本报告提出了将PolyModel理论与最新的深度学习技术iTransformer结合，用于对冲基金组合构建。通过构建多维风险因子特征（如长周期Alpha、SVaR等），并利用iTransformer进行趋势分类预测，实现了超越传统基金组合基准的显著收益提升和风险控制[page::0][page::2][page::5][page::6][page::9]。
本报告通过反应扩散模型模拟耦合的两个流体极限订单簿，重点展示了交易者互动如何导致Epps效应的自然出现。利用非均匀采样和校准参数，模型成功再现了真实金融市场中的相关性随观察时间尺度变化而显现的现象，证明了Epps效应是订单簿耦合与离散交易事件共同作用的涌现属性，而非噪声影响 [page::0][page::3][page::6][page::8]。
本报告研究了在多个风险参与者具有异质概率信念的情况下，基于Lambda Value-at-Risk (ΛVaR) 偏好的风险分摊问题，推导了多ΛVaR测度的半显式卷积公式及对应的最优风险分配形式。通过考察同质信念、条件信念和绝对连续信念三种情形，分析了信念关系对风险分配的影响。此外，讨论了ΛVaR与一般风险测度（包括期望效用、扭曲风险测度及ΛVaR自身正向定义ΛVaR⁺）在异质信念下的卷积结果，发现当信念高度不一致且风险容忍度高时，风险分摊出现无穷大的平凡结果，揭示了信念异质性与风险偏好对风险分摊问题的关键影响机制 [page::0][page::2][page::3][page::9][page::11][page::13][page::16][page::18].
本文首次系统研究了驱动于广义半鞅市场的多期连续时间下的二次效用和线性均值方差均衡的存在性与唯一性。通过构造非标准代表性代理人及固定点方法，获得了严格的存在唯一条件，并给出了均衡价格的显式表达式。此外，报告展示了市场不完备和不满足整合性条件时均衡的非存在或非唯一性示例，同时将二次均衡结果应用于线性均值方差偏好，实现对更广泛均衡价格的近似 [page::0][page::1][page::3][page::9][page::14][page::15]。
本报告基于Wiener-Khinchin定理，采用分段、去趋势与归一化方法，对1996-2023年S&P500与2019-2023年比特币的高频价格收益率进行了宽义平稳性比较分析。结果显示，S&P500的收益率经过12个月去趋势窗口和10分钟归一化窗口处理，可实现整体平稳性，但细分时间段内的平稳窗口更大，表明局部数据更均一。比特币则仅在波动较大的区间（归一化窗口60分钟）呈现平稳，其它时段难以建立平稳性。研究揭示传统股市与加密货币市场在时间序列稳定性上的本质差异，丰富了金融时间序列平稳性理解，为量化投资及风险管理提供了新的数据支撑和方法论框架[page::0][page::2][page::3][page::4][page::5].
本报告提出了一种结合机器学习的高效重要抽样算法，用于复杂黑盒模型中扭曲风险度量（DRM）的蒙特卡洛估计，显著降低计算成本并提高尾部风险估计的准确性。方法通过对量化分位数的离散和样本分配优化实现，并在多个数值案例和保险资产负债管理模型中验证其方差缩减效果，尤其适用于极端尾部事件的估计，支持风险管理与资本充足性评估 [page::0][page::3][page::10][page::13][page::16][page::18]。
本报告构建了一个基于多维Ornstein-Uhlenbeck过程和确定性碳价格的模型，量化气候转型对房地产价格的影响。模型结合销售比较法与收益法，考虑了建筑能效差异导致未来能源成本及最优翻新时点的影响，模拟结果与法国房价指数和能耗数据基本吻合，揭示碳价格增长及翻新成本对房地产价值折旧的显著作用，为政策制定和资产管理提供了理论工具 [page::0][page::2][page::6][page::19][page::20]
本文提出了一种称为“数据时间旅行”的方法，应对基于匿名历史数据的多智能体系统中强化学习训练的难题。通过在高频交易的限价订单簿中实践，该方法通过跳转历史时间点以保证状态与事件的一致性，有效模拟智能体的影响，显著提升市场做市策略的盈利效果，克服了传统顺序数据使用带来的偏差问题，拓展了强化学习在金融市场的可行性[page::0][page::2][page::5][page::6][page::7][page::9]。
本文首次将偏微分方程（PDE）方法应用于基于新广义Forward Market Model（FMM）的无风险利率（RFR）衍生品定价，系统推导了相应PDE，并设计了基于非均匀网格的高效有限差分AMFR-W1数值算法以应对多维带混合偏导的PDE求解。通过多个维度的RFR互换期权和含早期权益的Bermudan期权的数值实验，验证了PDE方法的准确性和优越性（与Monte Carlo结果对比），实现了空间二阶收敛，展示了PDE方法在IBOR向RFR过渡市场的应用潜力 [page::0][page::4][page::13][page::22][page::30][page::31].
