本报告扩展了基于随机金融网络的系统性风险度量，采用以Eisenberg-Noe市场清算机制为基础的图结构聚合函数，引入随机资产与随机互联负债矩阵。针对计算难题，提出基于排列等变神经网络（PENN及其扩展XPENN）和图神经网络（GNN）的逼近方法，理论证明了这些模型在近似排列等变节点标注函数上的统一性及表现优越性。数值实验验证该方法相比传统FNN对随机负债矩阵的处理更有效，显著提升系统风险测算与最优救助资本配置的准确性与计算效率[page::0][page::2][page::3][page::5][page::9][page::14][page::29][page::33][page::37]
本报告提出了一种独立于下游任务的金融关系图评估框架FRI，结合基于SPNews数据集动态构建的公司关系图，设计了四项指标（回报相关稳定性、事件捕捉率、边因子模型对收益和波动率的解释能力），实现关系图在训练图神经网络前的有效解读。通过实验证明，基于新闻共现构建的动态图在解释性和预测性能上优于传统基于相关性的静态图，为金融图结构的客观评价开辟新途径。[page::0][page::4][page::6]
本报告聚焦发展中城市正规就业增长的驱动力，提出正规就业增长依赖城市现有工业基础与新兴复杂产业的技能相关性（复杂性潜力），并以哥伦比亚城市数据实证验证该变量对正规就业率增长的显著预测作用，揭示大城市通过技能多样性促进复杂产业集聚形成正规就业“地质层”现象，为理解和推动发展中经济体的正式部门扩张提供理论与政策参考 [page::1][page::3][page::18][page::19][page::21][page::22][page::42]。
本报告研究了在马丁格尔约束和固定边际分布约束下的分布鲁棒敏感性，通过引入半静态对冲策略，扩展了Bartl等人的结果，明确刻画了模型风险最优对冲策略，并比较了适应性Wasserstein距离与经典Wasserstein距离对模型风险敏感度的影响，验证适应性测度较为保守。[page::0][page::1][page::2][page::4][page::5][page::9]
本报告提出了一种基于非齐次泊松过程的稀疏限价订单簿模拟模型，有效反映了电子电力日内市场中订单稀疏导致的价位间大间隙。通过实证数据校准与数值模拟，模型准确捕捉了订单活动强度随到期时间递减的指数增长（即Samuelson效应）及流动性不足问题，模拟结果与历史数据吻合良好，提升了对非流动市场微观结构的理解与预测能力。[page::0][page::2][page::4][page::14][page::17][page::18]
本报告运用熵权法构建印度上市房地产企业财务竞争力评价体系，涵盖盈利能力、偿债能力、可持续发展与运营能力指标。通过对50余家公司33项财务指标的定量分析，发现高分企业表现出强劲的盈利能力和运营能力，且杠杆水平较高，低分企业则在盈利和可持续发展方面表现较弱。研究强调盈利能力及运营效率对财务竞争力的显著影响，同时指出债务利润率和现金转化周期对整体竞争力贡献有限 [page::0][page::3][page::6][page::8].
本报告提出了基于市值排名空间的统计套利框架，采用市场分解和残差收益的均值回复特性，构建了名空间与排名空间的套利组合。基于参数OU模型和深度神经网络的方法，结合盘中再平衡机制，实验证明排名空间策略，尤其是神经网络驱动的组合，在美国股市2007-2022年租后期显著优于传统名空间套利，年均收益35.68%，夏普比率3.28。排名空间残差收益的单因子特征、稳健市场结构及其更强均值回复性是其核心优势 [page::0][page::1][page::24][page::27][page::30][page::41]
本报告通过结合文献计量分析和自然语言处理技术，系统梳理过去30年健康经济学在经济研究中的兴起，揭示该领域论文在顶级经济学期刊比例的显著提升及其创新性贡献。研究利用RoBERTa模型进行论文分类，发现健康经济学论文的创新性和影响力显著高于其他领域，并通过时间序列分析展示了创新高峰的周期性及不同子领域的贡献，最终确认健康经济学从边缘学科成功迈入主流经济学的过程及其对经济学知识体系的重大影响 [page::0][page::1][page::9][page::10][page::12].
