本文提出一个双层随机博弈模型，研究一个保险人和两个竞争再保险人的比例再保险合同及竞争。通过组合Stackelberg博弈与非合作Nash博弈，推导了均衡存在的充分必要条件并证明其唯一性，均衡策略为常数且可半解析表达。模型涵盖了风险厌恶和相对业绩竞争，数值研究揭示风险规避和竞争程度对均衡溢价及再保险比例的敏感性，为再保险市场的定价与竞争提供理论支持 [page::0][page::4][page::14][page::23]
本报告通过希尔伯特谱识别2017-20年间三次加密货币市场崩盘，采用部分相关构建复合网络。在崩盘期间，网络度密度与聚类系数显著上升，平均路径长度降低，表明信息快速流动及市场恐慌同步抛售的发生。2019-20年崩盘网络变化不显著，暗示动态差异。此研究有助于投资者理解崩盘中的市场结构变化，辅助决策 [page::0][page::4][page::5][page::8][page::9]
本研究采用一阶齐次离散时间马尔可夫链模型，分析了2018年美中贸易战期间六大行业高频股票市场订单的转移动态。通过卡方检验确认订单序列服从马尔可夫性质，估计转移概率矩阵并据此计算稳态分布、平均再现时间、谱间隙及熵率。研究发现，高波动日交易者更加活跃且大量限价单被故意撤销以影响市场，尤其在财经银行板块全执行订单表现出显著的循环模式，显示其在贸易战中的韧性。类似的谱间隙和熵率表明交易策略在高低波动日较为一致。该分析对理解极端宏观经济事件下的市场行为和制定交易策略具有重要参考价值 [page::0][page::1][page::7][page::10][page::11][page::13]。
本报告提出了一种结合Markowitz投资组合理论与强化学习的混合方法——知识蒸馏DDPG（KDD），通过监督学习阶段预训练代理，再通过强化学习优化投资组合配置。实验表明，KDD模型在收益率、夏普比率等九项指标上均优于传统模型和主流AI算法，最高夏普比率达2.03，实现了高收益与低风险的有效平衡，验证了其在复杂动态金融市场的应用潜力[page::0][page::1][page::4][page::7][page::9][page::10][page::11]。
本报告提出了一种多因子正态对数通胀模型，结合单因子高斯利率模型G1++，实现对不同期限通胀指数间相关性的拟合，并推导了零息和同比互换、期权的解析定价公式。通过引入杠杆函数模型捕获波动率偏度，实现了市场波动率微笑的再现。针对模型复杂度，报告还提出了无需校准的简化模型，实证展示其与全模型相近的定价性能。研究结合欧元市场数据，展示了校准及定价效果 [page::0][page::6][page::9][page::14][page::17]。
本报告提出了一种基于Wright函数的两参数广义$\alpha$-稳定分布（GAS）框架，通过引入自由度参数$k$，实现了对原有$\alpha$-稳定分布、Student’s t分布和指数幂分布的统一推广。该分布族在概率密度函数（PDF）和分布函数（CDF）上分别引入了新的超越函数形式，解决了原有稳定分布缺乏有限矩及样本峰度无法连续等问题。通过构建分数阶$\chi$-分布作为子概率分布，GAS实现了形状、峰度和偏度的可控性，并成功扩展至多元椭圆形分布。以标普500日收益率数据为例，GAS模型对极端尾部及峰度结构拟合良好，体现实用价值 [page::3][page::5][page::15][page::23][page::51]。
本报告基于2.6亿份简历数据，采用分布式合成控制方法，实证分析微软、SpaceX及苹果三大科技公司强制返岗政策对员工任期及职级的因果影响。研究发现，返岗政策导致员工整体任期显著减少，且任期较长的员工流失更为严重；职级分布则向低职级倾斜，高级员工流向大型竞争对手企业，可能对企业生产率、创新能力及竞争力带来负面影响。该研究为返岗政策的经济后果提供了首批分布性因果证据，对职场变革具有重要启示意义 [page::0][page::1][page::6][page::11][page::12][page::15][page::17]
