本文构建一个封闭的宏观经济代理模型，结合异质家庭与适应性企业，重点纳入失业救济金政策对就业质量、工作稳定性及工龄的影响。模型创新性地引入个体价值观、社会规范及社交网络，对不同失业救济金水平和期限的多场景模拟表明：延长失业救济期限并不必然提升岗位匹配质量，反而可能削弱通过社交网络的有效求职，凸显社交关系在劳动力市场动态中的关键作用 [page::0][page::2][page::8][page::14]
本报告研究了非马尔可夫不完备市场中采用Epstein-Zin型递归效用的最优消费-投资问题。文章通过构造带有特定指数矩的二次型BSDE，推导出最优策略并验证了相关局部鞅为真鞅的性质，进而保证了策略的可采纳性，同时给出了对应的对偶问题及其无双重性，最后以Heston、线性扩散及CIR模型作为实例加以说明[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][page::15][page::16][page::17][page::18][page::19][page::20][page::21][page::22].
本报告针对多目标组合优化中的不确定性问题，提出了基于基准组合的多目标最小后悔鲁棒优化框架。通过引入多种基准选取方法并应用于包含危机、正常和增长三种市场情境的实际资产数据，研究展示了该方法对提升组合风险管理的有效性及其在不同市场行情下的适应性，为多目标鲁棒投资策略提供了理论与实践结合的支持 [page::0][page::1][page::2][page::3][page::4]。
本报告提出基于最大均值差异（MMD）与签名核的生成模型，通过利用签名变换捕捉金融时间序列的复杂依赖与时序结构，结合移动平均模型生成结构化噪声，有效重现波动聚集等金融序列表征。模型在标普500指数数据实验中优于GAN类方法，且生成的合成数据成功用于训练强化学习投资组合管理代理，并创新提出通过调整噪声输入增强模型对不同市场环境的鲁棒性的方法。[page::0][page::5][page::12][page::22][page::24]
本报告提出结合经济复杂性指数（PCI和ECI）来度量城市中央地位的新指标，基于首尔小微企业地理位置大数据，验证该指标捕捉了中央地理论关于产品和地点中心性的递归关系，揭示高PCI产品对应更广阔的市场边界，高ECI区域体现了城市的经济中心功能及生产力特征，为城市规划与区域经济策略提供现代工具且避免隐私问题 [page::0][page::2][page::6][page::8][page::11]
本报告提出了一种基于神经网络的深度delta对冲框架，通过学习对冲函数与隐含Black-Scholes delta之间的残差函数，显著提升对冲效果。利用标普500指数期权十年数据，结果显示残差学习比直接学习对冲函数的增益率高出100%以上，且增加输入特征对看跌期权提升更明显。此外，残差学习仅用三年数据即可达到十年直接学习的效果，体现出数据需求更低且性能更优的优势 [page::0][page::2][page::12][page::16][page::17]。
本文研究包含随机工资的最优退休问题，在资产市场不完整的框架下，将消费-投资-休闲策略和退休时机的选择转化为自由边界问题，采用对偶方法推导相关偏微分方程，揭示了劳动收入风险和市场不完备性对最优退休边界及策略的影响，拓展了完备市场模型，为寿命消费投资决策提供理论框架 [page::0][page::7][page::8][page::9]。
本报告提出StockAgent，一种基于大型语言模型(LLM)的多智能体股票交易仿真系统，能够模拟投资者在现实市场环境下的交易行为及对宏观经济、政策变动等外部因素的响应，避免历史数据泄漏问题。通过对GPT与Gemini两种LLM驱动下的交易行为差异分析，揭示了不同模型对市场态度及交易策略的显著影响。系统还支持多轮实盘交易仿真，验证了外部经济事件对交易行为和价格波动的作用，为基于LLM的投资建议和量化策略研究提供了重要工具与洞见 [page::0][page::5][page::12][page::15][page::18][page::19][page::20]
本报告系统性研究了在蒙特卡洛估计存在偏差的样本平均逼近(SAA)框架下，多层蒙特卡洛(MLMC)方法的收敛性与计算复杂度。通过克拉美大偏差理论，实现了SAA和MLMC-SAA的统一收敛分析，量化了收敛率和样本复杂度，并采用经验过程理论进行了均方根误差(RMSE)分析，突破了有限矩条件依赖。数值实验以条件风险值(CVaR)估计为例，验证了MLMC的显著计算优势，体现了MLMC-SAA在金融风险管理和嵌套期望优化中的有效应用 [page::0][page::2][page::3][page::4][page::17][page::19][page::21]
本报告评估了41种机器学习模型（21分类器和20回归器）在比特币算法交易中的表现，结合多种技术指标与滚动窗口方法，通过回测、前瞻测试及实盘交易验证其准确性和稳定性。研究表明随机森林和随机梯度下降模型在利润和风险控制上表现优异，提供了加密货币交易领域机器学习模型选择与应用的系统性指导 [page::0][page::2][page::6][page::8][page::9][page::10]。
