育水平及非欧盟移民群体更为明显。通过政策树分析，建议增加临时工资补贴项目的覆盖率以提升整体就业表现 [page::0][page::2][page::15][page::28]
本报告提出基于路径签名（path signatures）对数字资产进行聚类，构建更具多样化特性的加密货币投资组合。路径签名能高效捕捉价格序列的形态特征，通过k-means聚类将数字资产分组，再从每组选取代表资产，形成简洁的投资组合。在Fixed Origin of Time（FOT）和Rolling Window（RW）两种时间窗口下对等权、最小方差和最大多样化三种策略进行回测，结果显示聚类筛选后的组合在收益率、风险调整后表现及交易成本方面均优于未经筛选的基准组合，尤其RW方法下表现更优，尽管伴随波动率和最大回撤略有上升。该方法有助于投资者把握数字资产市场的复杂动态，实现风险收益的优化配置[page::0][page::4][page::7][page::18][page::19]。
本报告提出了一种基于量化回归和光滑密度估计的通用资产收益率分布估计方法qLSTM，利用资产中性特征实现跨资产类别的稳健预测，并结合高斯分布形成混合模型qHybrid，显著提升了对尾部风险的捕获能力。通过多种真实和合成数据集的实验，模型在量化损失、Wasserstein距离及CRPS等多个指标表现优异，尤其在极端尾部风险估计上表现出色，展示了其在风险管理和投资组合优化中的广泛适用性与优势 [page::0][page::1][page::2][page::18][page::23][page::24]。
本报告提出了一种结合GC-LSTM的动态图神经网络（DGNN）架构，用于在时间动态金融网络中有条件地多步预测净变动保证金。模型基于模拟的隔夜指数互换（OIS）网络数据，结合金融实体特征和条件的参考利率路径，能够准确预测最长21天的净变动保证金，为监管者提供了动态网络层面系统性风险的前瞻性压力测试工具 [page::0][page::2][page::7][page::11][page::24]。
本报告提出基于图信号处理（GSP）技术扩展HAR模型的全球股票市场实现波动率（RV）预测新框架。通过磁性拉普拉斯算子进行图傅里叶变换，实现对波动率溢出效应的时空及频谱域建模。采用可学习卷积滤波器捕捉中长期历史波动模式，实验基于24个全球股指的3500个交易日数据，结果显示新模型在短中长期RV预测上均优于HAR及图神经网络HAR等基准模型，且动态图设计（d-GSPHAR）进一步提升预测精度，证明了GSP技术在金融波动率建模中的有效性和扩展潜力 [page::0][page::7][page::14][page::19][page::21]。
本文针对存在市场摩擦的奇异期权避险问题，提出了一种基于广义Gauss-Newton矩阵的二阶优化方案，通过Kronecker分解高效预调梯度，加速深度避险模型训练。方法在对标具有挑战性的带隐含波动率的股票Cliquet期权的避险任务中，训练速度可达到Adam的4倍，显著提升优化效率和策略表现[page::0][page::1][page::4][page::5]。
本报告基于巴拉圭中央银行真实微观银行数据，首次实现了中央银行级别的合成数据生成。通过金融使用指数、定期存款收益率曲线、信用卡转移矩阵三大金融监管核心应用，评估合成银行微数据的效用与隐私保护权衡，发现基于频次表的边际推断方法在金融监管合成数据生成中优于GAN模型，且预处理策略对合成数据效用影响显著，提示监管机构需以应用为导向设计合成数据方案 [page::0][page::1][page::5][page::18][page::21][page::23]
本报告提出利用S&P 500 VIX指数作为可观测的随机波动率因子，构建企业债券利率和利差的自回归波动率模型。通过将回归残差除以VIX指标，显著增强了残差的正态性和独立性，提升了模型拟合度。文章分别基于Moody’s AAA/BAA利差和Bank of America投资级与高收益债券的数据，验证了该模型的长期稳定性与遍历性，为企业债券风险与收益的量化建模提供了新思路和实证支持 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9].
本报告提出并拟合了一个基于月度平均VIX的log-Heston模型，结合股票指数月度收益率进行建模。核心发现是将月度收益率归一化（除以VIX）后，更接近独立同分布的高斯变量；模型呈现均值回复特性，创新项非高斯且具有Pareto型尾部特征，能够良好捕捉实际市场波动性和收益的统计性质，适用于大小不同的股票指数及其价格和总收益。模型具有良好的平稳性和有限矩性质，为长期投资者提供统计规律性的理论支撑 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10]
本研究基于LocalBitcoins.com点对点交易数据，构建了基于比特币价格的影子汇率（SER），揭示了影子汇率与官方汇率之间的溢价差异，称为BTC溢价。研究发现，P2P市场中的BTC溢价不受区块链微观结构影响，而主要受集中交易所的价格波动影响；对于受资本管制和汇率管理的货币，跨境转账成本通过传统渠道的增加几乎完全传导为更高的BTC溢价；此外，对于资本不受限制的货币，BTC溢价具有预测官方汇率短期贬值的能力。本研究强调加密货币在国际资本流动中的桥梁作用，对政策制定和投资者均有重要意义 [page::0][page::1][page::2][page::6][page::13][page::15][page::16].