本报告提出了一套面向价格感知自动做市商（AMM）的模型，涵盖了随机波动率、跳跃过程及基于Hawkes过程的微观结构价格模型，同时引入Hawkes与马尔科夫调制泊松过程描述流动性动态。报告重点分析了求解最优报价的数值方法复杂性，揭示在多种价格和流动性动态模型下，采用二次Hamiltonian近似后的偏微分方程结构，为DeFi环境中的AMM设计提供理论支持与实践指引 [page::0][page::1][page::5][page::10][page::16][page::18]。
本报告提出了一种多层蒙特卡洛（MLMC）方法的加权推广，将MLMC视为嵌套控制变量序列，推导了递归权重计算公式和最优采样分配。该加权MLMC（WMLMC）方法显著提高了当粗层级近似相关性较低时的效率，保持与传统MLMC相同的渐近复杂度，并扩展至多指标多层蒙特卡洛，多组数值实验表明WMLMC相比标准MLMC在多种金融期权定价模型下均表现出更优的计算成本和收敛效率 [page::0][page::4][page::6][page::8][page::13][page::14][page::15][page::16][page::17]
本报告提出一种基于多个协变量构建参考类的分布式销售增长预测方法，针对美国企业1950-2019年数据，通过秩基算法和主成分分析降维，实现对销售增长率的概率分布预测。结果显示，多变量秩差算法和PCA方法显著优于传统单变量方法，氛围数据需求减少38%-71%且预测更校准。实证部分比较专家预测与分布式预测，验证了方法实用性，为销售增长分布式预测提供了新的理论与实证路径 [page::0][page::2][page::5][page::26][page::32][page::37]
本报告运用多智能体仿真方法，针对澳大利亚政府债券市场这一信息不透明的双边交易场景，构建了基于异质市场做市商的代理模型。研究揭示市场参与者的多样性对交易频率和市场稳定性的关键作用，且降低交易成本与限制有助于增强市场流动性和持续性。此外，拓宽客户基础并非必然提升个体代理福祉，模型响应与实际市场成交量高度吻合，验证了“金发女孩”市场设计假说，为金融交易机制设计和监管提供新的理论及实证支持 [page::0][page::5][page::6][page::8][page::9]
本报告提出一种新颖的多矩连接网络方法，综合考虑绿色金融市场回报、波动率、偏度和峰度四个矩的连接性，系统量化了美联储货币政策冲击对绿色债券与股票市场连接性短期和长期的影响。研究发现连接性随矩阶数递减，但高阶矩对FOMC事件驱动冲击更敏感。紧缩和宽松货币政策均在前六个月提升连接性，前者效应逐渐消退，后者一年后连接性可能降低。这些结论对政策制定和绿色资产风险管理具有重要参考价值[page::0][page::2][page::3][page::15][page::19][page::23][page::27]
本报告提出了基于梯度增强稀疏Hermite多项式展开的最小二乘蒙特卡洛方法（G-LSM），用于高维美式期权定价及希腊字母估计。方法利用稀疏Hermite多项式作为续持价值函数的代理模型，并通过引入路径梯度信息优化系数估计，显著提高估值精度并保持与传统LSM相近的计算成本。理论上基于BSDE与Malliavin微积分分析该方法收敛性，数值实验表明G-LSM在高维（最多100维）中具有优于传统LSM且可匹配神经网络方法的定价和对冲表现 [page::0][page::1][page::6][page::14][page::15][page::22]。
本报告围绕2022年主要加密货币（比特币、以太坊、瑞波币、狗狗币和泰达币）的市场表现进行了深入分析，重点探讨了价格趋势、波动率、相关性及FTX破产事件的影响，揭示了加密资产的风险与回报特征。同时，提出了一套基于区块链技术的创新房地产交易协议，利用智能合约实现去中介化交易，提升透明度与效率，降低成本，促进全球房地产市场流动性，全面展示了区块链技术在传统行业的实际应用潜力[page::2][page::4][page::10][page::16][page::17][page::18]。
