On the Separability of Vector-Valued Risk Measures
本文从公理化视角定义了凸和下半连续的向量值风险度量，证明它们必然是坐标分离的，忽略了输入随机向量的依赖结构，且指出集合值风险度量可避免该局限，进一步推广至条件风险度量，表明凸向量值风险度量不适合作为资本分配规则和系统性风险评估的动态工具[page::0][page::3][page::8][page::9]。
金融研报AI分析
SHORT-MATURITY ASYMPTOTICS FOR VIX AND EUROPEAN OPTIONS IN LOCAL-STOCHASTIC VOLATILITY MODELS
本报告基于局部-随机波动率模型，利用大偏差理论推导了欧洲期权与VIX期权的短期到期渐近价格。通过构造二维变分问题表达价外期权渐近，并针对Heston型和SABR型两类关键模型给出显式解。对得出的渐近隐含波动率进行展开，提供了对模型定价与校准的重要指导，理论结果通过数值模拟验证其有效性 [page::0][page::1][page::6][page::9][page::11][page::21]
The Hybrid Forecast of S&P 500 Volatility ensembled from VIX, GARCH and LSTM models
本报告针对S&P 500指数波动率预测，研究了GARCH模型、LSTM神经网络、两者的混合模型及加入VIX指数的增强混合模型。实证分析覆盖2000年至2023年数据，结果表明混合模型，尤其是结合VIX输入的LSTM-GARCH模型，在提高波动率预测准确性方面显著优于单一模型，提升风险管理及投资决策的有效性[page::0][page::20][page::22][page::34]。
Alleviating Non-identifiability: a High-fidelity Calibration Objective for Financial Market Simulation with Multivariate Time Series Data
本报告聚焦社会仿真中普遍存在的参数非可辨识性问题，理论证明同时利用多维时间序列特征标定模型可指数级缓解该问题。针对金融市场模拟（FMS），提出基于多个不相关特征的最大化聚合校准目标函数，有效减小非可辨识集，并显著提升模拟数据的拟合度和仿真保真度。实证验证覆盖10组合成数据和1组中国深交所真实高频数据，结果显示引入多特征标定后，非可辨识性显著降低且模拟性能优于传统单特征方法[page::0][page::1][page::6][page::7][page::8][page::9].
The Negative Drift of a Limit Order Fill
本报告揭示了传统市场做市模型中对限价单成交假设的偏差，首次系统证明了限价单成交伴随的负向价格漂移现象（即负漂移），该负漂移源自限价单成交必然与对手方的不利价格变动相关联，显著拖累做市商盈亏表现。通过构建离散市场模型并利用10年期美国国债期货数据的实盘仿真验证，结果表明负漂移是市场微观结构中不可忽视的成本因素，且传统文献中过于乐观的成交率假设导致模拟策略高估盈利能力。基于理论推导及高级仿真数据，还提出了更贴近真实市场的限价单成交模拟方法，为量化策略回测提供了更为准确的基础[page::0][page::4][page::12][page::17][page::21][page::25]
Equilibrium control theory for Kihlstrom–Mirman preferences in continuous time
本报告建立了Kihlstrom–Mirman偏好下的连续时间均衡控制理论，针对非时可加效用导致的动态不一致性，提出扩展的Hamilton–Jacobi–Bellman偏微分方程系统表征均衡策略和价值函数。通过消费-投资问题示例验证，该理论可将风险与时间偏好分离，并展示了与经典递归效用模型的联系，为处理时间不一致性提供了博弈论视角的系统工具 [page::0][page::1][page::2][page::16][page::21][page::23]
On Deep Learning for computing the Dynamic Initial Margin and Margin Value Adjustment
本报告针对反方信用风险中动态初始保证金（DIM）的计算挑战，提出利用多输出神经网络从初始市场状态参数直接预测DIM轨迹的新方法。该方法以极少成本生成训练数据，突破传统嵌套蒙特卡洛昂贵计算瓶颈，在Vasicek及Hull-White利率模型下对单一掉期及组合资产组合进行测试，结果显示优秀收敛性和稳健性，有效提升DIM及MVA计算效率并具有较强的实用价值 [page::0][page::1][page::8][page::13][page::16].
