本报告基于沪深300、中证500、中证1000及全A股等主要股票池，通过月度Rank IC及多空组合收益衡量经典因子表现。研究发现本月以来成长因子和超预期因子表现优异，盈利因子表现稳健，估值、小市值及波动率因子整体承压。在量化指数增强基金方面，沪深300及中证1000指增基金超额回撤较小，中证A500超额回撤最大，体现基金在当前市场环境下面临普遍承压。此外，报告对各指数跟踪的量化指增基金TOP10进行了详细绩效及风险分析，为投资者精选优质基金提供参考 [page::0][page::1][page::5][page::6][page::7][page::8][page::9][page::10]
本报告基于华泰金融工程团队开发的全频段量价融合因子，构建AI主题指数轮动、AI概念指数轮动及AI行业轮动模型，均表现出显著的超额收益和良好的风险调整特征。全频段融合因子自2017年回测以来表现稳健，中证1000增强组合今年以来实现超额17.25%，年化超额收益22.16%。AI主题和概念指数轮动模型分别实现16.80%和23.80%年化收益。文本FADT_BERT选股组合自2009年回测以来年化收益40.43%，表现优异。整体策略均采用周频调仓，适合主动量化配置，具备良好的盈利能力与风险控制效果。[page::0][page::1][page::2][page::3][page::4][page::5][page::6]
本报告分析了近期市场主要指数涨跌表现和估值水平，指出科创50和创业板表现优异，风险溢价保持相对高位，市场估值分布呈现一定分化。通过卷积神经网络模型应用，最新主题偏好聚焦人工智能等板块。同时，ETF资金净流入和融资余额大幅增加显示市场资金活跃。整体技术面与资金面均指向市场可能进入底部反弹阶段，为后续配置提供参考 [page::0][page::1][page::2][page::3][page::4]
本文提出DP-FedTabDiff框架，将扩散模型、联邦学习及差分隐私结合，用于生成高保真且隐私合规的混合类型表格数据。实验基于四类真实金融及人口统计数据集，探讨本地更新次数、隐私预算及联邦策略对数据实用性和隐私保护的权衡，验证了模型在严格隐私约束下仍能实现较优合成数据质量，为隐私敏感领域安全数据共享提供新思路[page::0][page::1][page::4][page::5][page::6]。
本文研究了一个带有马丁格尔约束的Schrödinger桥问题，旨在给定两个实数分布，构造具有最小相对熵的马丁格尔耦合。主要成果是证明了该马丁格尔Schrödinger桥的密度可以表示为含有三个势函数的形式，其中新增的势函数对应于马丁格尔约束的拉格朗日乘子，同时给出了势函数的存在性、唯一性及对偶性强对偶定理。本文采用了松弛马丁格尔约束的技巧与极大极小原理，并通过构造序列逼近获得整合性和收敛性，解决了传统EOT方法难以处理的积分性和紧性难题。此外，文中举例说明了势函数积分性条件的细腻性。本成果是多边际马丁格尔Schrödinger桥势函数构造的首个严格数学证明，拓展了熵正则化马丁格尔最优输运的理论框架 [page::0][page::1][page::4][page::6][page::18][page::20][page::23]。
本报告首次系统研究了占据过程（occupied processes）的伊藤微积分理论，建立了介于经典伊藤微积分与Dupire泛函微积分之间的全新框架。占据过程结合了过程的轨迹及其占据流，具备马氏性质。理论方面，提出了简洁的占据伊藤公式和相关狄利克雷问题的费曼-卡克公式，显著降低了路径依赖随机微分方程及其相关偏微分方程的复杂度。金融应用展示了占据流能统一表达外生期权及方差衍生品定价，进而提出局部占据波动率（LOV）模型，既能拟合欧式隐含波动率曲面，也捕捉波动率路径依赖的真实市场特征，通过神经网络实现模型标定和灵敏度分析。同时，推广了基于全局前向占据曲面的非线性前向方差模型，具备广泛应用潜力。数值方面实现了占据随机微分方程高效仿真，及基于蒙特卡洛的最优停止问题求解，尤其针对停时局部时间问题提出了高效算法和收敛性证明 [page::0][page::3][page::4][page::27][page::30][page::39][page::41].
