本报告提出利用量子计算理论和算法解决动态非线性资产定价模型，展示了量子算法通过叠加和纠缠态有潜力实现指数级计算加速。量子态形式的均衡资产定价解结合统计决策理论引入了量子歧义的概念，区分了传统的经典歧义与量子引入的新型歧义，赋能模型选择与不确定性处理，为未来量子加速的金融计量分析提供理论框架和实证示范 [page::0][page::1][page::10][page::16][page::26][page::31][page::35]。
本报告系统阐述了金融微分机器学习算法的数学原理，突破性地建立了基于风险中性定价理论和广义函数理论的统一框架，有效解决了衍生品定价与对冲中的微分标签偏差问题。通过对比最小二乘蒙特卡罗法与微分机器学习法，结合多层神经网络参数基底的理论优势与实证回测，展示了微分神经网络在欧式期权价格预测和delta对冲方面的优越性能，显著降低了对冲误差，体现了算法在实务中的应用潜力与前沿价值[page::1][page::3][page::8][page::18][page::19].
本报告利用2022年日本金融素养调查数据，运用快速因果推断（FCI）模型，探究金融素养是否对投资参与和退休规划产生因果影响。结果显示，提升金融素养未必直接促进投资或退休规划，提示政策需关注激发居民信心与调整相关行为。[page::0][page::13][page::21]
本报告基于2018-2019年扩展后的HMDA数据，深入分析了美国不同种族和族裔群体在住房贷款申请中的拒绝率和利率定价差异。研究发现，尽管控制了借款人信用评分、收入负债比和贷款价值比后，这些差异有所减小，但仍具有经济学意义，表明贷款评分指标和系统性障碍共同导致了住房信贷获取的不平等。此外，敏感性分析显示，遗漏变量难以完全解释贷款拒绝差异，暗示其他结构性因素存在[page::0][page::7][page::15][page::18][page::22]。
本报告提出了一种基于张量列车（Tensor Train, TT）学习的傅里叶变换（FT）期权定价新方法，能够在包含参数依赖情况下高效逼近多资产期权定价函数，实现快速响应参数变化的定价。通过对波动率与初始资产价格变化的数值实验，证实该方法在多达11个资产的场景下，计算复杂度远优于百万路径蒙特卡洛方法，同时保持了较高的定价准确度，为多资产期权快速定价提供了切实可行的技术路径 [page::0][page::1][page::5][page::6][page::8].
本报告基于1999年至2021年初级市场CAT债券交易数据，采用XGBoost机器学习模型结合刚性置信区间（Conformal Prediction）方法，揭示了CAT债券价格与其预期损失、首次损失概率、发行规模及再保险市场指标之间复杂的非线性关系和交互效应。相比传统线性回归，机器学习模型不仅提高了价格预测精度，还生成了更精炼且覆盖率稳定的预测区间，助力投资者和发行人更准确地评估风险和定价策略 [page::0][page::3][page::8][page::22][page::34][page::35]。
本文系统探讨了利用Euler公式进行资本分配的方法，聚焦于风险度量中的VaR与ES，指出VaR在资本分配中不具备单调性这一重要缺陷，并强调应使用与组合风险评估相同的风险度量进行资本分配。同时提出通过模拟技术估计资产承诺期内的风险调整资本回报率，并创新性地利用马尔可夫链蒙特卡洛方法提高资本分配的计算效率[page::0][page::3][page::5][page::7][page::9][page::10]。
本文针对信用评级迁移模型参数校准问题，分别提出了适用于高违约组合的基于拉普拉斯近似和卡尔曼滤波的快速极大似然估计算法，以及适用于低违约组合的基于粒子滤波和高斯过程回归的校准方法。两种方法均能高效且准确地逼近似然函数，数值实验验证了其有效性，解决了传统方法中因数据特点导致的估计偏差和计算复杂度问题 [page::0][page::3][page::4][page::11][page::14][page::27][page::34]
本研究提出了一种基于多模态时间序列数据的双重注意力机制（DAM），结合区块链核心指标与来自新闻和社交媒体的情感数据，利用CryptoBERT进行情感分析，有效捕获金融市场与情绪的交互作用。实验显示，该方法在比特币价格预测中较传统LSTM和Transformer模型精度提升20%，且通过Ablation分析验证了模型融合内模态及跨模态信息的显著优势，丰富了多领域交叉的加密货币趋势预测方法，具备提升DeSci项目战略规划和风险管理的潜力 [page::0][page::1][page::3][page::4][page::5][page::6]
本文研究了带有随机强度（服从CIR过程）的跳跃扩散模型中金融衍生品的定价及其Delta希腊字母的计算。利用Malliavin微积分，通过构造合适的Malliavin权重，推导了Delta的显式表达式。本文证明了Euler离散化方法的收敛性，并通过数值实验验证了方法的有效性，展示了该方法在包含跳跃和随机强度动态的市场中风险管理和对冲策略中的潜力 [page::0][page::2][page::12][page::31]。
报告针对金融损失的期望短缺（Expected Shortfall, ES）风险估计问题，提出了一种新颖的非参数估计器，优于传统的plug-in估计器。该估计器在有限样本下实现了由中心极限定理给出的最优统计性质，且具备对数据中小比例恶意扰动的对抗鲁棒性。数值实验证明新估计器在重尾分布下表现显著优越，且避免了传统估计器极端失效的情况 [page::0][page::1][page::3][page::5][page::6][page::8][page::9][page::12][page::15][page::20]。