本报告提出通过微调大型语言模型(LLMs)实现基于金融新闻流的股票收益预测，设计了集成文本表示与预测模块的模型框架。通过对比编码器和解码器结构的LLMs（DeBERTa、Mistral、Llama）及其表示融合方式（瓶颈与聚合），实验证明聚合表示普遍提升组合表现，并发现解码器模型在大规模投资组合下表现更优；基于LLMs的预测信号超越传统情绪指标，有效指导股票选取和投资组合构建 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8]
本报告提出了名为DL-opt的深度学习框架，通过结合嵌套不动点算法、自动隐式微分和最优响应动态，成功解决高维量化一般均衡贸易模型中的最优关税和产业补贴政策问题。基于7个经济体和44个行业数据的实证分析显示，不同产业的纳什均衡政策存在显著异质性，产业补贴与规模弹性正相关，而关税与贸易弹性负相关。通过对比全球贸易战与双重政策竞争，发现后者导致更低的关税及更高的福利水平。此外，全球合作政策中的关税趋近零，产业补贴显著与规模弹性相关，显著提升大多数经济体福祉，彰显考虑产业异质性和组合政策的必要性 [page::0][page::4][page::18][page::22][page::24][page::26]
本文研究了大型语言模型（LLMs）在企业信用评级预测中的表现，发现尽管LLMs在文本编码上具备优势，但传统的XGBoost模型结合基础面及宏观经济数据与高密度文本嵌入特征，在数字和多模态数据编码上表现更优，且具有更强的可解释性和稳定性，凸显了在金融多模态预测任务中传统方法的重要性和竞争力 [page::0][page::1][page::5][page::6][page::7]。
本报告针对交易价格存在序列相关性的情况，提出四类基于价格增量方差的买卖价差估计器，涵盖标准无自相关模型、分数布朗运动价格增量自相关模型、均值回复的Ornstein-Uhlenbeck微观结构噪声模型及二者结合模型，深入分析各估计器的无偏性、一致性和渐近正态性等统计性质。通过模拟与真实法国CAC 40指数数据对多个估计器进行比较，验证了新估计器对不同序列相关结构下的估计准确性优于传统方法，尤其是在低流动性的中小市值股票上[page::0][page::1][page::2][page::3][page::4][page::5][page::7][page::8][page::9][page::11][page::12][page::13][page::16][page::18][page::21][page::22][page::23]
本报告研究了在外部竞争影响下的做市商流动性提供问题，构建了一个考虑竞手库存的线性-二次最优控制模型，推导出近似闭式最优策略，并通过数值仿真和强化学习算法对比验证其有效性，揭示了做市商在管理自身库存风险与应对竞手未成交订单之间的权衡关系 [page::0][page::1][page::8][page::10].
本报告基于中国微小企业调查（CMES）数据和北大数字普惠金融指数（PKU-DFIIC），实证分析了金融科技（fintech）对微小企业（MSEs）创新的促进作用。结果显示，金融科技的发展提升了微小企业参与研发的概率及创新投入与产出，机制在于金融科技削减融资约束、促进长期战略激励及人力资本投资。此外，金融科技对经济发达地区、新成立不久及资产与员工规模较小的企业创新影响更显著。该研究为政策制定提供了实证支持，助力释放微小企业创新活力，促进经济高质量发展。[page::0][page::1][page::2][page::4][page::9][page::12][page::13][page::16]
本报告提出了基于Alfonsi和Bally方法的任意阶弱近似方案，用于Log-Heston模型，结合Ninomiya-Victoir方案或精确波动率采样方案，实现任意收敛阶数。全面证明了理论收敛阶，且通过数值实验验证，包括多因子与粗糙Heston模型，且适用范围涵盖Bates双Heston等拓展模型，显著提升金融资产波动率仿真的效率与准确度[page::0][page::1][page::2][page::4][page::6][page::14][page::24].
本报告系统分析了人工智能（AI）对金融危机的影响，指出AI可能加剧金融系统的系统性风险，导致危机速度加快且更为剧烈。文章归纳了AI引发金融脆弱性的四大渠道：误导信息、恶意使用、目标错配及寡头市场结构，并建议监管机构通过自建AI系统、AI间API接口、公私合作及自动化触发的支持设施等政策响应，增强对AI驱动危机的防范和应对能力[page::0][page::2][page::8][page::14][page::20][page::21]。
本报告介绍了离散选择模型（DCMs）中数据模拟的重要性，提出了一款基于R语言的仿真工具SDCM，用于生成模拟数据以评估DCMs性能。通过结合随机效用模型、实验设计和仿真技术，工具支持多样化的设计与参数设定，以辅助优化实验规划和模型选择。报告还讨论了仿真的局限及未来集成随机遗憾最小化模型的方向，为消费者行为分析和政策制定提供了重要方法学支持[page::1][page::5][page::7]。
本论文系统研究自动化做市商(AMMs)特别是定常乘积做市商(CPMMs)与集中流动性(CL)特性，提出了流动性提供者(LP)和流动性需求者(LT)的最优交易模型与策略，基于Uniswap v3和Binance等市场数据验证模型与策略优越性，揭示了价格机制、市场冲击、费用收益及集中风险间的权衡，为DeFi市场中的交易和流动性管理提供了理论基础和实践参考 [page::2][page::10][page::18][page::45][page::63][page::86]
