本报告通过模拟广州BRT快线的一段拥挤多站点走廊，首次揭示了在站点排队的公交车形成的恶性循环，即随着车辆沿走廊前进，车间距波动逐渐加剧，导致公交车及乘客延误累积。研究提出并验证了一种简单改进的公交发车控制策略——在控制点以略低于或等于计划车间距释放公交车，显著缓解了恶性循环并降低整体延误。此外，基于公交线路分组的持车策略对多线路、跨组乘客选择情形更为有效。数值结果显示，该改进策略在减少车头间距波动和总延误方面不逊于甚至优于已有复杂策略，为公交优先控制提供了可行、易实施的方案 [page::0][page::5][page::15][page::19][page::21].
本文提出了一种基于图匹配的创新型股票对交易配对选择方法，通过构建加权图最大权重匹配，避免配对间股票重叠，显著降低组合方差并提升风险调整收益。实证基于2017-2023年标准普尔500指数数据，匹配方法在夏普比率（1.23对比基准0.48）和交易成本控制方面均表现优异，验证了理论分析中财务和统计模型的有效性，开创了将图论应用于量化配对交易的新路径 [page::0][page::1][page::9][page::10][page::18][page::23].
本报告系统性回顾了机器学习（ML）在资产定价领域的应用，重点分析了传统因子模型的局限性及ML如何通过捕捉非线性关系、多源数据融合（包括文本和图像）和动态学习，提升风险溢价估计和组合优化能力，同时探讨了模型可解释性、过拟合风险与监管合规等挑战，为量化金融未来发展提供了前瞻性视角 [page::0][page::1][page::5][page::6]。
本报告提出了一种结合基础图结构和多视角motif子图结构的金融违约预测模型MotifGNN，通过设计motif图门控机制解决motif图连接性弱的问题，并使用基于motif分布偏离的课程学习机制聚焦于罕见motif样本，实现了对违约概率的更精准预测。公开数据集及两组真实产业数据的实验表明该方法优于现有最先进技术 [page::0][page::1][page::2][page::4][page::5][page::6][page::7][page::8]
本报告提出一种基于断点回归思路的新方法，利用新加坡生命面板（SLP）的高频（月度）健康与就业数据，检测退休后自评健康报告偏误（即“justify bias”）。研究发现，在退休后的较长时间窗口内，自评健康出现下降，但这一效应随着窗口缩小显著减弱，狭义窗口内无统计显著变化，表明无显著报告偏误。同时，该方法验证了现有间接检验的合理性，并强调高频数据在提升统计效能中的重要作用 [page::0][page::2][page::18][page::21][page::23][page::28]。
本报告提出基于连续时间马尔可夫链（CTMC）近似的通用框架，实现了对时间非齐次短期利率扩散过程下的债务证券定价。涵盖零息债券、债券期权、可赎回/回售债券及可转换债券（CB）的定价。通过二维CTMC方法，精确拟合当前市场利率期限结构，并有效纳入信用风险因素。数值实验验证了方法在多参数模型下的高效性和准确性，且理论上具备收敛性保障[page::0][page::2][page::6][page::9][page::18][page::24][page::26]。
本文提出了一种基于熵约束的几何布朗运动（EC-GBM）模型，通过引入熵的变化来修正传统GBM的对数正态分布假设限制，有效提升了对非对数正态分布及更复杂真实系统的预测能力。方法通过蒙特卡洛模拟筛选降低熵的轨迹，显著改善了如偏态骰子掷点和金融市场价格等实际数据的拟合效果，并展示了在趋势模拟和黄金美元汇率预测中的优越表现与应用潜力[page::0][page::1][page::2][page::3][page::4]。
本文系统地构建并研究了基于几何均值替代算术均值定义的几何凸性（GG-convexity）风险度量。引入了类似Fenchel共轭的GG-凸共轭操作，并证明其可作为一般对偶变换的公理化基础，具有重要的对偶性质。基于此，发展了GG-凸风险度量的一般对偶表示，涵盖Orlicz风险度量等重要家族。此外，本文建立了基于对数凸序的随机序关系，并证明了Law-invariant GG-凸风险度量关于该序的一致性，有助于拓宽金融风险度量理论视角[page::0][page::1][page::8][page::11][page::14].
本报告通过构建多代理Q-learning算法模拟，研究算法定价中价格歧视与默契合谋的交互机制。发现信息不对称下的信息优势算法采用诱饵-克制-剥削策略诱导对手合谋，信息对称下信号之间竞争导致部分信号实现高于竞争水平价格。算法在高价值信号上更倾向合谋，信息精度和信号相关性显著影响合谋程度，过度数据使用反而削弱行业利润且提升社会福利 [page::0][page::1][page::2][page::3].
本报告提出了一种基于弱创新自编码器的生成式概率预测方法（WIAE-GPF），能够对实时电力市场信号（如地点边际价格、跨区价差和供需不平衡）进行非参数、可解释的条件概率分布预测。该方法在理论上保证生成样本与真实分布一致，兼具Kalman滤波的直观解释性。大量基于美国电力市场公开数据的实证测试表明，WIAE-GPF优于传统统计及最先进的深度学习模型，包括基于Transformer和大型语言模型的技术，表现出更好的点估计和概率预测能力[page::0][page::5][page::13][page::24][page::39]。
本章探讨了非完全可转移效用（Imperfectly Transferable Utility, ITU）匹配模型，扩展了传统的完全可转移效用（TU）框架，以描述存在税收、公共物品分配及非线性转移成本的配对市场。通过距离-前沿函数刻画匹配双方的效用可行集合，并引入平衡匹配函数和市场清算条件，构建了具有异质性和未观测偏好（Logit异质性）条件下的全局均衡。针对部分赋值与完全赋值模型，给出了平衡均衡的存在性、唯一性及算法求解，并提出了最大似然估计方法。最后，讨论了该类模型的规范性质、分配特征、比较静态以及与传统TU和NTU模型的关系 [page::0][page::2][page::7][page::11][page::14][page::17][page::19][page::21][page::23][page::26][page::29][page::30][page::31].