本文基于120万份2000-2023年卖方分析师报告，运用大语言模型(LLaMA3-8B等)将报告文本嵌入向量空间，通过岭回归预测未来12个月股票收益率。实证表明，基于叙事的预测组合产生显著且稳健的正收益，并超越分析师数值指标及传统因子，尤其对成长型高投资股票预测能力强。Shapley值分解显示战略展望部分贡献最大，揭示分析师叙事蕴含长期价值判断，市场对其消化存在缓慢性，支持了市场暂时性误价的解释。这一研究同时展示了LLM结合机器学习在投资领域的可解释应用价值[page::0][page::1][page::2][page::4][page::13][page::21][page::24][page::28]
本文提出了一种基于梯度增强最小二乘蒙特卡洛（G-LSM）的高维美式期权定价与希腊字母计算方法。通过采用稀疏Hermite多项式的超曲率索引集作为续持价值函数的逼近空间，利用梯度信息提升回归精度，显著降低了高维情况下梯度计算的复杂度。理论上证明了该方法的收敛性并给出了误差估计，数值实验结果显示G-LSM在维度可达100时，定价及希腊字母计算精度优于传统LSM同时计算成本相当，且与深度神经网络法效果相当。[page::0][page::1][page::13][page::18]
本报告介绍了基于Leontief生产函数的Thanzi La Onse健康系统模型（TLO），阐释了该模型如何通过多产出、多输入及随机化处理，突破传统Leontief技术的限制，实现对卫生资源与治疗能力间非线性复杂关系的准确描述，为健康系统投资回报评估提供理论基础[page::0][page::4][page::5][page::6]。
本研究基于2018年中国家庭收入项目调查数据，利用OLS回归及Blinder-Oaxaca分解方法，分析辽宁和内蒙古地区汉族、蒙古族及满族三民族的城乡收入差距。结果显示蒙古族作为“局外人”少数民族在农村存在显著收入劣势，主要源自可能的歧视；城市中的收入差距主要由工作性质（公共部门）与中共党员身份解释。蒙古族在农村对公共部门职位和党员身份的回报率更高，表明民族优惠政策促进了少数民族的劳动市场融合[page::0][page::3][page::8][page::12][page::23][page::24]。
本文基于能力组合模型，提出一种基于能力相关性的经济复杂性模型。通过引入能力间的相关矩阵和一种弹性替代的生产函数，该模型能够有效复刻产品空间的网络结构及国家出口分布特征。进一步，模型实现了经济复杂性指数向经济能力的转化，提升了其对经济增长预测的解释力，并为复杂性与生产结构间的关系提供理论基础[page::0][page::4][page::5][page::44].
