本报告提出一种利用结构因果模型指导大型语言模型（LLM）进行社会科学假设自动生成与验证的系统。通过四个社会情境的模拟实验，系统成功构建了假设、设计实验、执行LLM代理互动并拟合结构因果模型，实验结果与理论高度吻合，且证明LLM本身蕴含更多信息，需借助结构因果模型揭示。该方法实现了社会科学研究流程的自动化与可复现，推动社会随机实验规模化与高效探索 [page::0][page::2][page::6][page::10][page::12][page::14][page::16][page::17][page::21][page::26]
本报告聚焦去中心化金融(DeFi)中广泛应用的“总锁仓价值”(TVL)指标，系统揭示其存在的“双重计算”缺陷及内在不稳定性，提出新指标“可兑换总价值”(TVR)以准确衡量DeFi底层价值。通过对3570个协议五年数据的衡量，发现DeFi系统中TVL与TVR的差额峰值达1398.7亿美元，双重计算比例约为2倍。TVL较TVR对市场下跌尤为敏感，25% ETH价格跌幅导致TVL比TVR多出约10亿美元损失。报告还设计了DeFi货币乘数，量化双重计算程度，发现其与加密市场指标正相关，与宏观经济指标负相关，表明TVR较TVL更稳定可靠、能有效缓释DeFi系统风险[page::0][page::1][page::2][page::8][page::10][page::12][page::15]
本研究扩展了传统的买卖价差（BAS）和中间价概念，引入了总市场订单簿买卖价差（TMOBBAS）和全局中间价（GMP）。基于高频交易数据，发现TMOBBAS和GMP的对数收益率表现出厚尾特征且显著偏离正态分布。通过ARMA(1,1)-GARCH(1,1)模型结合正态逆高斯分布对动态特征建模，并采用期权定价模型对低流动性风险进行对冲。利用Rachev比率评估不同深度价差的风险收益表现，揭示了尾部风险的多层次相互依赖，为高频交易市场的风险管理和策略设计提供了理论支持与实务工具 [page::0][page::1][page::4][page::8][page::13][page::20][page::27][page::29][page::31]
本报告系统对比了传统参数估计方法（如最大似然估计、最小二乘估计和卡尔曼滤波）与深度学习方法（多层感知机，MLP）在 Ornstein-Uhlenbeck 过程参数估计中的表现。通过大量轨迹数据训练，MLP 显著优于传统方法，能更准确地估计均值回复率、长期均值和波动率参数，且随着数据规模增加表现进一步提升，验证了其强大的拟合能力和潜在的实时应用价值 [page::0][page::1][page::6][page::7]。
本报告提出了一种基于深度联合学习与微分神经网络(DANN)的新型算法，旨在高效准确地估价早期行权产品——伯穆丹互换期权。通过结合蒙特卡洛采样的高噪声支付标签与多个相关金融产品的联合训练，极大提升了模型的泛化能力和预测精度。数值实验证明，该方法不仅显著缩减了估值误差，还实现了参数敏感度的自动计算，且具备推广到其他复杂衍生品的潜力 [page::0][page::1][page::3][page::9][page::11][page::15]。
本报告系统介绍了推荐系统（RS）在金融交易中的应用，探讨了基于AI构建投资建议的机制，重点分析了人类投资经理如何利用AI复制分析师的“信念度”及其推荐的交易绩效追踪。报告还深入阐述了RS输出推荐与投资组合风险管理、绩效分析工具的整合，并强调了解释型AI在增强用户信任方面的关键作用，同时展望了外包分析平台与未来AI发展趋势 [page::0][page::3][page::4][page::6][page::7]。
本报告系统地推导了连续与离散投资组合损失随机变量的各种风险度量（包括VaR与预期短缺ES）的一阶与二阶偏导数，提出了基于极限理论的重尾损失变量一阶和二阶条件矩的渐近结果，丰富了风险度量敏感性分析和资本分配的理论基础，为风险管理与投资组合优化提供实用数学工具[page::0][page::4][page::8][page::16].
本报告提出将人工市场模拟用于深度对冲中的基础资产模拟，替代传统的数学金融模型。实验结果表明，该方法在多种期权定价任务中性能接近甚至优于传统模型，且更好地复制了市场数据的风格化特征如厚尾和峰度，但在极端风险敏感的情况下表现有限。本文还分析了参数调优对收益的影响及其依赖于风险函数的特性，指出人工市场模拟作为深度对冲的基础资产模拟器具备潜力但仍有提升空间[page::0][page::1][page::4][page::6][page::7].
本论文提出了一个统一的理论模型，利用连续信念分布区分多种概率更新偏差，解决传统点估计方法难以辨别多重偏差的难题。通过实验结果，发现个体之间存在显著异质性，每位参与者至少表现出一种偏差，且激励性偏见（乐观与悲观）与序列相关偏差（赌徒谬误和热手谬误）是导致偏差推理的关键因素。此外，整体水平呈现基础率忽视的持续影响。该方法为冲突偏差的区分和相关行为现象的深入研究提供了实用工具[page::0][page::2][page::3][page::19][page::23]。
本报告介绍了Stata命令ge gravity2，该命令可用于计算普适引力模型的贸易流动、价格、产出及福利的反事实均衡。通过引入考虑正向供给弹性的模型，该命令扩展了现有的ge gravity，实现了对贸易政策变化的全面一般均衡影响分析。报告详细推导了模型理论基础、数值迭代算法，并通过实例演示了其在贸易自由化、边境政策及生产率变化中的应用效果，为学术研究与政策制定提供了强大工具 [page::0][page::1][page::4][page::14][page::17]。
本报告基于Uniswap v3构建了一个含异质流动性提供者的均场博弈模型，模拟DEX流动性分布和汇率动态。通过与真实数据校准模型参数，揭示了LP的风险偏好及其流动性选择行为；进一步引入了Maximal Extractable Value (MEV)机器人，建立Stackelberg博弈，模拟JIT流动性攻击，显著提升对池内动态的预测准确度，同时显示LP可通过预判机器人行为优化策略挽回部分利润[page::0][page::6][page::7][page::17][page::21][page::24][page::30].
