本文基于加纳微型金融数据构建多状态模型，研究宗教、文化等社会因素对微贷逾期行为的影响，首次引入“开斋节”和“长假”变量来量化社会因素对还款行为的动态影响。模型融合时间依赖与非依赖脆弱性，揭示社会因素显著降低逾期风险，但脆弱性模型对预测准确性的提升有限，多种机器学习模型如KTBoost表现优于传统逻辑回归模型。本文提出并比较了优化的Matthews相关系数（OMCC）方法与D&C方法以改进多状态下一步状态预测，反映该领域信用风险评估的新进展 [page::0][page::2][page::3][page::8][page::9][page::10][page::13][page::14][page::15][page::16][page::18]
本报告提出了TIMeSynC模型，通过同步编码处理多域异构时间序列数据，解决了不同采样率序列对齐和动态静态序列融合等难题，显著提升金融服务场景下的意图预测准确性。采用基于AliBi的时间编码机制，有效建模多变量、多域序列的时间动态，实验证明该方法在排名召回指标上优于传统基线和复杂特征工程方法 [page::0][page::1][page::3][page::4]。
本文提出基于响应面方法学（RSM）的设计实验框架，对组合精算神经网络（CANN）超参数进行高效优化。通过因子设计和二阶回归模型精确拟合超参数空间，显著降低了计算资源消耗，实现了在少量实验次数下达到接近最优的模型表现。实验证明，当8个超参数全部调优时，最小的0.2458泊松离散偏差在288次试验后获得；而剔除2个不显著超参数时，仅用188次试验即达接近最优，效果损失极小，验证了简化模型优化路径的有效性。[page::0][page::4][page::5][page::7]
本报告通过对2019年4月至2020年9月期间排名前50的加密货币数据分析，揭示了COVID-19疫情期间加密市场的偏度和峰度动态变化。研究发现疫情时期极端波动频发，偏度与峰度关系呈现加剧态势，验证了二者间的重要交互效应，为投资者提供了额外的风险管理工具。通过多元回归模型，确认疫情对峰度的显著放大作用，揭示市场极端风险集中趋势 [page::0][page::2][page::8][page::9][page::10][page::17][page::18][page::19][page::21]
本报告基于加纳一家保险公司2013-2017年的数据，采用Copula方法分析了不同保险产品理赔数量与理赔金额的依赖性，比较了假设理赔独立和依赖情况下破产概率的敏感性。研究发现理赔依赖假设下的破产概率显著高于独立假设且差异在初始储备增大时显著扩大。其中火灾及综合保险产品依赖性最高，机动车保险则表现最优。建议大型保险公司应采用理赔依赖性假设以合理设定初始资本，避免破产概率低估 [page::0][page::4][page::22][page::24][page::28][page::29]
本报告提出利用深度强化学习（DRL）方法解决股权衍生品中的动态波动率拟合问题，突破传统确定性算法的局限。通过构建连续状态和动作空间的强化学习框架，采用DDPG和SAC算法训练智能体，实现对市场波动率曲面参数的自适应调整。实验基于静态、序列和拟动态市场情景，结果显示DRL方法与传统优化器拟合效果相当甚至更优，且具有更好的在线学习和动态适应能力。该方法为复杂非线性市场环境下的波动率拟合提供了新的视角与技术路径[page::0][page::1][page::5][page::8][page::14]。
本研究首次将预训练的时序基础模型TimesFM应用于VaR（风险价值）预测，针对S&P 100指数及其成分股进行了19年日度回测比较，显示微调后的基础模型在实际与预期违约比率和分位数评分损失上均优于传统GARCH及GAS等计量经济模型，证明了其在金融风险管理中的显著优势与广泛适用性[page::0][page::4][page::25][page::26][page::39].
本报告系统介绍了投资组合选择的实用方法，涵盖Markowitz均值-方差模型及基于半方差的模型，详细论述资产期望收益、方差、协方差及相关性的理论基础，并通过遗传算法实现组合优化。报告还考虑了现实交易成本及整数约束，验证了方法的实用性，为实际投资决策提供了科学依据与算法实现示范[page::1][page::5][page::36][page::46][page::56].