本研究利用2008-2020年德国PASS-ADIAB融合行政数据，采用GETTSIM微观模拟模型分析德国非领取失业救济金II（UB II）现象。结果显示，长期领取经验显著提升申领概率，而较高的收入潜力及正向收入冲击则降低申领可能。收入波动未表现出统计学显著影响。纳入长期因素后，传统模型的解释变量边际效应显著改变，揭示了忽略长期因素可能导致的模型误设 [page::0][page::2][page::23][page::15][page::20][page::22]
本文针对快速发展的去中心化物理基础设施网络（DePIN）市场，提出基于大型语言模型（LLM）的EconAgentic框架，以模拟和分析市场动态、利益相关者行为及宏观经济指标。研究揭示了LLM驱动的节点提供者决策如何提升市场效率、包容性和稳定性，推动DePIN市场实现与人类价值相一致的可持续增长，量化模拟结果与实际市场数据高度契合，为未来DePIN设计与治理提供理论与实践参考[page::0][page::1][page::4][page::5][page::7]。
本报告基于理论模型和中国2017年废纸进口禁令的准自然实验数据，探讨国内原材料供应冲击如何提升企业进行垂直对外直接投资（OFDI)的概率。研究发现，输入成本上升迫使更具生产力的企业选择海外垂直投资以降低生产成本，政策实施后受影响企业的垂直OFDI概率提高了约16%，验证了供给侧冲击对全球产业链重构的影响机制 [page::0][page::2][page::6][page::16][page::19][page::22]。
本文提出一种在大型语言模型（LLM）中插入稀疏自编码器（SAE）以实现可解释性与控制的创新方法。该方法能将LLM内部状态映射为与经济学相关的语义特征（如情绪、技术分析、风险偏好等），并通过调节这些特征强度实现模型行为的定向调控，有效纠正了如积极情绪偏向等模型偏差。该技术在大型财经新闻数据上构建的预测组合展示出优异的超额收益表现，且可扩展至社会科学领域多方面应用，开辟了LLM应用于金融及社会科学研究的透明化和可控方向[page::0][page::3][page::5][page::30][page::35]。
本文系统研究了Meta广告平台中Lift测试和A/B测试的实现机制与效用，重点揭示了A/B测试中特有的“分歧投放”现象以及其对因果推断的影响。通过分析3204个Lift测试和181,890个A/B测试的数据，发现Lift测试不存在用户群体不平衡，具备有效的因果推断能力；而A/B测试存在显著的用户特征不平衡，反映广告投放算法根据广告配置选择不同用户群体。进一步研究表明，严格统一广告目标、受众、预算、竞价策略和展现频率等配置，能显著降低A/B测试中的分歧投放问题，提升广告创意效果因果解读的可靠性。此外，还通过Meta真实案例验证了相关结论，为广告实验设计和分析提供科学指导 [page::2][page::7][page::13][page::22][page::28][page::31][page::39]
本文提出了“期权策略”的概念，使得期权能够作为一种人工资产纳入增强指数化投资组合中。基于二阶随机支配（SSD）的线性规划模型，结合2017-2025年经调整的S&P500股票及期权数据，实证结果显示引入期权策略显著提升了投资组合的样本外表现，降低尾部风险和最大回撤，同时提高夏普比率与Sortino比率，验证了期权策略在增强指数化投资中的有效性与广泛应用潜力 [page::0][page::10][page::14][page::15][page::18][page::19]
本文提出了一种基于流管道的支付编程新范式，将数字货币抽象为代币流，通过配置和串联可重用的智能合约模板，实现了高效、灵活且安全的支付逻辑开发。实验证明该框架显著降低了代码量与审计成本，提升了开发效率，尽管交易燃气费有所上升，但在提升支付编程安全性和自执行性方面具有重要应用潜力 [page::0][page::1][page::2][page::3][page::4]。
本报告系统全面回顾了2024年中国量化投资行业的发展现状、挑战和新机遇，涵盖股票、债券、期货、期权等多市场和多策略，重点解析了AI技术应用及宏观量化趋势。报告指出，监管收紧与策略同质化引发Alpha衰减，行业向基础设施和多策略生态演进。重点量化机构实践表明，生成式AI和强化学习正驱动策略升级与端到端自动化，波动生息、动态换手、智能择时成为创新焦点。报告特别关注中小盘股风险、流动性和基差风险管理，分析ETF市场发展、北交所机遇及量化出海策略布局，展现量化投资全景图，助力投资者理解行业全貌与未来方向 [page::5][page::41][page::119][page::224][page::270][page::273][page::308][page::316][page::324][page::329].
报告跟踪主要非主流矿企2025年二季度铁矿产量，八大企业合计产量同比大幅增长16.5%，环比增长4.8%，主要由澳大利亚和印度矿企驱动。上半年累计产量同比增长11.3%。尽管部分非主流矿企表现优异，但结合铁矿价格下移，预计全年非主流矿供给难有大幅突破，主流矿主导地位将继续巩固。[page::0]
