本文研究了当高风险个体的寿险保单较少解约时，利用解约盈余支持保费如何加剧逆向选择成本。通过‘Term to 100’合同并结合遗传测试风险，本文识别了解约盈余的三种处理方法，分析了不同逆向选择情境下保费、解约行为与保险利润的复杂关系，发现解约支持保费显著增加逆向选择损失的风险。此外，数值模型表明，禁止使用遗传测试结果的影响在不同建模方法下是一致且稳健的[page::0][page::1][page::5][page::6][page::18][page::22][page::26]。
本报告基于Scopus数据库，采用Bibliometrix工具对2004-2024年间欧盟排放交易体系（EU ETS）相关文献进行详细的文献计量分析。研究揭示了EU ETS研究的快速增长趋势，重点探讨了碳定价、市场波动和经济影响等核心主题。文献主题映射显示，限额与交易体系和碳泄漏为研究核心，未来研究应加强非参数方法、宏观经济因素及金融市场关联分析，以提升系统设计与政策效果评估 [page::0][page::1][page::15][page::18]
本报告研究了利润最大化企业通过隐瞒征税信息（税收遮蔽）对纠正性税收效果的削弱效应，聚焦德国数字体育博彩的5%体育博彩税改革。实证利用庞大线上博彩赔率面板数据，发现消费者平均承担76%的税负，遮蔽政策下企业能传导90%的税负，而未遮蔽企业传导率仅16%。基于含税收遮蔽和异质消费者注意力的寡头模型，指出遮蔽行为仅在部分消费者对税负反应不足时成立，税收遮蔽显著降低纠正性税收的福利效果，建议对遮蔽行为进行监管，确保税收的有效执行 [page::0][page::1][page::2][page::3][page::4][page::5][page::22][page::26][page::32][page::36].
本文基于加权贴现函数的时间不一致偏好，构建连续时间内不可逆投资的贝尔曼系统，分析了递减不耐烦对投资行为的影响。研究发现，递减不耐烦促使提前投资，但也可能导致光滑粘合原则失效，提示时间不一致问题下需谨慎验证经典技术假设 [page::0][page::1][page::2][page::14][page::19]
本报告提出了一种针对左截断右删失生存数据的双重双稳健估计方法，通过两次应用双重稳健估计分别处理生存函数估计与因果效应估计，保证了估计的无偏性与效率。报告详细阐述了生存数据分析中的模型假设、参数和非参数方法、神经网络框架下的损失函数设计，并在模拟数据中展示了该方法相较传统Cox模型和神经网络模型的优势，特别适用于处理复杂的删失和截断机制，提升了平均和异质性治疗效应的估计精度 [page::0][page::16][page::19][page::20][page::27][page::28][page::29].
本报告基于7.4亿条推文中的1.5亿地理标签DeFi相关推文，利用多语言BERT情感分析模型，整合经济和地缘政治数据，采用空间计量、聚类和主题模型技术揭示不同国家对DeFi关注度和情绪的显著差异。研究发现经济发展水平（GDP人均）是DeFi讨论活跃度的关键驱动力，尤其自2015年加密货币（如比特币）价格上涨后影响增强。低收入国家虽经济落后，却展现高关注度及积极情绪，偏重金融安全和暴富梦想；中等收入国家更多结合社交和宗教话题；高收入国家则偏向视DeFi为投机或娱乐工具。该研究为金融包容政策制定及DeFi负责任发展提供数据支撑和理论依据，并通过开源数据和非代码平台推动跨学科研究扩展[page::0][page::1][page::5][page::7][page::10][page::12]
本报告运用功能型Itô微积分和变分方法，建立了用于计算路径依赖型权益挂钩保险合同的函数偏微分方程（FPDE），突破了传统马尔可夫假设，适用更广泛的非马尔可夫资产价格过程，提供了一种全新的估值与准备金计算工具，涵盖了包括亚洲期权类路径依赖支付的保险合同 [page::0][page::1][page::12]。
本报告使用最新数据及R语言生态系统，复制并扩展了Kilian (2009)关于油价冲击本质差异的结构向量自回归模型分析。结果表明，油价上涨的供给中断与需求增加对经济的动态效应有显著不同，且基于条件异方差性不确定性的推断强化了结论。应用该模型揭示了全球油市结构冲击对美国宏观经济和加州Kern县地方劳动力市场的差异影响，为能源转型政策提供量化依据 [page::0][page::1][page::4][page::7][page::9][page::12][page::16].
