本报告针对仿射随机波动率模型提出了一种基于矩方法的参数估计方法。核心贡献在于建立了用于任意阶矩递归计算的闭式表达式，进而构建了明确的矩估计量，证明了其渐近正态性质，并推导了协方差矩阵的显式公式。数值实验验证了估计方法的准确性和计算效率，优于传统MCMC方法，且适用范围涵盖多种仿射随机波动率模型 [page::0][page::2][page::8][page::15][page::17]。
本报告利用Shift-Share工具变量方法，基于外生的价格-商品冲击，因果识别非洲矿产贸易对冲突的影响。研究发现矿产贸易增加显著提升冲突数量，且由油气类矿产驱动；稀有矿产如钴、钽等并未影响冲突数量，但显著增加了冲突的致死人数。研究揭示不同矿产类别对冲突的差异性影响，丰富了资源安全与环境政策议题 [page::0][page::2][page::13][page::16][page::18]
本报告围绕高频期权交易策略，结合多种先进组合优化模型（如动态权重调整、稳健优化等），基于SPY期权分钟级数据，系统评估了隐含波动率及期权希腊字母构建的多种交易策略，发现动态组合策略在Theta、Rho及复合希腊字母策略中表现优异，展现了在复杂快速市场环境中稳健收益的潜力[page::0][page::2][page::4][page::8].
本文探讨人工智能（AI）如何影响企业的战略决策过程。通过现实创业孵化器和创业大赛的实证数据，发现当前大型语言模型（LLMs）在战略生成与评估能力上可与创业者和投资者相媲美，显著提升战略分析的速度和质量。研究进一步分析AI对战略决策底层认知过程（搜索、表征、聚合）的影响，并提出将AI在战略决策中的应用与企业绩效联系的框架，指出AI将深刻改变竞争优势的形态及战略理论的发展方向 [page::1][page::3][page::5][page::15][page::18][page::29][page::35]。
本报告系统回顾了风险管理中无限均值模型的最新进展，重点分析其在金融和保险领域中重尾风险的建模价值与统计推断挑战。研究指出，经典有限均值模型的许多结论在无限均值模型中失效甚至反转，诸如VaR多元风险的超加性、风险分散的负面效应和经典中心极限定理的失效等，强调在无限均值情形中需谨慎使用传统统计和决策工具[page::0][page::1][page::12][page::22]。
本报告针对基于Eisenberg-Noe金融网络模型的系统性风险度量，重点研究基于VaR的集合值风险测度的样本平均近似（SAA）收敛性质。首次拓展SAA理论至集合值风险测度，证明在Wijsman和Hausdorff拓扑下的几乎必然收敛，并设计混合整数规划方法计算SAA对集合。通过基于Bollobás优先连接模型和Pareto分布的金融网络模拟，验证算法效果及灵敏度，为系统金融风险管理提供理论与计算框架 [page::0][page::3][page::4][page::9][page::16][page::23][page::28][page::36][page::46]
本报告基于深度残差网络（ResNet）分析股票价格图像，提出图像诱导重要性（triple-I）权重，结合加权移动平均方法，有效增强传统价格趋势交易信号。实证采用中国A股市场数据，显示TWMA方法显著提升动量、反转趋势等多类策略的夏普比率并降低换手率，且支持时序尺度与非技术信号间的迁移学习，扩展至新闻情绪和大量交易规则中，证明图像提取信息对交易策略具有通用价值和显著提升效果 [page::0][page::4][page::5][page::18][page::23][page::39][page::40]。
本文提出利用两个指数——风险资产的平均盈利能力(AP)和当前盈利能力(CP)——重新表述连续时间预承诺均值方差投资组合选择问题，避免对未来回报率和波动率的传统参数估计。通过辅助财富过程的二阶变差精确估计AP，CP以AP的估计值近似，实现了更准确且稳定的参数估计方法。实证和模拟结果显示，该方法在多种金融市场下均优于经典最大似然估计和买入持有策略，显著提升投资组合表现和稳定性 [page::0][page::2][page::5][page::13][page::14][page::16][page::17].
本文提出了一种扩展的支持超平面逼近方法，用于高效求解分布鲁棒大规模组合优化问题，涵盖广义的可加分离效用函数和多面体不确定性集。实证以标普500成分股为样本，结果表明该方法显著提升计算效率（计算时间由数千秒降至个位数秒），同时保证了稳健的样本外交易表现，成为解决理论与实践难题的可扩展实用工具 [page::0][page::1][page::4][page::8][page::11][page::13][page::18]。
本报告基于超过9.3万条战略决策数据和2416个程序生成的二维矩阵游戏，系统评估了行为博弈论模型与深度神经网络在预测人类战略选择中的表现。结果显示传统模型普遍假设固定的行为参数，难以解释不同游戏复杂度带来的行为差异。将结构参数设计为依赖游戏矩阵的神经网络后，模型完整性提升至97%，表明认知复杂度驱动人类对对手行为的优化响应与推理能力的变化。构建并验证了一个可解释的游戏复杂度指数，与响应时间及认知不确定性显著相关，揭示了复杂性在战略决策中的关键作用，体现了机器学习在预测与解释复杂人类行为中的潜力 [page::0][page::1][page::3][page::4][page::5][page::6][page::7][page::8]
本报告全面统计分析Web3生态中的多种代币，揭示其与传统金融资产在回报分布、波动性聚类等关键经验特征上的高度相似性，并比较了中心化交易所(CEX)与去中心化交易所(DEX)的价格动态与交易机制。研究发现尽管交易机制和长期表现存在差异，DEX和CEX市场的代币价格通过套利行为保持高度一致，为DeFi风险管理、定价模型及投资组合构建提供了重要参考[page::0][page::2][page::5][page::24][page::27].