本报告采用基于2010-2019年意大利市政数据的分时差分设计，实证分析女性政治代表比例对垃圾分类回收率的因果影响。结果显示，女性市议会多数对促进公民环保行为具有显著正面激励，效果存在地区异质性，在社会资本较弱地区更明显，但该效应约5-6年后趋于衰减，暗示需长期文化推动以保持变革。[page::0][page::2][page::16][page::21][page::25]
本报告提出一种基于量子启发的二次无约束二进制优化（QUBO）框架的投资组合优化方法，结合蒙特卡洛模拟估计惩罚系数与两阶段搜索预处理技术，在实证数据上验证其提升优化准确率与计算效率的能力，展示了量子启发技术在资产配置中的应用潜力[page::0][page::2][page::5][page::7][page::8]。
本文基于中国某生活服务在线广告平台的实证与理论研究，揭示了竞价广告中的投标者估值与策略多样性。通过引入投标推荐信息披露，发现部分广告主采纳投标推荐，形成理论上的次优“投标依赖”行为。利用改进的广义第二价格(GSP)拍卖结构模型，准确识别两类投标者私有估值，进而进行反事实分析。研究表明，适度提高信息披露水平显著提升平台收益和市场效率，但过度披露则使社会整体盈余下降，体现出收益与买方剩余的权衡。研究为在线广告平台制定差异化、精准的信息披露政策提供理论及实证依据[page::0][page::1][page::4][page::10][page::27][page::29]
本报告针对具有随机基准点的S型效用函数的投资组合优化问题，提出并比较了基于深度学习的多种数值算法，涵盖Hamilton–Jacobi–Bellman方程和拉格朗日对偶方法。研究表明，在完整与不完整市场中，采用效用函数的凹包络能够有效规避非凸性问题，通过深度物理信息神经网络（PINN）与随机最大值原理方法获得准确数值解，验证了算法的可行性和鲁棒性 [page::0][page::1][page::5][page::14][page::16]
本文基于中国284个地级市2003-2019年面板数据，采用非参数凸量化生产函数及最优资源配置模型，定量测度资源错配成本。研究发现，全国层面资源有效配置能使潜在总产出提升1.287-1.349倍，且地级行政区划调整与跨区域资源配置均显著促进经济增长，提出改革建议优化资源配置效率以推动城市与区域经济发展 [page::0][page::10][page::11][page::17][page::19]
本报告提出一个完整市场的三叉树期权定价模型，结合股票及其永久衍生品作为标的资产，通过复制组合构建，建立风险中性与真实世界参数的唯一映射关系。基于历史大盘股股票与期权价格数据，计算得到真实世界参数的隐含波动率、漂移、风险利率及价格变动概率的隐含参数曲面，揭示市场对极端价格变动概率以及期权定价路径的不同预期，为期权定价和风险管理提供了新的量化工具和视角[page::0][page::1][page::5][page::9][page::10][page::16][page::17].
本文针对相关的双资产跳跃扩散模型下美式期权定价问题，提出一种基于粘性解框架的严格单调数值积分方案。该方法通过绿函数的无穷级数表示，确保所有项均非负，实现对二维带非局部跳跃积分的变分不等式数值求解的单调性和收敛性。数值实验证明方法在稳定性、精度和效率方面优异，适用于复杂二维跳跃扩散模型的美式期权定价，且为扩展至更广泛的随机控制问题提供理论基础。[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][page::25]
本报告研究资产收益服从正态均值方差混合分布（NMVM）且效用函数为广义凹函数时的投资组合优化问题。主要发现包括：在该分布假设下，投资者的最优投资组合可通过两基金分离定理表达，即任何效用函数下均持有同一风险资产组合，调整其与无风险资产的配置比例，且给出了该风险资产共同基金的显式表达式。此外，针对指数效用函数在任意凸组合域上的最优解，要么是全局最优组合，要么位于约束边界；对于一般凹效用函数，则可将最优组合问题转化为一维实值函数的最大化问题，提供了明确的闭式解结构和存在性条件[page::0][page::25][page::28][page::30].
本报告针对加拿大显著地震数据，提出了基于Voronoi多边形的Deviance Voronoi残差，用以改善时空点过程模型的拟合评估。结合建筑物暴露数据、震感强度与损失概率矩阵，构建了地震财产损失与保险理赔的模拟方法，并基于100,000年模拟震次估计了极端损失值。提出基于省间损失相关性的Minimum Capital Test（MCT）计算公式，较OSFI现行方法更能反映地震风险空间依赖性，为加拿大地震保险风险管理提供了新的量化工具与开放式模拟应用 [page::0][page::3][page::7][page::9][page::11][page::15][page::16][page::20][page::24][page::29].
本报告提出SAMBA模型，通过双向Mamba块捕获历史价格中的长期依赖关系，并利用自适应图卷积建模每日股票特征间的依赖。实验表明，SAMBA在准确率和计算效率上显著优于现有基线模型，兼具实时应用潜力和实用性 [page::0][page::1][page::3].
本报告针对拉丁美洲(LATAM)人工智能初创企业投资风险，构建基于基础设施、教育和经济三大支柱的投资潜力排名框架，结合在线食品外卖行业案例，运用TAM、SAM、SOM及贴现现金流(DCF)方法实现估值，揭示拉美新兴科技市场的高成长潜力、风险管理策略及投资组合多元化价值，为投资者提供科学决策支持[page::0][page::1][page::8][page::14][page::17]。
本报告提出一种结合树提升与潜在时空高斯过程的新型机器学习模型，用以考虑抵押贷款违约风险中的时空脆弱性相关性。该模型灵活捕捉预测变量的非线性与交互效应，显著提升了单笔贷款违约概率和贷款组合损失分布的预测准确度。通过对美国大型按揭贷款数据的实证，显示该模型在全局金融危机及COVID-19疫情期间均优于传统线性模型，且解释性分析揭示模型提升性能的关键在于时空脆弱性效应和变量非线性交互。[page::0][page::4][page::7][page::9][page::12]
