本文提出了一种面向长期股票收益率与波动率预测的节点级图注意力网络（NGAT），通过为每个公司节点赋予独特的注意力机制，有效建模公司关系图中不同节点的异质特征。该方法弥补了传统图模型泛化能力差和下游任务单日预测局限，显著提升预测准确率和波动率拟合度。实验基于两个公开数据集验证，NGAT在多周期预测任务中均优于传统GNN和基准方法，且显示了不同图构造方式下的模型鲁棒性，支持长期投资策略制定 [page::0][page::1][page::6][page::7][page::9]。
本论文提出一种基于机器学习的印度金融市场部门组合压力测试框架，采用PCA、Autoencoder和变分Autoencoder对市场风险因子进行降维与模拟，支持确定性与概率性情景生成。通过 Monte Carlo 采样实现风险分布的逼真仿真，框架有效捕捉非线性依赖关系并量化VaR与预期损失，验证了在2008年金融危机及COVID-19等历史事件下的有效性，为金融风险管理提供新颖工具 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14]
本文研究了伊斯兰损益共享(PL)合约中的$c$-公平利润分配比率,涵盖mudharabah与musharakah合约，结合代理合同，提出将合约合伙人的利润分配比例与其资本与劳动贡献通过权重$c$联系起来的理论模型。核心成果揭示了利润分配比例与投资风险、劳动贡献及资本贡献之间的动态关系，提出了适用于多方合约的理论解，并指出风险水平影响利润的资本和劳动贡献权重。研究利用随机金融模型，尤其是Black-Scholes模型给出关键变量的计算表达，结合实际经济因素支撑利润分配策略决策，对于伊斯兰金融机构设计合同以及风险管理提供理论指导和量化基础[page::0][page::3][page::5][page::7][page::14][page::16][page::23]。
本研究提出FinAI-BERT，一种基于Transformer架构的领域自适应语言模型，针对财务报告中的AI相关句子进行分类。模型采用手工标注的1586条句子数据训练，实现了99.37%的准确率和高达0.993的F1分数，优于传统机器学习模型。同时，结合SHAP方法进行模型可解释性分析，展示了对关键AI术语的语义理解能力，且具备时间稳健性和对对抗样本的高鲁棒性，为金融文本的细粒度主题识别提供了实用工具 [page::0][page::1][page::3][page::6][page::10]。
本文系统综述了大型语言模型（LLMs）在金融投资与市场分析中的应用，涵盖四大框架：基于LLM的系统架构、混合集成方法、微调与适应技术及多智能体架构。报告详述了多模态数据结合、情感分析、风险评估与交易策略生成等关键技术及其在股票预测、组合管理中的实际表现，揭示了LLM在提升金融决策效率和准确性方面的潜力与未来研究趋势[page::0][page::2][page::17]。
本研究通过Kramers–Moyal展开及Fokker–Planck方法，实证分析伊朗、土耳其和斯里兰卡美元汇率的随机波动特征。结果确认汇率对数收益率的马尔科夫性质，构建二阶Fokker–Planck模型，推断出带有稳定性漂移项与非线性扩散项的Langevin系数。利用滚动窗口估计系数并结合结构断点检测，揭示汇率动态中的关键转折点，与政治经济事件高度契合，实现对汇率不稳定的早期识别与风险建模 [page::0][page::1][page::5]。
本论文提出了一个用于预测客户在开放银行环境下数据共享倾向的框架，结合ADASYN和NEARMISS算法处理数据不平衡，采用XGBoost模型达成超91%的准确率，并通过SHAP和CART方法解释模型决策，发现移动端交互和信贷特征是影响数据共享行为的关键因素，为金融机构制定策略提供实证依据 [page::0][page::1][page::5][page::7][page::8]
本论文提出一种基于黎曼几何的新型水平差异化微观经济模型，统一并扩展了Hotelling模型，容纳无限多企业和非理性消费者，允许一般差异空间（如非欧几里得流形）。模型以softmin决策规则描述消费者选择，克服传统模型中理性假设和空间边界限制。理论分析展示集中均衡（最小差异）仅在特殊条件下成立，诸如存在边界或有限理性等，并通过迭代模拟验证高维或带周期特征空间中的市场动态，揭示了差异化行为的新视角与适用范围[page::0][page::1][page::14][page::19][page::26]。
本研究基于七参数广义调谐稳定分布（GTS），通过分位数-分位数（Q-Q）图分析比特币与以太坊的收益率尾部特征。结果表明，两个加密资产均表现出厚尾特性，且以太坊尾部极端事件更频繁，显示其更高的尾部风险和极端波动可能性。GTS分布优于传统模型，适合捕捉加密货币的复杂风险动态，为风险管理和定价模型提供理论支持 [page::0][page::1][page::2][page::3]。