本报告研究了一类多项式Ornstein-Uhlenbeck (OU) 波动率模型（包括Stein-Stein、Schöbel-Zhu、一因子Bergomi及最近提出的Quintic OU模型）的Fourier-Laplace变换。首先建立了对数价格和累积方差的联合Fourier-Laplace泛函与无穷维Riccati微分方程的联系；随后证明了该方程的解的存在性（需非消失条件）并给出基于离散化的近似表达。针对难以求解的刚性无穷维Riccati方程，设计了变常数结合隐式Euler的数值解法。数值实验涵盖了SPX期权和波动率互换的定价与实证校准，展示了方法的高效性与准确性，为相关模型的实际应用和标的资产定价提供了强有力工具[page::0][page::1][page::4][page::8][page::10][page::14][page::15]
本报告针对带有提前终止权（退保选项）的可变年金（VA）设计，建立了严谨的定价公式和最优退保边界。通过将定价问题转化为一个带有时间相关且不连续终值的最优停时问题，报告提出了一种全新的非单调边界分析方法，并基于该方法获得了边界的连续性和光滑性结果。大量数值实验揭示退保罚金结构是定价波动的主要驱动力，死亡率的影响较小，同时费率水平显著影响退保策略和合约价值，为保险公司风险管理提供理论依据和定价工具 [page::0][page::1][page::2][page::8][page::9][page::10][page::11][page::25][page::33][page::34][page::35]
本报告提出一种基于持续时间-严重度分离的双变量正交多项式方法，创新性地分解风险违规的频率与严重度，建立灵活、无模型假设的ES（Expected Shortfall）联合回测框架。该方法利用持续时间间隔和违规严重度的序列，构建正交矩条件及基于瓦尔德统计量的检验，显著提升了ES和VaR背测的效能和解释力。通过模拟和实证（CAC40及标普500数据）验证，检验方法具有良好的有限样本性质和较强的错误模型识别能力。此外，方法可推广至边际ES（MES）等系统性风险测度的回测，拓宽了金融风险管理应用的范围[page::0][page::3][page::4][page::10][page::17][page::26][page::30]。
本报告提出了一种融合高度相关股票价格、深度学习模型与因子整合的新型指数收益预测方法，突破传统市值加权框架。通过层次风险平价优化，实现更优的风险分散和投资表现，显著提升行业指数构建及预测准确性。结合机器学习技术和多源因子信息，方法具有更强的稳健性及适应性，为投资机构和企业提供精准战略决策支持，助力行业指数构建与风险管理升级 [page::0][page::1][page::2][page::3][page::12][page::17][page::22]。
本报告提出一种基于深度强化学习的投资组合管理模型，通过对资产权重分配进行优化，实现较传统模型更优的风险调整后收益。模型设计了环境与智能体交互机制，利用包括价格、移动平均和资产相关性矩阵的状态表示，结合深度Q网络训练权重分配策略。回测结果显示该模型在多个加密货币及ETF组合中表现出更高的Sharpe比率，风险更低，表明深度强化学习在资产配置中的应用潜力 [page::0][page::3][page::4][page::6]。
本文提出贝叶斯预测决策合成（BPDS）框架，用于处理模型不确定性下的组合投资决策，通过结合多个候选模型的预测和决策表现，实现动态加权组合。以多币种外汇资产为例，运用时间变异向量自回归模型（TV–VAR）和松弛熵倾斜理论，设计了风险收益评分函数及结构化目标评分，显著提升了组合收益和夏普比率，优于传统贝叶斯模型平均方法，且理论解释了风险容忍度及目标评分的设置机制，展示BPDS在序贯投资决策中的应用潜力和优势 [page::0][page::1][page::4][page::9][page::14][page::21][page::22]