本文针对经济学中用于结构化估计风险偏好的随机效用模型（RUM）单调性问题进行了深入分析。文章提出一个新的随机效用模型类别——Π-基随机效用模型，满足更宽松的单调性条件（Π-单调性），大幅缓解了传统模型在风险厌恶度变化时选择概率非单调的弊端。实证分析表明，Π-单调模型与经典模型相比在个体风险偏好估计中表现更稳定，尤其在考虑异方差性时效果显著。结果表明，并非所有RUM都是不可用的，适度放宽单调性条件可兼顾模型灵活性与理论合理性 [page::0][page::2][page::6][page::10][page::21][page::26]
本研究提出了基于G-期望框架下定价核的长期分解新方法，构建并验证了有限、无限及遍历三类二次G-BSDE的解的存在性和唯一性，进而实现了定价核唯一分解为四部分：指数贴现率、暂态因子、对称G鞅及反映波动率不确定性的递减过程，并给出相应PDE表征，扩展了单一概率框架下的长期分解理论 [page::0][page::1][page::6][page::31][page::32][page::34][page::35]
本报告系统比较了两种先进神经网络时间序列预测模型N-HiTS和N-BEATS在金融市场预测中的表现。通过与传统ARIMA和指数平滑模型的对比，结果显示N-BEATS在MAE、RMSE等多项误差指标上表现最佳，具备更强的非线性复杂模式捕捉能力和适应市场波动的鲁棒性，显著提升了预测的准确性和实时决策的可靠性 [page::0][page::5][page::11][page::12][page::9][page::11]
本报告提出了一种创新的"Betting Against Bad Beta"（BABB）因子，通过基于beta和“坏”beta的双排序，改进Frazzini和Pedersen (2014)的BAB因子。实证显示BABB因子在1963年至2021年间，表现出更高的年化收益率、夏普比率及显著更高的回归alpha。该因子有效规避了低beta组合中常含的高坏beta股票风险，对交易成本敏感但仍优于传统BAB策略，突显了区分“好”与“坏”beta的资产定价重要性 [page::0][page::1][page::2][page::9][page::10][page::15]
本报告通过比较传统信用评分与机器学习模型在消费者违约预测中的表现，发现传统信用评分存在41%的误分类，尤其对低分群体误差较大。机器学习模型在年轻、低收入和少数族裔群体中表现更优，改善了这些群体的信用排名，显示提升信用评分精度有助于促进更公平的信贷分配。该研究还揭示了信用评分因过度依赖信用历史长度和新的信用申请等因素，导致对边缘群体较高误判，并指出机器学习模型能有效降低此类偏差带来的不公平 [page::0][page::2][page::3][page::4][page::12][page::13][page::14][page::16][page::20][page::25][page::29][page::30]
本报告提出了一种基于完全动态凸风险测度的风险无差异定价框架，用于定价美国期权类衍生品。通过引入买卖双方不同信息结构，定义了买卖双方的风险无差异价格并证明其无套利性。在随机波动率模型下，价格被刻画为反射型后向随机微分方程（BSDE-R-BSDE）系统的解，反射边界由另一个BSDE给出，体现了行权后持仓风险。采用深度学习算法实现此系统的数值解，并针对美国看跌期权进行了实证演示，展示价格及隐含波动率特征。[page::0][page::1][page::8][page::9][page::10][page::13][page::14]
本报告提出利用一种基于多尺度趋势去除交叉相关分析（DCCA）的指标——趋势去除交叉相关成本（DCCC）来量化金融市场中投资者不同时间视角的行为差异。通过构建基于DCCA距离的最小生成树（MST）网络，跟踪市场系统的连通性和投资者行为失衡，实证结果表明DCCC指标在市场崩盘等金融不稳定时期急剧上升，且与网络的主导特征值高度相关，能够有效捕捉市场体制转移，为实时风险监测提供新路径[page::0][page::1][page::3][page::4][page::8]
本报告基于博弈论视角，系统分析了狼人杀游戏在有无先知情况下的最优策略。首先，提出了改进的“随机策略+”，显著提升狼人组的胜率，尤其在人数较少时；其次，针对有先知的情形，构建扩展型完全不完美信息博弈模型，设计算法求解完美贝叶斯均衡（PBE），最大化平民组胜率，并通过动态规划确定先知信息披露的最优时机，显著提升平民组获胜概率。最后论证了狼人自杀策略为劣势策略，确保策略均衡的稳定性。[page::0][page::4][page::6][page::10][page::12][page::20]
本报告聚焦于1917至1965年美国收入不平等估计方法，提出用最大熵方法（ME）替代传统的帕累托插值法（PI）来处理对应税务局的分组数据。实证发现，ME方法在1940年代之后能更准确估计最富裕分层收入，修正了U型曲线的不平等程度，显示1940s到1970s的不平等程度比传统估计高，削弱了中期不平等低谷的深度，支持更为平缓的“茶碟形”曲线形态，重新塑造了美国20世纪中期收入不平等的历史叙事，为未来基于税务数据的宏观经济不平等研究提供了更优估计工具[page::0][page::2][page::12][page::14][page::16][page::17].
本报告研究军事扩张对温室气体排放及绿色转型的影响。实证结果表明，军事支出占比增加1个百分点，导致总排放量上升0.9-2%，排放强度上升约1%；军事扩张还削弱绿色创新，绿色专利下降10-25%。基于美国校准的动态生产网络模型显示，永久性军事支出增加使总排放上升0.36%-1.81%，排放强度增幅为0.22%-1.5%，且军费支出的增加可能挤压对可再生能源的投资，阻碍绿色转型，进而显著提升气候损害及全球温度。双倍增加美国军费占GDP比重将导致每年0.07-2.6%的GDP等值气候损害，为气候政策带来重大挑战 [page::0][page::1][page::2][page::6][page::19][page::25][page::31]
本论文通过统计力学和信息论工具，系统研究经济金融系统的复杂性、非线性和随机波动特性。基于实证数据和模型分析，揭示了金融市场尤其是日内与隔夜波动率的时间不对称性，通过构建经验曲线相关生产过程模型，成功建立了生产累积波动率与生产波动率的定量关系，并拓展至任意噪声分布。最后，论文精确求解了Parrondo悖论游戏和“两信封问题”的概率分布，对风险管理及多学科复杂系统研究具有重要意义 [page::0][page::9][page::13][page::61][page::89][page::101]。
本报告研究时间序列因果发现算法在股票市场中的应用，设计基于因果结构的量化交易策略并进行实证验证。研究发现VarLiNGAM算法在大规模市场中最具有效性，能显著提升预测精度和投资组合收益，但计算复杂度和规模是主要瓶颈。报告还给出操作性交易策略参数建议，为未来提升因果发现算法的实用性提供方向 [page::0][page::6][page::7][page::8]