本文提出了SAGE-FIN，一种基于半监督图神经网络的金融欺诈检测模型，能够在包含节点和边属性的二分图上识别异常。通过利用部分标记数据和图卷积自编码器，模型结合结构学习与分类，显著提升了欺诈检测性能。利用Granger因果原理，提出了因果解释方法，提供了针对识别结果的局部可解释子图。实证分析表明，SAGE-FIN在Elliptic++数据集的节点和边检测中表现良好，同时因果解释能帮助审计人员理解欺诈行为的关联结构，有助于实际金融监管和调查 [page::0][page::1][page::4][page::5][page::8][page::10][page::12][page::15][page::19][page::22]。
本论文提出基于LSTNet的多尺度深度学习模型，结合多变量劳动力市场时间序列数据，实现了精确的7天就业预测和可解释的行业就业健康指数（IEHI）。模型在多个行业表现优异，尤其是稳定行业，且IEHI排名与实际就业波动高度相关。研究揭示模型在面对行业结构性波动时的局限，并提出未来增强因果推断和空间时间建模的方向 [page::0][page::1][page::5][page::6]。
本报告提出了一种融合小波变换卷积与通道注意力机制的LSTM模型，用于股票价格预测驱动的投资组合构建。通过波let变换降噪，通道注意力重构特征，结合LSTM捕捉时间序列特征，股票长短仓动态调整构建等权组合。实证结果显示，所提方法在后疫情市场波动期表现稳定，显著优于买入持有策略与主流深度学习模型，在收益、夏普率和最大回撤方面均具优势 [page::0][page::1][page::8][page::11][page::13][page::14]
本论文提出了一种基于强化学习（PPO算法）动态调整区块预处理器大小的迭代求解器框架，用于加速组合优化及期权定价中的大型线性系统求解。实验证明，该方法在不同规模和密度的真实投资组合和期权定价数据上均显著提升收敛速度，尤其对非对称及条件数较差的矩阵效果突出，优化了计算效率，适用于实时资产配置和定价任务 [page::0][page::4][page::5][page::6][page::7]。
本论文提出DeepSupp，一种基于多头注意力机制和动态相关矩阵分析的深度学习方法，用以识别金融时间序列中重要的支撑位。通过构建包含价格-成交量关系的特征向量，利用动态滑动窗口计算Spearman秩相关矩阵输入自编码器，结合DBSCAN聚类实现支撑位提取。在标普500成分股上的实证测试显示，DeepSupp在六项金融指标上综合表现优异，显著优于传统统计与技术分析方法，实现对不同市场阶段的动态适应和准确识别 [page::0][page::2][page::3][page::4][page::5]。
本论文研究了利用华尔街日报新闻头条的OpenAI文本嵌入模型结合PCA降维技术，提升标普500ETF（SPY）每日价格预测准确性。通过训练390个机器学习模型对比，实验证明加入新闻头条嵌入后模型性能提升40%以上，显著降低预测误差。研究涵盖了多种神经网络结构与时间依赖/非依赖数据形式，综合经济数据如美元指数和国债收益率，系统性探讨新闻情绪对股价波动的影响及建模方法 [page::0][page::1][page::8].
本报告提出了一种基于遗传算法的任务分配模型，平衡金融服务行业的业务效率与员工幸福感，通过多目标优化显著提升任务完成概率并改善任务分配公平性，优于传统启发式方法，具备良好扩展性与实时调整能力[page::0][page::3][page::20][page::21]。
本论文基于尼日利亚证券交易所历年股票数据，利用长短期记忆网络（LSTM）构建股价预测模型。通过数据清洗、归一化和重塑，采用80%数据进行训练，20%数据测试。LSTM模型在多个股票预测中表现优异，准确率平均达97%，误差较低，明显优于传统神经网络和卷积神经网络。研究强调大规模、干净数据对模型性能关键，建议未来探索LSTM与其他深度学习模型的融合以增强预测能力和稳定性 [page::0][page::3][page::6][page::8]。
本文首次开展跨链大规模研究，覆盖以太坊、BNB链、Solana和Base共34,988个meme币，揭示82.6%的高收益meme币（收益率＞100%）存在如刷单、流动性池价格膨胀等多种操纵行为，操纵活动普遍存在且彼此关联。研究还发现，操纵初期往往为后续的利润抽取行为（如拉盘砸盘、跑路）奠定基础，呈现出完整的操纵-获利闭环机制，且在曾被主流平台摘牌的meme币中操纵情形尤为显著[page::0][page::9][page::11].
本报告聚焦2025年中期交运物流行业投资策略，深入分析宏观经济环境、快递、航空、航运与基础设施等子行业发展动态，指出快递行业竞争激烈但单票净利润承压，航空行业国际市场释放增长潜力，航运和基础设施视供需及政策风险而定，重点关注股息率与经营稳定性，为投资者提供全面策略建议与风险提示[page::0][page::1].
报告详细介绍了Metro Mining2025年第一季度和后续两个月的铝土矿出货情况，1季度发货量达18.4万湿吨，4-5月出货总计109.66万吨，同比增长约20.3%。产量提升主要受益于2024年扩建项目，尤其是新增的Ikamba海上浮动码头和摇摆筛分回路，保障了雨季操作和装船流程的效率。财务方面，报告披露现金余额和美元担保债务融资情况，并重点提示了汇率对冲措施和潜在风险因素，如宏观政策和地缘冲突风险 [page::0][page::1]。