本报告提出了一种基于多智能体和自适应机制的注意力集成学习框架MASAAT，以多尺度方向性变化特征和时序注意力模块，提升资产间空间和时间相关性的捕捉能力，有效过滤金融市场噪声，平衡投资组合收益与风险。实证在DJIA、S&P500和CSI300三大指标上验证了模型的优越性，显著优于传统和深度学习基线方法，展现出多智能体集成策略在复杂市场环境下的稳健性与适应性 [page::0][page::1][page::2][page::4][page::5][page::6].
本文通过引入神经网络对Black-Karasinski模型中的关键参数进行多项式展开校正，提升了现有路径积分（GTFK）近似方法在长时间跨度和不同校准参数组合下的定价精度。研究发现该方法可有效改善高波动率和高均值回复速率条件下的误差，拓展了模型适用范围并为未来多因子扩展提供基础。[page::0][page::2][page::4][page::5][page::6]
本文研究一个包含信息交易者、代表性非信息交易者和噪声流动性提供者的金融市场模型。在该单周期正态-CARA框架下，证明了存在一类内化价格冲击的市场均衡，指出信息者在此均衡中策略性地揭示较模糊的信号，导致价格对公共信息反应减弱。同时，发现信息者的间接效用严格单调增加于信号精度，表明信息者有动力获取并优化其私有信息。与竞争均衡相比，信息者内化价格冲击在多数参数空间内提升所有交易者效用，但在信息者风险厌恶较强且信号质量较差时反而降低其效用。此外，非信息交易者因价格冲击内化往往获得效用改进，体现策略性交易对市场的复杂影响机制 [page::0][page::1][page::2][page::10][page::11][page::12][page::13][page::17]
本报告基于2010-2022年近200国的商品细分国际贸易网络，运用机器学习模型深入分析网络拓扑特征对GDP增长预测的提升作用。结果显示，美国、中国、德国在主要贸易网络中地位稳固，去全球化趋势影响网络结构发生显著变革。非线性模型（如随机森林、XGBoost）显著优于线性模型，通过SHAP值解释展示网络指标（如矿产贸易网络密度）与经济增长的复杂关系，强调了经济惯性、人口增长和初级产业的重要性，为精准经济预测提供新视角与政策启示 [page::0][page::4][page::11][page::28][page::31][page::36]。
本论文研究了基于大型语言模型（LLM）代理在经典美人游戏中的多玩家战略互动。结果显示，LLM代理表现出0至1之间的战略推理深度，低于人类实验结果但呈现出向纳什均衡的收敛趋势。通过调整组内代理类型组合，发现较低战略不确定性和多样化智能水平的混合环境促进了学习收敛速度，提高了高智能代理的收益，揭示了LLM间竞争与合作行为的潜在机制，为社会科学研究和算法交互提供新视角 [page::0][page::4][page::5][page::6][page::7][page::8][page::9]
本报告提出并系统研究了因子风险度量（factor risk measures），其通过双变量映射评价风险与多个因子间的关系，拓展了传统风险度量仅依赖损失分布的局限。重点刻画了满足单调性、共单调加性、规范化等性质的扭曲型、分位数型、线性及一致风险度量，并详细构建了一系列新型因子风险度量实例，包括CoVaR、CoES及其扩展。通过数值示例和风险共享应用，展示了因子风险度量在系统性风险管理及资本要求评估中的潜力和差异性 [page::0][page::1][page::7][page::13][page::16]
本报告提出了一个非线性单因子资产定价模型，利用Kolmogorov-Arnold表示定理证明该模型能完美表示任意非线性多因子模型。通过171个跨资产类别的样本，采用基于Sieve的最小二乘估计，实现低维函数逼近，模型在横截面资产定价表现优越，且控制该因子后传统众多已知因子变得不显著。构建的基于模型预测收益的投资组合展示了显著的风险调整收益能力，为资产定价与投资策略研究提供新范式 [page::0][page::1][page::2][page::3][page::4][page::13][page::14][page::15][page::18][page::25][page::26][page::29][page::37][page::38]
本报告系统总结了组合增长模型在经济系统中对企业规模及增长率分布的建模方法与最新进展，重点分析了单位规模异质性及其对企业整体增长波动性的影响，阐述了不同模型（如Wyart-Bouchaud模型、Stanley模型和Sutton模型）对企业规模—波动率关系的解释，并探讨了未来涉及战略互动、企业并购及机器学习预测等研究方向 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8]
本报告基于一家大型制造企业超过3万名白领管理人员的应用数据和员工调查，首次揭示了女性较少申请早期职业晋升的“断梯”现象，主要因晋升职位需承担团队领导责任，而这一职责对女性吸引力显著低于男性。该性别差异不因信心、成功预期或家庭因素所致，而是源于领导职位固有的设计特征。结果显示，约27%的女性在较低职位阶段较少申请晋升，且女性更倾向避免带有较大团队规模及潜在冲突的领导角色，形成领导层性别差距的根本障碍 [page::0][page::1][page::3][page::4][page::6][page::14][page::15][page::20][page::21][page::23][page::25][page::28].