本报告提出了一种基于机器学习的信用违约预测工作流程，融合了权重证据（WoE）编码、集成学习策略、多目标遗传算法（NSGA-II）超参数优化及焦点损失函数，有效提升模型在不平衡数据上的预测准确性和金融利润最大化。实证结果显示深度学习模型和集成模型在多个公开数据集上均优于传统统计模型，证明了该方法对金融信贷风险评估的实用价值和可靠性 [page::0][page::1][page::2][page::3][page::4][page::5]
本报告利用流行在线游戏《英雄联盟》中的角色性取向披露事件作为自然实验，运用合成控制法定量分析了公开同性恋身份对玩家偏好的影响。研究发现披露导致该角色的选用频率显著下降超过30%，表明存在持续且实质的反LGB社会偏见。区域异质性分析显示欧洲、韩国和拉丁美洲均有负面反应，但北美表现不明显。同时，通过排除角色技术实力、玩家技能、游戏表现及新角色影响等替代渠道，强化了社会污名作为主因的推断。[page::0][page::9][page::13][page::17][page::19][page::21][page::23][page::25][page::26][page::27]
本报告分析了学术出版领域“转型协议”的定价机制，指出大牌出版社利用其海量付费期刊资源作为杠杆，即使出版量下降，也能保持高收入。此举提高了进入壁垒，抑制了纯开放获取出版商的竞争，可能削弱开放科学转型的初衷并加剧高校图书馆预算压力，最终强化了传统出版社的市场主导地位[page::0][page::2][page::8][page::12][page::17][page::18][page::19]。
本报告提出了一种创新的“拍卖管理自动做市商（am-AMM）”机制，通过链上无审查拍卖授予流动性池管理权，实现动态费用设置与套利利润捕获，解决了现有AMM中信息套利损失大与费用优化难题。理论证明该机制在均衡状态下能吸引比固定费率AMM更多的流动性，提升价格准确性，同时转移风险至更具资本实力的管理者，提高整体效率。报告还详细建立了基于几何布朗运动的套利剩余结构模型，并分析了机制面临的夹层攻击风险和区块构建集中化风险。此外，本机制具有良好的可组合性和无价格预言机需求，未来工作将聚焦其在集中流动性AMM的落地实现与复杂金融环境中的适用性 [page::0][page::1][page::6][page::8][page::11][page::12][page::14][page::16]。
本报告探讨了Transformer模型在金融时间序列预测中的应用，针对均值回复的Ornstein-Uhlenbeck合成过程和真实的S&P500数据构建数据集，设计了基于Transformer Encoder架构的分类模型。通过多头注意力机制和位置编码，模型可预测下一步的回报区间及其平方的波动区间，实现对分类桶概率的较为准确估计。在合成数据上模型表现优异，且对S&P500的平方回报（波动率指标）预测取得超越随机基线的结果，显示该方法在金融时间序列预测中的潜力，但对位置编码的有效性和模型参数仍需进一步调优[page::0][page::5][page::16][page::17].
本报告提出了RVRAE模型，一种结合变分递归自编码器和动态因子模型的创新框架，旨在有效提取噪声市场中的动态因子以预测股票回报。该模型通过编码器-解码器结构结合未来信息优化因子表达，显著提升了交叉截面收益率的预测性能。实证结果显示RVRAE在总拟合度、预测拟合度和样本外Sharpe比率等指标上均超越多种主流模型，展示其优越的时间序列依赖捕捉及风险估计能力 [page::0][page::1][page::4][page::6]
本报告利用意大利禁用ChatGPT这一突发自然实验，结合36,000多名GitHub用户的高频编码数据，量化分析了生成式人工智能对软件开发者生产力的异质效应。结果显示，禁令导致经验较少的开发者短期内产出数量和质量上升，而经验丰富者则在解决例行任务时生产力下降。此外，用户迅速利用VPN等技术规避禁令，说明禁令带来了生产流程扭曲及短期经济成本[page::0][page::3][page::10][page::14][page::44][page::46][page::19][page::20]
本报告基于TVP-VAR-DY模型及分位数方法，研究2014-2022年中美11种主要农业期货市场的风险溢出效应。研究发现CBOT玉米、大豆、小麦为主要风险传导者，DCE玉米、大豆为主要风险接收者，突发事件及经济不确定性会加剧整体风险溢出。风险溢出网络显示，玉米、大豆在均值条件下是核心农业期货，极端情况下，硬小麦和晚籼稻风险溢出居中。结果为政策制定者和投资者在价格风险管理和投资组合构建提供重要依据 [page::0][page::9][page::11][page::13][page::15][page::16][page::17][page::26]
本文系统地推导并给出了熵值风险度量（EVaR）在泊松分布、复合泊松、伽马、拉普拉斯、指数、卡方、逆高斯及正态逆高斯等多种常用分布上的解析表达式，利用Lambert函数实现对EVaR的高效计算，克服了该风险度量计算困难的瓶颈，提升了风险管理中EVaR的应用广度和深度，并辅以图形展示各分布参数对EVaR的影响特征 [page::0][page::1][page::2][page::4][page::5][page::7][page::9][page::10][page::12][page::14]
