本报告创新性地将Hull-White随机利率模型引入Lévy市场框架下的带有保证最低收益的可变年金估值与最优退保策略分析中。结合树方法与有限差分技术的混合数值解法，有效刻画了利率波动对合约价值及退保行为的影响。通过与Longstaff-Schwartz蒙特卡洛方法的对比，证明了该模型在反映市场真实波动及指导保险合同设计中的优越性，尤其在抑制过早退保方面贡献显著。比较静态分析进一步揭示利率参数对最优退保成本的敏感性，强调准确建模随机利率的必要性 [page::0][page::1][page::2][page::19][page::20][page::21][page::22][page::18]
本报告构建了投资者自愿披露信息的理论模型，指出投资者总是披露初始证据，但对额外证据采取极端信息披露、中间信息隐瞒的策略，导致股价波动性加剧和误导性披露现象。此外，投资者的专业能力和企业信息环境显著影响披露的精细程度和误导披露频率。模型并考察了目标公司对空头投资者披露的战略性反应，验证了主要结论的稳健性，为理解投资者披露行为及市场价格反应提供理论支撑 [page::0][page::1][page::2][page::4][page::10][page::11][page::16][page::27][page::32].
本文提出RiskLabs框架，创新性利用大语言模型（LLMs）融合财报电话会议文本与音频、新闻及市场时间序列多源多模态数据，实现对股票市场波动率及VaR的风控预测，显著优于传统模型及单一LLM预测水平。框架通过多头自注意力机制及多任务学习，有效整合信号源，提升短中期风险预测准确度，揭示LLMs作为辅助工具在金融风险量化中的潜力与挑战，为跨领域AI金融应用提供新思路 [page::0][page::1][page::4][page::5][page::8].
本报告基于ChatGPT-3.5与ChatGPT-4，比较了直接预测(prompting)与未来叙事式预测两种提问策略，利用训练截止时间点（2021年9月）之后的2022年事件作为真实验证，发现未来叙事式提示显著提升了ChatGPT-4对奥斯卡主要奖项及部分经济指标的预测准确性。2024年更新后的模型包含预测事件的训练数据，准确率提升至100%。结果表明，叙事式提示通过利用模型的创意和虚构生成能力，有效绕开了直接预测的限制，揭示了大型语言模型在预测任务中的潜在价值与应用前景 [page::0][page::4][page::28][page::31][page::32]
本报告提出了一种基于时序动态行业网络（TDIN）和深度学习的交易级别M&A预测模型，突破传统方法对数据重采样和时间截断的依赖，有效捕捉了行业内M&A事件的复杂相互依赖关系。模型利用时间点过程和图神经网络，结合内生因素与外部同行影响，实现了细粒度的时间预测和精准目标推荐，实证结果显示相较经典收购可能性模型，模型AUC提升6.6%[page::0][page::13][page::21][page::23][page::24]。
本文提出了一种基于自然语言处理和三层堆叠机器学习分类器的系统，用于从Twitter等微博平台识别带有“金融机会”情绪的推文，着重于高精度检测投资者积极的市场预期。利用包含6,000条注释数据的财经微博语料，系统通过字符与词语n-gram、情绪词典、时态特征等多维特征构建模型，最终在随机森林算法上实现约83%的“机会”类推文检测精度及高容错性，验证了该方案在辅助投资决策中的潜力。[page::0][page::1][page::3][page::5][page::6][page::7][page::8][page::9]
本报告提出了PfoTGNRec模型，通过结合时间图网络与均值-方差有效采样，有效捕获了个人投资者偏好与投资组合的动态变化，解决了推荐准确性与投资组合多样化的权衡问题。实证结果显示该模型在推荐性能与投资组合夏普比率上均优于当前主流动态及静态模型，为个人投资者提供兼顾偏好和收益的交易建议 [page::0][page::1][page::3][page::5][page::6][page::7]。
本报告基于ENTSO-E发布的欧洲日内电力市场节点价格数据，评估了替代的竞价区划分方案的稳定性及有效性。研究发现，ACER提出的德国竞价区配置在时间和算法维度均不稳定，且价格区间内标准差下降幅度有限，区域平均价差不显著，导致价格信号缺乏长期稳定性和区域一致性。通过聚类分析，得出仅基于价格可进一步降低价格波动但地理连贯性不足。研究对德国竞价区拆分提出了现实挑战，强调现行方法难以找到既地理连贯又价格稳定的区域划分 [page::0][page::5][page::25][page::26][page::31]
本报告提出了PEAL方法——一个涵盖10步骤的数学框架，系统连接资产现金流入与债务现金流出，支持复杂结构性资产证券化的分层风险分配与透明度提升。通过标准化方程，PEAL方法实现风险精确刻画，促进监管合规及市场透明，填补了证券化领域长期缺失的数学建模空白[page::0][page::3][page::8][page::48]。
本报告提出将经典Black-Scholes模型推广为广义测度Black-Scholes模型，通过引入代表投资者不确定性的测度，实现期权价格的局部动态建模，结合非对称Dirichlet形式和偏微分方程理论，证明问题的良定性并针对自相似测度给出显式公式与数值算法，数值模拟显示该模型可生成非传统的期权定价行为，具备更灵活的风险刻画能力 [page::0][page::1][page::4][page::10][page::16][page::25]。
本报告介绍了StockGPT，一种基于解码器Transformer架构的自回归生成模型，训练于近百年7000万条美国股票日收益率序列。通过将连续收益率离散化成“token”，StockGPT自动学习复杂的价格模式并预测未来回报，显著优于主流价格因子和传统策略。日频和月频重平衡构建的多空组合均展现出极强的超额收益和显著α，表明生成式AI在股票定价领域具备突破人类手工策略的潜力，揭示了新的AI定价效应，为量化投资提供了创新路径 [page::0][page::3][page::9][page::12][page::13][page::14]
本报告首次基于覆盖全球76国、占85%人口的个体时间与风险偏好数据，重新校准碳的社会成本，发现西方学者估计值显著高于全球代表性估计，且以人口加权计算时成本更低，提示现有研究对全球社会成本存在系统性高估和偏差 [page::0][page::3][page::4].