本报告提出了一种结合双阶段分位数神经网络与三次B样条插值的股票收益率全分布预测方法，基于194个股票特征及市场变量，突破传统模型限制，准确捕捉非高斯重尾及非线性关系，显著提升了均值与方差的预测性能。方法在美国数据训练并成功推广至国际市场，实证表明中间分位数被定价，且利用插值分布计算的均值预测带来更高的超额收益，而高阶矩在资产定价中的作用不显著，为资产定价文献的相关争议提供了新视角 [page::0][page::1][page::3][page::4][page::18][page::20][page::24][page::28]。
本报告研究保险公司在市场价格风险未知情况下的最优投资-再保险问题。采用卡尔曼滤波技术将部分信息下的优化问题转化为可观测过滤问题，并通过哈密顿-雅可比-贝尔曼方程给出价值函数及最优策略的显式表达式。报告进一步分析部分信息与全信息下策略的差异及信息价值，并辅以数值实验支持结论，体现了滤波估计对投资-再保险决策的关键影响 [page::0][page::1][page::6][page::9][page::13][page::14][page::16]
本报告提出了一种创新的风险管理度量标准——集中风险指标（CRI），该指标基于Herfindahl-Hirschman指数，结合资产市值与波动率及组合权重，量化持仓集中度风险。CRI不仅适用于单一资产和资产组合，也能延伸至多链和保险产品组合，提升金融稳定性和风险管理水平。通过对2019年1月至2022年8月的加密资产数据实证，验证CRI对加密资产组合风险调整表现的有效性。报告还总结了风险管理的五大支柱指导原则，并探讨CRI未来改进空间及应用场景，为区块链投资风险管理提供了系统的量化工具和实践框架 [page::3][page::4][page::7][page::16][page::21][page::24].
本文基于扩展的全球游戏模型，研究了稳定币因大额抛售和储备质量不佳而导致的挤兑风险。模型揭示大额抛售加剧持币者的抛售压力，信息透明度对挤兑风险的影响依赖于基本面强弱，并将挤兑风险分解为大额抛售风险和抵押资产风险两部分，为稳定币设计和监管政策提供理论依据 [page::0][page::1][page::8][page::12][page::15].
本报告基于极值理论构建了一个方向性尾部依赖（Directional Tail Dependence, DTD）度量，提出了类似有效市场假说的有效尾部假说（ETH），用于描述市场极端事件下的效率表现。通过平衡正负尾的正则变差模型，量化资产回报在极端损失与收益间的不对称依赖。对中国期货市场的高频实证表明市场尾部效率在整体上成立但存在显著尾部效率违背事件，且基于发现的非效率尾部依赖构建的动态投资组合在样本外实现了正收益，体现了潜在的交易机会。这一框架为极端风险管理及交易策略设计提供了新工具与视角 [page::0][page::4][page::5][page::23][page::25][page::28][page::30]
本报告提出利用指令微调结合4-bit QLoRA量化适配技术，基于包含财务指标增长、业绩电话会议内容及外部市场指数和分析师评级的综合数据集，训练大语言模型以提升财报后股票涨跌预测的准确率。实证显示，特别是llama-3-8b-Instruct-4bit模型在准确率、加权F1和MCC上显著优于GPT-4，验证了多因素融合和模型压缩对金融预测的有效性，并探讨了未来加入“持有”选项及延长预测周期的方向。[page::0][page::1][page::3][page::4]
本报告提出了一种基于多层次随机逼近（MLSA）的自适应细化策略，有效解决价值风险（VaR）计算中的Heaviside函数不连续性问题。通过动态调整每层内部模拟样本数，算法显著降低了计算复杂度，理论证明其复杂度达$\mathrm{O}(\varepsilon^{-2}|\ln\varepsilon|^{\frac{5}{2}})$，接近多层蒙特卡洛的最优复杂度。实证研究（如欧洲期权和利率互换案例）验证了该方法相比传统MLSA在误差和计算时间上实现超过10倍的性能提升，并基本达到理论预期的二次复杂度 [page::2][page::9][page::15][page::19][page::24][page::27]
本报告基于2005-2020年欧盟碳排放交易系统的百万级交易数据，运用资产定价方法深度剖析碳交易市场的效率问题。研究发现40%的企业未参与交易，许多企业仅在交割月高价时买入，导致约50亿欧元的直接损失；另外约10%的企业利用私人信息进行过度投机交易，获利约80亿欧元。此类非理性交易行为严重制约了碳交易市场的减排目标和资源配置效率 [page::0][page::1][page::2][page::10][page::11][page::12][page::14][page::15]。
本报告首次将金融市场崩盘事件建模为一阶相变，提出内生崩盘驱动的动态相变（DPT）模型，系统分析了三类相变的预警信号，并通过2019-2024年标普500数据实证发现，波动率和异常维度在崩盘前显著变化，验证了DPT模型的优越性，较传统LPPL模型具备更强的预测能力和稳健性 [page::0][page::4][page::5][page::6].