Stock-driven Household Attention
本报告研究了股票持有如何显著提升家庭对宏观经济的关注度，具体表现为股票持有者在通胀预期与回顾的准确性更高，分歧更小，并且对经济新闻反应更灵敏。通过频率效应和风险对冲机制解释了这一注意力提升，此外股票持有者对货币政策的响应更为显著，暗示货币政策的分配效应通过家庭资产配置得以放大 [page::0][page::1][page::2][page::4][page::14][page::16][page::18][page::19].
Reinforcement Learning Pair Trading: A Dynamic Scaling Approach
本报告探讨了将强化学习（RL）应用于加密货币对冲交易，结合传统的统计套利方法实现动态投资比例调整。针对BTC-EUR和BTC-GBP的高频市场数据构建RL环境，通过调整奖励函数和观测空间，RL方法在利润率、风险控制及交易频次等方面显著优于传统静态规则方法。实验显示基于RL的动态规模对冲策略年化收益率最高达31.53%，表现优于传统的8.33% [page::0][page::1][page::4][page::7][page::9][page::12][page::14][page::15]
Analyzing selected cryptocurrencies spillover effects on global financial indices: Comparing risk measures using conventional and 𝑒GARCH-EVT-Copula approaches
本研究构建基于eGARCH与极值理论(EVT)及Copula函数的混合模型，深入分析比特币、莱特币与全球金融指数（MSCI 世界与新兴市场）之间的风险溢出效应与依赖结构。通过比较VaR、ES与RVaR三种风险度量指标，发现eGARCH-EVT-Copula模型在VaR估计上优于传统方法，HS方法更适合ES，而t分布参数方法更适合RVaR。同时，研究指出加密货币内部存在显著溢出，但对其他资产影响有限，表明其有分散风险功能但非完善的避险工具。此外，RVaR在法律稳健性和模型误设方面优于ES，对于监管套利风险更低，具备重要政策启示意义[page::0][page::1][page::2][page::25][page::26][page::27]
Willingness to Pay for an Electricity Connection: A Choice Experiment Among Rural Households and Enterprises in Nigeria
本报告基于尼日利亚三大地缘政治区3599户家庭及1122家中小企业开展的选择实验，系统分析了农村及城郊地区对电力连接服务的偏好与边际支付意愿(mWTP)。研究发现家庭更重视夜间用电且偏好太阳能及电网供电，企业则更青睐白天电力及高容量电力。此类差异为制定分时电力供应策略及多元化电力解决方案提供了关键市场洞察，且强调了性别和社会经济因素在支付意愿中的重要影响 [page::1][page::14][page::25].
Calibrating the Heston model with deep differential networks
本报告提出了一种基于梯度的深度差分神经网络（DDN）框架，用于校准Heston选项定价模型。该网络不仅学习定价公式，还学习参数的偏导数，避免了传统 Fourier 计算梯度的数值不稳定问题。实证结果表明，DDN在多个股票市场中显著优于非差分神经网络，且相较于无梯度信息的全局优化器，计算速度大幅提升，适合高效风险管理和快速校准[page::0][page::2][page::6][page::14][page::15]
Large-scale Time-Varying Portfolio Optimisation using Graph Attention Networks
本报告提出并实证检验了基于图注意力网络（GAT）的全新大规模时变投资组合优化方法，利用30年中型市值公司数据，构建基于距离相关系数和三角最大过滤图（TMFG）的图结构，直接以夏普比率为损失函数进行端到端训练，实现了风险调整收益的最大化。实证表明，GAT优化组合在风险调整后的收益率方面显著优于均值方差模型、网络指标模型和平等权重组合，且在不同市场环境中表现稳健，投资组合权重分布合理，交易成本较低 [page::0][page::9][page::24-31].