本报告基于澳大利亚新南威尔士和澳大利亚首都领地2009-2017年数据，采用双重机器学习方法，构建成功ART妊娠与失败ART后自然妊娠对照组，系统评估ART对早产、出生体重、APGAR评分和剖宫产率等产科结局的因果影响。结果显示，ART本身并不增加早产及其它不良结局风险，反而轻微降低剖宫产率和诱导分娩比例，提示ART治疗并非独立风险因素，对患者和临床具有重要的安慰作用 [page::2][page::6][page::30]。
本报告通过建立网络博弈模型，基于美国顶尖经济学教授的Google Scholar数据，系统研究COVID-19疫情前后学者的合作网络与学术产出间的同伴效应。研究发现，疫情前同伴效应显著推动了学者发表数量，但疫情期间该效应弱化，反映出远程工作下合作模式与以往不同。性别、种族及学科领域的差异也被揭示，疫情促进了健康经济领域的学术活动，体现合作结构调整对知识生产的深刻影响，为政策促进学术协作与提高生产力提供了理论与实证依据 [page::0][page::3][page::5][page::7]。
本报告通过对一个全球在线社交网络的11,992名活跃用户行为数据的分析，利用双变量Logit模型深入探讨了地理距离对用户连接形成的影响。研究发现，尽管互联网降低了空间障碍，地理邻近性仍显著影响用户互相关注的概率，且该影响因国家而异。在强社会关系（相互关注）中，距离的影响较弱；强弱关系间的空间依赖性表现出不同衰减模式。此外，用户更可能与物理上可见面的人建立连接，高度的空间依赖主要集中在可实际相遇距离范围内。用户国籍、文化和语言等因素同样影响连接形成。研究结果为理解在线社交网络中空间因素的重要性及差异提供了实证支持，有助于优化基于地理位置的推荐算法 [page::0][page::1][page::2][page::6][page::8][page::9][page::10]。
本文提出了一种纯对偶算法，通过严格凸化技术和蒙特卡洛法的最小二乘回溯，直接计算Bermudan期权的对冲投资组合及其初始价值。该算法不仅给出上界价格，还能评估不同对冲工具的有效性及再平衡频率的影响，实证结果验证了在包括欧洲期权和调整频率方面的对冲改进效果，为实际操作提供了新工具和策略选择参考 [page::0][page::1][page::4][page::15][page::17][page::19][page::21][page::25]
本报告介绍如何将传统的时间序列计量经济学方法应用于自然语言处理中的主题建模时间序列分析，重点探讨非平稳性和结构性断裂问题，辅以R语言代码实现，并通过谷歌趋势数据探讨“topic modeling”搜索量的时间演变，验证了非平稳性和结构断裂检测方法的实用性，为社会科学领域文本时序数据分析提供量化工具指导 [page::0][page::3][page::8][page::11][page::18]
本报告针对独立同分布（iid）无限均值、极端重尾的Pareto随机变量资产组合，建立了基于majorization序的组合一阶随机支配关系，首次证明了更多分散化的组合在强随机支配意义下更优，且此分散化收益与风险偏好无关。研究进而推广到触发事件模型、具有Pareto尾部的随机变量、有界Pareto及正相关Pareto，揭示无限均值环境下分散化普遍提升投资者利润，指导资源配置与投资策略制定 [page::0][page::1][page::2][page::3][page::4][page::7][page::8][page::9][page::10][page::11][page::12][page::14][page::15][page::16][page::17][page::18][page::19][page::20][page::21][page::22].
本报告聚焦于人类创作者在其作品被用于人工智能（AI）训练数据后所产生的战略性行为变化。通过对比被纳入公开AI训练集（LITE数据集）与未被纳入的Unsplash平台贡献者，发现被处理的创作者更可能退出平台，并显著降低新作品上传频率。专业及成功摄影师的反应更强烈，同时上传作品的多样性和新颖性下降，导致训练数据集的质量与数量均受负面影响。这揭示了版权持有者利益与AI技术创新之间的重要权衡，为版权及AI政策制定提供了重要实证依据 [page::0][page::2][page::15][page::26][page::27]。
本报告研究了一个由大规模高频交易员(HFTs)和一个离散时间点执行大额资产交易的大交易员(LT)组成的市场博弈。HFT通过预测LT的交易并连续交易，实现了对LT的预期交易行为。本文采用跳跃过程描述HFT多样化的库存厌恶程度及其动态转移，利用均场博弈方法求得部分及整体纳什均衡。结果显示，库存厌恶的HFT通过反向交易为市场提供流动性，减少了LT的交易成本，且当市场暂时性冲击较大时，LT能显著获益。此外，整体纳什均衡中，库存运行厌恶使LT策略趋近均匀交易，反映HFT的流动消耗与供给行为平滑了LT的交易路径 [page::0][page::1][page::5][page::17][page::12].
本报告提出系统性风险度量的统一第二阶渐近理论，区分了基于VaR与期权损失(expectile)的两大家族风险度量，创新引入个体条件期权损失(ICE)和系统性ICE(SICE)作为MES和SES的期权替代品。基于多维Sarmanov分布及二阶正则变差框架，理论推导和数值实验均验证了第二阶渐近估计的优越性，揭示期权基度量在极端值评估中提供更高风险估计，展示了其在组合多样化收益估计中的保守且准确的优势[page::0][page::2][page::3][page::4][page::15][page::29]
