本报告基于战后德国的生命历程数据，首次量化分析战争丧偶妇女的经济影响。研究发现，战争丧偶使妇女在二战后立即增加就业，但中晚年劳动参与率下降，体现了“工作与育儿双重负担”的生命周期效应。赔偿政策设计的变化是导致该非直观规律的关键因素，此外，丧偶对子女教育和就业的代际溢出有限，显示社会支持和政策在弱势群体经济轨迹中的重要作用 [page::0][page::1][page::2][page::16][page::18].
本报告基于比特币期权和实际收益数据，通过非参数定价核方法分析比特币市场的风险溢价特性。研究发现，比特币定价核呈W形，在负收益区间陡峭；比特币风险溢价由正负收益共同驱动，且波动率状态显著影响溢价结构，低波动率下投资者更关注方差风险和下行风险，风险溢价较高。首次提出基于风险中性密度序列的聚类方法，识别出高波动和低波动两种市场状态，揭示比特币风险溢价的动态演变规律，显著优于传统资产的风险溢价表现 [page::0][page::3][page::4][page::12][page::23][page::25].
本报告提出基于多变量稳定分布的风险聚合与资本分配模型，有效捕捉保险和金融行业重尾风险及系统性风险。通过广义中心极限定理（GCLT）实现业务线总损失的稳定分布近似，进而给出尾部条件期望（TCE）下的风险资本及其线性分配公式，利用Fox H函数高效计算稳定分布的风险量度，提升风险管理和资本定价的准确性[page::0][page::5][page::11][page::12][page::18]。
本报告提出一种基于双层层次强化学习架构的自动股票交易策略——Hierarchical Reinforced Trader (HRT)，结合PPO的高层控制器进行股票选择和DDPG的低层控制器进行交易执行，有效缓解维度灾难、交易惯性和组合分散性不足三大挑战。实证结果显示HRT在标普500大盘中，无论牛市还是熊市，都取得显著的夏普比率提升和风险控制效果[page::0][page::4][page::5][page::6][page::7]。
本文基于稀疏跳跃模型(SJM)识别风格因子的牛熊市场状态，结合市场环境变量，实现对价值、规模、动量等六大因子的动态配置。通过单因子多空策略评估不同因子的状态推断准确性，并利用Black-Litterman模型整合因子相对观点构造全仓多因子投资组合。实证结果显示该动态配置显著提升信息比率与夏普比率，降低最大回撤，优于等权基准，验证了利用因子周期性进行配置的有效性 [page::0][page::2][page::3][page::12][page::15][page::16][page::18]
本文针对信用市场中大量不同债券的动态定价问题，提出一种基于多任务学习的两阶段动态定价算法（TSMT），利用债券之间潜在的结构相似性，实现有效的参数估计和报价策略。该算法无需事先知道债券相似度，且实现了相较单独学习和全部合并学习更优的理论累积后悔界。通过合成和美国企业债真实数据实测，验证了该方法在数据稀缺及反馈被截断场景下的有效性与适应性，体现了多任务学习在固定收益资产定价中的潜力 [page::0][page::1][page::3][page::10][page::12][page::18][page::20][page::22]
本报告提出一个基于深度强化学习（Deep RL）的方法，针对具有半马尔可夫和Hawkes跳跃扩散动态的非马尔可夫市场做市（MM）问题。采用Soft Actor-Critic（SAC）算法，在严格模拟了限价单簿（LOB）动态、包含非利好交易填充和库存限制条件下，训练与测试模型表现。结果显示该方法在复杂高维状态和动作空间下有效学习最优做市策略，且纳入不利填充显著影响收益结构，提出了模型的现实应用局限及改进建议[page::0][page::8][page::15][page::19]。
本报告介绍了UCFE基准，一个用户中心化的金融专业能力测试框架，旨在评估大型语言模型（LLMs）处理复杂现实金融任务的能力。通过结合804名参与者调研反馈与17类多轮任务设计，构建涵盖分析师、金融专业人士、监管人员及普通公众多样需求的数据集。基于LLM-as-Judge方法对11款模型进行评测，并采用Elo评分动态评定性能，结果显示金融领域专用模型显著优于通用模型，且模型评分与人类偏好高度相关（Pearson相关系数0.78），验证了评估方法的有效性。该基准突出用户交互体验与模型适应动态金融环境的能力，为金融领域LLMs的性能衡量和优化提供了开创性框架 [page::0][page::1][page::3][page::5][page::6][page::7]
本文提出基于自我博弈的强化学习方法，采用策略梯度算法如PPO和神经拟性自我博弈，成功近似多种复杂拍卖环境中的贝叶斯纳什均衡。该方法支持连续动作空间、多维信息状态及多轮拍卖，实现对对称/非对称估值、私有/相互依赖价值拍卖下的稳健出价策略的学习，并通过大量实验验证了其与理论均衡的高度吻合[page::0][page::10][page::11][page::15]。
本报告基于美股10b-5规则构建了一个动态博弈模型，将安全价格的跌落分解为预期下跌趋势与非披露引起的异常跌落两部分，并提出以异常跌落作为诉讼赔偿基础，避免传统模型因推定管理层必定隐瞒信息而导致的价值过度损耗。模型引入了上限、下限披露门槛和诉讼缓解因子，结合泊松过程的随机信号采样和几何布朗运动对价格演化建模，探讨了企业自愿披露策略与诉讼风险的内在平衡机制，且通过闭式形式定量分析了披露概率、诉讼风险与损害赔偿的关系，提出了基于理性预期与价格趋势的诉讼和披露动态均衡解决方案，为证券信息披露政策设计与司法判罚尺度提供理论参考 [page::0][page::1][page::2][page::3][page::4][page::6][page::8][page::10][page::11][page::12][page::14][page::28][page::29]
本文是关于多交易者竞争中的头寸构建的博弈论分析系列论文的第三篇，系统刻画了多交易者Nash均衡的封闭式解，揭示市场策略为积极型策略，且总实施成本仅与交易者数量及市场冲击参数相关。报告深入分析了交易集中化的价值，发现纯粹的集中化未必降低成本，但战略性集中化可实现成本优化，并提出最优代理交易者数量近似为非本机构交易者数量的结论，为机构交易策略设计提供理论支撑 [page::0][page::1][page::4][page::5][page::10][page::12][page::16][page::19][page::21]
本文提出了一种支持负价格交易的自动做市商模型，适用于电力、能源及衍生品市场。通过扩展流动性不变量至负价格域，构建了集中且可偏斜的超椭圆流动性分布，并将其流动性特征、收益表现与传统的Black-Scholes备兑看涨和对数市场评分规则进行了对比，解决了现有AMM无法处理负价资产的问题，开辟了负价格资产链上流动性交易的新路径[page::0][page::1][page::4][page::6].
本报告研究投资者与基金经理之间的委托代理问题，重点考虑随机违约时间导致的不确定投资期限，提出结合随机控制与BSDE的理论框架，针对违约时间有界及无界两种情况，推导相关的HJB方程并证明最优投资策略与合同的存在性；利用PINNs神经网络算法解决高维数值问题，展示违约时间对投资行为和激励机制的深刻影响，且通过数值实验证实违约时间分布特性对投资策略与激励补偿的差异性[page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14][page::15][page::16][page::17][page::18][page::19][page::20][page::21][page::22][page::23][page::24]
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].