本报告基于CatBoost算法，提出了一种监督式相似度学习框架，用于衡量市政债券之间的相对价值。通过多目标回归预测债券的OAS和收益率，模型能够基于风险特征识别相似债券组，从而实现更精准的相对价值排序。实证结果显示，该方法在不同市场环境下通过对比回测优于传统规则基方法和收益率排序法，尤其能规避仅靠高收益带来的风险积累，提升投资组合的风险调整收益表现[page::0][page::1][page::5][page::6][page::7]。
本报告提出了利用无差异定价(indifference pricing)构建弱信息价值的数学框架。该框架通过改变物理概率测度来表示信息的微小扰动，实现信息价值的量化、连续性和稳定性分析。重点证明了在满足一定可积条件下，价值函数、最优投资及无差异价格对概率测度的微小变化收敛，并给出反例说明相关假设的必要性。此外，报告还深入探讨了完全及不完全市场中无差异价格不变的随机变量类别，连接了弱信息模型与初始滤波扩张理论，丰富了信息不对称下最优投资和定价理论[page::0][page::1][page::2][page::6][page::18][page::25][page::27].
本文推广了Giachetti-Tognetti-Feynman-Kleinert（GTFK）半经典路径积分方法至含时依Hamiltonians，拓展了其在金融衍生品定价中的应用。以Black-Karasinski模型为例，展示了该方法在高波动率与多年期限下的准确性与计算效率，提供了比传统数值方法更具优势的可行替代方案[page::0][page::1][page::9]。
本报告提出了一种高效且可靠的SABR模型蒙特卡洛模拟方法，创新性地用移位对数正态(SLN)分布匹配条件平均方差的前三阶矩，扩展了模拟步长适用范围。同时，报告提出基于常数弹性方差(CEV)过程的条件远期价格近似，保证了鞅性质，优于常用Islah近似，并采用基于移位泊松混合伽马分布的CEV精确采样算法，有效提升模拟精度与计算效率。数值测试表明该方案在大到期时间等复杂参数条件下，模拟结果准确且计算速度快速 [page::0][page::1][page::2][page::7][page::10][page::11][page::15][page::18][page::22][page::23]
本报告研究了欧盟结构性投资基金中“低碳经济”支出对欧盟区域温室气体排放减少的效果，覆盖2007-2013和2014-2020两个规划期。研究采用排放时间序列分解为趋势与周期成分的面板数据模型，发现支出在不同地区（发达区、过渡区和欠发达区）表现出显著差异：发达和过渡区域的低碳投入有效降低了长期排放趋势，而欠发达地区则呈现排放增加的反常现象。进一步分气体分析揭示了CO₂、CH₄和N₂O排放的影响不一致，反映出减排的复杂性，强调了环境政策需针对地区发展水平精准设计和调整的必要性 [page::0][page::1][page::19][page::20][page::21]
本文基于含跳跃的扩展Black-Scholes模型，证明了不同预测策略在股票收益预测中的表现趋同，甚至平庸的预测在高波动条件下与最优预测效果无异。揭示了一个关键“临界关系”——当观察时间小于相对波动率平方时，最佳线性无偏预测反而劣于平庸预测，强调在绝大多数实际情形下基于历史数据的预测几乎无效，为量化投资策略的有效性提出严峻质疑。[page::0][page::2][page::12][page::13]
本报告提出基于神经网络表示期限结构的加法过程期权定价模型，解决传统参数化期限结构设计难题，提高了原有加法逻辑斯蒂过程在拟合隐含波动率曲面上的灵活性和精度。通过单一及序列隐含波动率曲面实证，验证了神经期限结构的高效标定和动态适应能力，极大增强模型在实际动态市场中的稳定性和鲁棒性。[page::0][page::1][page::13]
本报告提出了NeuralFactors，一种基于变分自编码器的深度生成因子模型，能够端到端地学习股票的因子暴露和因子收益，改进了传统因子模型的表达能力和计算效率。通过对标的S&P 500股票的经验分析，模型在负对数似然、协方差预测、VaR风险分析和组合优化上均优于现有方法BDG和PPCA，且因子暴露具有解释性和聚类特性，为股票嵌入提供新视角 [page::0][page::1][page::4][page::5][page::7][page::8]。
本报告针对标准LIBOR市场模型在捕捉市场波动率微笑和偏斜方面的不足，详细介绍了三种SABR/LIBOR市场模型（Hagan、Mercurio & Morini及Rebonato模型）的理论设定及其与市场数据的标定方法。报告提出了一种基于多GPU并行模拟退火算法的高效标定策略，显著加速参数校准过程。数值实验采用欧元IBOR的6个月利率市场数据，分别对标准模型和扩展模型进行了caplets和swaptions的拟合验证，结果表明Mercurio & Morini模型在拟合交换期权价格和计算效率上表现最佳。GPU加速使得复杂模型的蒙特卡洛标定成为可行的工业应用方案 [page::0][page::6][page::16][page::26]
本报告提出NeuralBeta，一种基于深度学习的动态贝塔估计方法，该模型通过引入类似加权线性回归的新输出层实现可解释性，并能同时处理单变量与多变量场景。实验结果显示，NeuralBeta在捕捉贝塔动态变化（尤其是市场规制转换时期）方面显著优于传统滚动OLS/WLS方法，并展现出良好的泛化能力与适应市场波动的灵活性，具有广泛金融应用潜力 [page::0][page::1][page::4][page::6].
本报告强调公平性在交通工程中的重要性，提出了一套基于现代公平理论的定量、公正且务实的公平框架，兼顾交通效率与公平。通过信号灯控制和静态路桥定价两个案例，验证该框架提升公平性的可行性，发现公平与效率并非必然冲突，且不同公平理念对优化目标影响显著差异，尤其传统平等主义与效率存在较大矛盾[page::0][page::1][page::5][page::8][page::9][page::10]。