本文基于2020年至2022年的高频面板数据，运用多种自回归模型系统性分析了加密货币市场的波动率动态。研究发现，相较于成熟资产如纳斯达克科技股，加密货币市场存在波动率杠杆效应倒转现象，即正收益反而增加未来波动率，负收益对未来波动率影响较小，体现出该市场尚未成熟且受零售投资者情绪驱动的特征。此外，跳跃成分对波动率的影响更显著，尤其是在个体层面，揭示了不同投资者行为的差异。研究对监管政策制定和风险管理具有重要启示 [page::0][page::17][page::21][page::24][page::43][page::46]
本报告利用COVID-19作为生物医学研究中的外生冲击，深入分析新兴研究主题中女性科学家在关键作者位置（如第一作者、通讯作者）上的性别偏见问题。研究发现，尽管女性作者比例整体上升，但在COVID-19相关研究中女性担任关键作者的概率显著下降，更多被分配在对职业晋升较少帮助的中间作者位置。这种差异主要由团队构成及核心领导者对新领域经验的缺乏导致，新组建的“新手”团队往往倾向于由男性担任首要作者。多种控制变量检验表明，此性别差异无法用家庭照顾责任、期刊影响力或资金获得机会完全解释，凸显了制度性歧视和团队动态对女性科研机会的制约。本研究强调了监测和促进科研领域性别平等的重要性，为政策介入提供了科学依据 [page::0][page::2][page::3][page::8][page::16].
本文提出基于时区效应的向量自回归(VAR)模型，分析36个国家股市日收益率，揭示了全球股市信息传递的“共振效应”和传染机制。实证结果显示，在金融危机期间（次贷危机、欧洲债务危机、COVID-19危机），全球股市同向波动加剧，时区模型较传统VAR模型表现更优。正负链接网络揭示了信息流跨大陆传递及各大洲内部的自我调节机制，为理解全球金融风险传染提供新视角 [page::1][page::3][page::13][page::27][page::35]
本报告针对生鲜电商行业库存管理中的需求不确定性问题，提出基于订阅服务的库存规划模型。通过计算不确定性成本、评估提前需求信息价值和设计差异化订阅优惠，显著降低过度备货风险，提高利润率。模拟实验验证了该方法在不同客户群体和产品特性下的有效性，为零售商实现利润最大化提供了系统框架和策略建议 [page::0][page::1][page::7][page::12][page::37]。
本文建立了AMM中动态手续费选择的理论框架，重点分析了基于套利交易的手续费优化问题。通过数学建模与随机游走的有效模型，揭示了手续费设置与套利收益、AMM收入之间的定量关系，并通过数值模拟验证了侧向价格波动下手续费设置对长期收益影响较小的结论，为AMM手续费动态调整提供理论指导。[page::0][page::1][page::6][page::8][page::11]
本报告利用2005-2019年美国社区调查数据和州及地方反性取向歧视法律面板数据，采用三级差分方法实证分析了反歧视法律对同性伴侣劳动供给和工资差异的影响。结果显示，反歧视法律显著缩小男同性伴侣与异性伴侣在劳动力参与率和就业率上的差距，并提升其工资在分布中的百分位等级；相较之下，女性同性伴侣的劳动市场反应有限，但都会区女性就业受到一定压制，主要原因是女性同性伴侣在法律实施后更倾向于生育子女。此外，法律实施提升了公众对同性婚姻的支持率，表明反歧视法律不仅影响劳动力市场，也提升社会对LGB群体的接纳度。该研究为政策制定者提供了反歧视法律在缩小劳动市场不平等和改善社会态度方面的实证证据。[page::0][page::3][page::4][page::11][page::13][page::15][page::25][page::41]
本报告研究了社交媒体上投资者情绪与资产价格的关系，采用EmTract情绪模型，验证社交媒体情绪与实验室情绪表现一致性，发现情绪尤其是悲伤情绪对后续股价具备预测能力，且情绪对价格影响在流动性低和空头利率高时更显著，体现了细分情绪指标对市场动态的重要作用，为理解投资者行为提供了新视角 [page::0][page::3][page::14][page::29].
本文建立了金融领域中的相干风险度量与概率论中均匀可积性之间的紧密联系，重点引入了畸变风险度量的折叠分数技术工具，将风险度量对随机损失和收益的条件转化为对绝对值的条件，并提出了三个等价条件来刻画均匀可积性，特别指出集合均匀可积等价于存在对该集合有界但非全L¹有界的相干畸变风险度量。本研究同时展示了这一理论在投资优化问题中的应用，保证了风险和价格约束下随机位置集合的均匀可积性，以及近似最优解的收敛性 [page::0][page::4][page::9][page::14][page::21].
