本论文提出FinAR-Bench，一个针对金融基本面分析中财务报表分析任务的LLM性能评测基准数据集。通过分解任务为信息提取、指标计算和逻辑推理三步，实现客观评价LLM在财务分析中的实际应用能力。实验证明大模型在信息提取表现优异，但数值计算能力较弱，逻辑推理表现有潜力。增强式提示显著提升数值计算精度。该基准为推动财务领域生成式AI的可信应用提供了重要工具[page::0][page::1][page::5][page::7][page::8]。
本文提出一个模型无关的金融优化鲁棒框架，通过在模型空间引入不确定性度量，改进传统优化目标，实现对模型不确定性的有效量化和调控。采用与深度学习小批量采样和统计金融中的自助法相似的子采样策略，结合条件风险价值等不确定性度量，提升了投资和对冲策略在有限数据及多模型环境下的稳健性。创新设计的基于CVaR的随机梯度下降算法解决了传统方法的内存瓶颈，支持高维路径依赖任务，理论分析和实证验证均表明该方法在实际应用中优于简单模型混合策略，且性能接近复杂的贝叶斯方法。[page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::12][page::13][page::14][page::15][page::16][page::17]
本文构建了一个包含多家保险公司和再保险公司的大型再保险市场模型，采用Choquet风险度量和非线性定价规则，定义了具有先手优势的顺序博弈框架。通过后向归纳法，明确刻画了子博弈完美纳什均衡（SPNE），并针对风险中性再保险人和初始风险共单调两种特殊情形，证明了该均衡的存在性及其配对效率。数值例证显示，市场中多家再保险人的竞争能显著提升保险人的福利，解决了垄断市场中消费者剩余被完全侵占的缺陷 [page::0][page::1][page::3][page::6][page::10][page::17][page::16]
本文利用Lean 4交互式定理证明器，全面形式化了冯·诺依曼-摩根斯坦(vNM)效用定理，包括偏好公理的机器验证证明、效用表示的存在性及唯一性证明，并提供了严格的独立公理细化及等价性证明。实现了从理论到可执行代码的桥接，推动了经济理论、人工智能对齐及管理科学中决策系统的精确建模与验证 [page::0][page::1][page::7][page::9][page::11][page::15][page::23][page::24][page::39][page::46].
本文基于厄瓜多尔儿童时期接受人类发展补助金（HDG）的条件现金转移项目，采用回归不连续设计融合社保与贫困普查大数据，研究其对成年后COVID-19疫情冲击下经济韧性的影响。结果显示，整体上补助资格对经济韧性无显著作用，但农村地区受助儿童成年期在疫情期间保持正规就业的概率显著增加，尤其是男性群体，表现出更强的抵御经济冲击能力。该差异可能因项目执行中条件性较弱以及正规经济对教育劳动力吸纳能力有限所致 [page::0][page::1][page::12][page::23][page::29].
本论文基于1970-2019年102国面板数据，检验了跨国人均产出分布演化过程中时间齐性和一阶马尔可夫性质的假设。研究发现，1970-1995年期间过程表现出齐性和一阶特征，长期分布呈双峰，暗示收入分布俱乐部现象。1995年后该过程出现断裂，2000-2010年期间表现为单峰，支持短期β收敛观点；2010年后趋势有回归至非收敛双峰状态的迹象。使用多种距离指标与自助法进行稳健统计检验，揭示了分布动力学的结构性变化及其宏观经济背后的潜在驱动因素 [page::0][page::4][page::5][page::14][page::22][page::29][page::30][page::31].
本文提出一个连续时间目标导向投资组合选择框架，结合心理账户行为，通过设置多目标组合及其间资金转移心理成本，推导并证明了对应的汉密尔顿-雅可比-贝尔曼方程组的值函数为唯一受约束黏性解。数值实验揭示了自由边界复杂形状、组合间互依最优策略及跨股和跨组合的多维度分散投资需求，展示了目标优先级和期限对转移与配置决策的深刻影响 [page::0][page::1][page::2][page::4][page::9][page::11][page::12][page::13][page::14][page::21][page::31]
本文通过扩展Shapley值框架，提出了风险归因方法（RAMs），解决如何在复杂机器学习金融模型中公正分配风险的问题。研究表明，基于风险测度的Shapley值能够体现多元资产组合中的风险分解与多样化效应，兼顾了公平性、公理性质及实证示范，揭示了风险归因与均值归因(BAMs)的本质差异，为金融风险管理与模型解释提供了理论与实操工具[page::0][page::3][page::4][page::7][page::9]。
本文提出了一种创新的策略函数-值函数迭代(SFVF)方法，用于非线性微分游戏中的反馈纳什均衡(FBNE)求解，尤其实现了二维系统的FBNE求解首次突破。以典型的湖泊模型为例，比较了合作解、开环纳什均衡(OLNE)和反馈纳什均衡(FBNE)三种解的性能。结果显示，FBNE解与合作解在稳态和福利上高度接近，政策含义显著；而OLNE福利较低且存在多稳态及Skiba点。本文还设计了求解OLNE边值问题的新数值算法，为公共资源与生态系统管理研究提供了数学工具和理论参考[page::0][page::2][page::3][page::6][page::8][page::31][page::35]。
本研究通过结构方程模型实证分析了旅游体验、游客满意度对再次访问决策的影响，以努斯利科公园生态旅游区为案例，结果显示旅游体验和满意度正向影响重游意愿，且满意度在两者之间起部分中介作用。研究强调，提升游客感官、情感和行为参与等体验维度，优化服务与设施质量，强化游客满意度，是促进生态旅游目的地可持续发展的关键 [page::0][page::4][page::5].
