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]
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]。