本报告提出一种基于因果推断的方法对另类数据进行去偏，使其可安全应用于信用审核，避免代理歧视和非法偏见。通过构建因果贝叶斯网络模型，区分合法数据路径与非法代理路径，训练时引入受保护属性作为调整变量，推断时置固定默认值，成功消除代理歧视风险。实证基于国家抵押贷款调查数据验证，该算法在提升模型整体准确性的同时，显著减少了不同族群间的模型偏差，兼顾公平性与精度 [page::0][page::2][page::3][page::4][page::6]。
本报告围绕基于深度流形表示学习的区块层级相关矩阵，研究金融市场中宏观经济政局的识别问题。通过对JSE前60大股组合的实证及合成数据测试，评估SPDNet、SPDNetBN及U-SPDNet三种神经网络模型在市场状态分类中的表现，发现U-SPDNet在捕捉潜在区块层级结构及波动状态（压力、正常、上涨）上准确率更高，但整体回测收益略逊于均等权基准组合，强调了避免仅用准确率衡量复杂金融模型表现的必要性 [page::0][page::1][page::2][page::3][page::4][page::5]。
本报告基于2024年6月至7月对2211名美国注册选民的在线调查数据，系统分析了公众对十种选举舞弊形式的认知和信念。研究发现，虽然缺乏舞弊实证证据，但大比例选民认为这些舞弊形式普遍存在，且共和党选民和具有阴谋论倾向者对此认同度显著更高。此外，农村与城市选民、政治参与度与舞弊认知间存在复杂且出人意料的关系。报告揭示了选举舞弊观念的持续根深蒂固和政治极化的现状，对理解美国民主信任危机具有重要意义 [page::0][page::4][page::5][page::6][page::7]
本文探讨了可微分归纳逻辑编程(𝜕ILP)在金融欺诈检测中的应用，针对PaySim合成数据及真实交易数据进行了性能评测。结果表明，𝜕ILP虽在大规模数据上存在内存限制，且无法优于基于决策树的传统方法，但在小数据集和递归规则学习场景下表现出强泛化能力和良好可解释性，尤其能有效构建递归欺诈链规则，填补传统机器学习方法的空白[page::0][page::4][page::6][page::7]。
本文系统研究了二阶Esscher定价模型在期权定价及风险管理中的应用，重点分析了常数跳跃扩散模型中期权价格对二阶参数的敏感性及定价区间，并通过实证数据展示了该方法在动态Delta对冲、VaR及预期短缺估计中的优势。此外，论文将二阶Esscher定价推广至Merton、Kou双指数跳跃扩散及方差伽玛模型，并结合快速傅里叶变换提供了欧式期权的实用定价公式，为不完全市场中的风险定价与管理提供了理论和实践新思路 [page::0][page::8][page::28].
本报告提出TraderTalk，一种结合大型语言模型（LLM）与基于代理模型（ABM）的混合框架，用于模拟金融市场中主体间的双边交易行为。通过引入语言模型生成的行为，提高模拟的逼真度，尤其在政府债券市场的买卖决策中实现了真实的交易意愿与实际交易比例，接近真实市场观察到的交易订单比率，展示了LLM增强ABM在金融行为模拟中的潜力[page::0][page::1][page::2][page::3]。
本报告针对固定利率抵押贷款中的嵌入提前偿还期权（EPO）风险，采用引入行为不确定性的随机风险因子模型，反映抵押贷款持有人非理性提前偿还行为，从而导致市场不完全性。理论及数值实验表明，包含行为不确定性降低EPO的估值，同时构建一种基于利率互换（IRS）和互换期权的静态复制策略以对冲该风险。针对市场风险价差的错配风险，报告提出鲁棒对冲策略的计算方法，有效限定风险敞口。数值结果显示，利用非线性工具（互换期权）显著改善复制表现，特别是在尾部风险控制方面具备优势，为金融机构风险管理提供了可行路径和量化工具 [page::0][page::3][page::6][page::7][page::10][page::18][page::20][page::23][page::24]
本报告构建了一个关于信息与父权主义关系的理论框架，设计两项实验检验决策者知识量对决策自主性的影响。结果显示，充分知情导致干预率下降超过60%，干预者偏好让决策者做出明智选择且多数情况下提供信息，但在少数情况下会策略性地不提供信息以正当化介入。此外，干预决策混合了决策者的偏好和干预者自身偏好，且无风险选项更易被强制实施，完善了“投射式父权主义”理论 [page::0][page::4][page::5][page::6][page::7][page::31][page::34][page::35][page::43]