本论文提出了一种基于深度强化学习的框架，旨在自动化离散选择模型中的模型规格化过程。通过构建DQN智能体与定制模型环境交互，智能体能够动态调整策略，提高模型拟合优度及简约性，适应多种数据生成过程且表现出鲁棒性和迁移潜力。实验结果显示此方法相比传统启发式算法具备更高效的搜索与学习能力[page::0][page::1][page::2][page::6]。
本研究基于对中国187个电动车制造企业项目团队数据的结构方程模型分析，实证发现团队协作稳定性显著正向影响大型建设项目成功，且人机智能整合正向调节该关系，表明人机协作能力是提升项目绩效的重要驱动力，为EV制造业复杂基础设施建设项目管理提供理论与实践指导 [page::0][page::6]。
本研究采用行业层面面板数据，利用传统统计与机器学习方法（如SARIMA、RNN、LSTM、Prophet）对美国制造业、批发和零售行业的库存与需求进行了预测，评估COVID-19期间牛鞭效应（BWE）的放大情况。结果表明，疫情显著加剧了牛鞭效应，且制造商、批发商和零售商反应存在显著差异。LSTM模型表现最佳，能够较准确预测疫情前后的需求与库存波动，揭示了供应链在面对极端外部冲击时的脆弱性及行业间的异质性响应，为供应链风险管理提供了实证依据和预测工具 [page::0][page::4][page::7][page::10][page::14]。
本报告提出基于扩展积分变换（扩展傅里叶变换）的计算框架，分析印度国家证券交易所（NSE）股票市场的价格周期性及信息不对称问题。通过这种方法，能够保留不同频率之间的相位关系，识别潜在的人工植入信息。使用模拟数据验证方法有效后，研究发现Infosys股票价格中存在频率模式间的相位相关性，暗示信息可能被人为引入，而其他股票无此现象，体现了市场效率和信息不对称的复杂交互[page::0][page::5][page::6][page::7][page::8].
本研究聚焦土耳其BIST100指数中五大银行股及相关指数的股价预测，采用多种基于Transformer的时间序列模型（包括DLinear、LTSNet、Vanilla Transformer和TST），结合丰富的技术指标特征，通过SHAP和LIME等XAI方法增强模型的可解释性，旨在提升金融识别能力和投资决策透明度。实证结果显示DLinear模型在多项指标上表现优异，且XAI技术揭示模型对动量指标如RSI、MACD及趋势/波动性指标的依赖差异，为提升新兴市场投资者金融素养提供实用框架[page::0][page::1][page::2][page::12][page::16]。
本文提出了基于自然语言处理（NLP）技术构建的Hype Index，用以衡量大型股票的媒体关注度。通过对标普100指数成分股的新闻计数及市值加权，分别构建了原始新闻覆盖的Hype Index和调整市值后的Capitalization Adjusted Hype Index，揭示了媒体关注与经济规模的偏离。实证结果表明，该指数系列在分析股票波动率、市场信号及情绪预测方面具有重要价值，且两个指标高度相关，适用于不同场景的投资风险管理与行为金融研究 [page::0][page::3][page::15][page::16]。
本文提出了一种将正弦时间变量均值回复速度整合入Hull-White模型的扩展，以捕捉美国国债收益率中长期约22年的周期性变化。基于1990年至2022年涵盖多期限的每日收益率数据，利用傅里叶变换识别主要周期特征，并通过Nelder-Mead优化与蒙特卡洛模拟校准模型参数。结果显示，正弦Hull-White模型相较于标准模型在拟合长期利率和债券定价上具有更优表现，尤其是30年期债券，RMSE降低至0.12%，模型能更准确反映利率的周期性波动，对利率风险管理和衍生品估值有重要意义[page::0][page::1][page::4][page::6][page::9][page::12][page::15][page::17]
本论文提出Delphyne，首个针对通用与金融领域时间序列任务均表现优异的预训练模型，针对时间序列跨领域负迁移问题设计了一系列架构改进，并实证展示了其在多维度金融预测、概率量化及异常检测任务中的领先性能。[page::0][page::1][page::3][page::5][page::6][page::7][page::9][page::10]
本文构建了考虑天气不确定性的多阶段随机容量扩展模型，研究了有限前瞻性对欧洲全可再生能源系统中长时储能（LDES）运营和容量决策的影响。结果显示，有限前瞻性驱动LDES形成防御性库存行为，增加储能水平以对冲极端负载状态，太阳能光伏因其更高的可预测性，其系统价值和装机容量显著提升（例如英国光伏容量提升约25%），风电容量则相应减少。LDES的边际储能价值（MSV）随着存储水平和时间变化，反映未来极端天气状态的概率及其成本，进而降低了能源仅市场中的价格波动，缓和价格极端差异 [page::0][page::1][page::4][page::7][page::15][page::16][page::18][page::20][page::21][page::44]
本报告提出一种监督学习方法，区分政治文本中的因果归因（功劳与责任归咎），基于420万条美国国会成员推文（2012-2023）实证显示，2016年总统选举后因果语言显著增加，反映修辞策略变化。权力地位决定倾向：执政党强调功劳，反对党则归咎责任，且责任推文远更容易病毒式传播，尤其在最高传播量段，责任信息的传播优势加大[page::0][page::3][page::4][page::13][page::15].