本文提出基于物理信息残差学习(PIRL)的方法，针对经济状态切换下无封闭解的欧式期权定价问题，结合BSM和Heston模型进行建模及数值实验，展示了PIRL相比传统数值方法的高效性和灵活性，能够快速响应参数变化实现即时预测，极大提升定价效率和适用范围，为状态切换模型的期权估值提供新工具[page::0][page::2][page::12][page::15]。
本报告开发了一种专门针对Uniswap V3集中流动性市场做市商（CLMM）的回测框架，基于参数化模型近似流动性分布，准确估计流动性池的奖励水平。利用2023年历史数据，回测器误差低于1%，有效支持LP收益的量化评估和策略优化，揭示了不同流动性配置和价格波动对收益的影响，尤其在考虑换手率和池子流动性动态分布时，显著提升了模拟真实池交易量和奖励返还的准确性。本研究还阐述了无常损失的产生机制及其在动态重置策略中的表现，为DeFi中流动性提供策略设计和风险管理提供理论与工具支持。[page::0][page::1][page::5][page::7][page::9][page::11][page::17][page::21][page::26][page::29]
本报告研究了生成对抗网络（GANs）在学习金融时间序列中典型统计特征（如随机游走、均值回复、跳跃和时间变异波动率）方面的能力。通过对五种随机过程进行模拟与多种生成器架构比较，发现GANs能捕捉大部分分布特征，但在详细特性如均值回复速度和多变量依赖关系上表现有限。不同架构（如MLP、LSTM、TCN）的性能差异显著，且多变量时间序列的相关性重现尤为困难，提示需针对金融时序设计更复杂的模型结构以提升生成质量 [page::0][page::1][page::3][page::6][page::7]。
本文研究单资产一般扩散市场模型中无套利（NA）条件与绝对连续局部鞅测度（ACLMM）存在性之间的关系。结果表明，有限时间范围内NA等价于存在ACLMM且尺度函数为dc函数且无反射边界；无限时间范围下，则NA与ACLMM存在性等价。此外，通过反例证明这些条件的必要性，揭示了NA与ACLMM概念的精细差别 [page::0][page::1][page::5][page::6][page::9][page::11]。
本报告研究了具备全局容量约束的多队列区块链系统中，如何设计定价机制以实现高效资源配置。通过构建多队列排队模型，分析了收入最大化与社会福利最大化下的容量分配差异，并推导了最优相对定价策略，揭示了市场规模、需求弹性及局部与全局拥堵权衡对价格的影响。研究指出，在高并行度、本地拥堵占主导时，基于队列相对需求强度的定价近似福利最优，为并行执行、DAG及多提议者架构下的本地拥堵定价设计提供理论支撑 [page::0][page::2][page::3][page::13][page::15]
本报告提出一种基于注意力机制的堆叠集成模型，通过结合CNN、RNN、LSTM和GNN的预测结果，利用DOWA和IOWA算子进行加权融合，加入置信度驱动的组合层动态选择最可靠聚合输出。采用SHAP方法筛选关键特征，提高模型解释性。三个数据集上的实验证明该模型在准确率、召回率及鲁棒性方面均优于单一模型和主流集成方法，适应数据严重不平衡，助力实时信用卡欺诈检测系统的部署与信任构建 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9]
本报告基于TimeMixer多尺度混合模型，系统预测股票、ETF、外汇及加密货币等全球金融资产的波动率。研究显示该模型在短期波动率预测中表现优异，特别适合金融风险管理，但长期预测准确度下降，尤其在高波动市场表现不足，指向未来对宏观经济指标及情绪数据融合的改进方向 [page::0][page::1][page::4][page::15].
本报告针对跨币种利差互换（CCBS），特别是以美国SOFR和澳大利亚AONIA为基准的利率互换，提出了在多利率曲线框架下的无套利定价与对冲方法。建立了基于Vasicek利率模型和Garman-Kohlhagen汇率模型的解析闭式定价公式及期货合约对冲策略，数值模拟验证了模型有效性并分析了参数敏感性及风险敞口，为量化交易和风险管理提供理论支持[page::0][page::5][page::10][page::15][page::39][page::43]
本文提出了一个结合 Hawkes 过程作为子ordinator的标准布朗运动的新模型——variance-Hawkes过程。通过对2018和2019年天然气及原油期货对数收益率的拟合，验证了该模型能够简洁且有效地刻画金融市场中的波动聚类。文中推导了该过程的生成元、Ito公式及闭式的二阶矩解，并通过模拟验证了模型的有效性，展示其在能源市场建模中的潜力，为现有模型引入跳跃和随机波动提供新思路[page::0][page::4][page::5][page::11][page::14][page::15]。
本报告研究在保险市场中，投保人拥有关于风险和风险厌恶的多维私人信息，且只能从有限数量的保险合同中选择的模型识别与估计问题。模型考虑随机损失与多次理赔，创新地通过理赔次数、排除限制和支持条件，实现了风险和风险厌恶联合分布的非参数识别。提出结合非参数方法与GMM的三步估计方案，并通过蒙特卡洛模拟验证其效果。结果不依赖合同最优性假设，适用于任意竞争形式，为多维逆向选择问题的建模与估计提供了理论与实证工具 [page::1][page::3][page::10][page::20][page::26][page::40]