The increasing share of low-value transactions in international trade
本报告基于西班牙国际贸易数据，揭示了低价值交易在国际贸易总交易量中占比大幅上升的现象：1997年至2023年，低价值交易占出口交易量的比例从9%升至61%，进口则从14%升至54%。两大驱动因素为：服装企业快速时尚战略导致的频繁低价值出口交易及在线零售平台推动的低价值进口交易激增。尽管低价值交易数量显著增加，其贸易价值占比仍较低，但其快速增长引发了贸易政策调整和环境、数据保护方面的新挑战 [page::0][page::1][page::2][page::3][page::4][page::15][page::16]
Industry Dynamics with Cartels: The Case of the Container Shipping Industry
本报告基于全球集装箱航运市场“运输联盟”这一显式卡特尔的案例，构建结构模型量化了卡特尔对价格、企业进入退出及造船投资的影响。研究发现，卡特尔显著推高了航运价格20-50%，增强了企业进入与投资意愿。反事实模拟显示，卡特尔提高了生产者剩余，略微降低消费者剩余，从而可能整体提升社会福利，验证了新兴产业早期价格和数量管控政策的合理性和积极作用。不同内部分配规则中，基于吨位份额的实际规则最优，有助于最大化社会福利。[page::0][page::2][page::3][page::6][page::7][page::8][page::14][page::33][page::40][page::43][page::45]
Weak convergence implies convergence in mean within GGC
本报告证明了在广义伽玛卷积（GGC）类分布内，弱收敛必然蕴含均值收敛。基于此结论，论证了当收益向量服从超曲线分布时，指数效用优化的最优组合具有参数稳健性。研究涵盖了GGC类分布的Laplace变换性质、收敛距离以及最优投资组合解的连续性，为金融资产配置模型的稳定性提供理论支持 [page::0][page::1][page::4][page::15][page::17][page::18]。
Explainable AI in Request-for-Quote
本报告建立了针对抵押贷款前市场中流动性较差资产TBA债券的请求报价（RFQ）成交率预测模型，采用包括Logistic回归、随机森林、XGBoost及Bayesian Neural Tree在内的多种可解释AI模型。通过模拟生成RFQ数据，进行特征工程及模型训练，最终构建了集成模型提升预测准确性，并利用市场制造商效用函数优化报价，提升了RFQ价格发现效率，促进抵押贷款融资市场透明与风险管理 [page::0][page::1][page::6][page::7]
Temptation: Immediacy and certainty
本报告通过设计创新实验测试了风险对准即时偏好（present bias）的影响。实验证明，当后果既立即又确定时，参与者表现出更强烈的现时偏好，表现为在任务分配中显著倾向于减少当日工作量。这一发现揭示风险因素在调节现时偏好中的关键作用，具有广泛的经济决策启示，包括劳动合同设计和消费定价策略。此外，报告提出了实验经济学中改进激励机制以准确测量现时偏好的方法论建议[page::0][page::2][page::18][page::20][page::21][page::22]。
National accounting from the bottom up using large-scale financial transactions data: An application to input-output tables
本报告基于英国大型企业间支付系统的匿名汇总数据，构建了从2015年8月至2023年12月的行业间资金流月度时间序列，创新性地揭示了支付数据与GDP、输入输出表（IOTs）及产业网络的关系。结果显示支付交易值与名义经济指标高度相关，频次数据反映真实经济动态，底层微观网络数据符合已有经济网络的典型特征。报告同时详细讨论了支付数据与国家账户的概念差异及其对分析的影响，为利用非标准、大数据支撑国家经济统计与研究开辟新途径[page::0][page::2][page::4][page::10][page::15][page::25][page::27][page::28]。
Is the Difference between Deep Hedging and Delta Hedging a Statistical Arbitrage?
本报告基于GARCH市场模型，实证分析了深度对冲（Deep Hedging）与Delta对冲策略差异是否构成统计套利。实验证明，当采用的风险度量不足以有效惩罚损失，深度对冲策略差异展现为统计套利，存在强烈的投机成分；而当选用合适的风险度量（如高置信水平的CVaR）时，差异策略不表现为统计套利，避免了非对冲类的投机行为，支持深度对冲在合理风险度量下实现稳健对冲目标[page::0][page::6][page::7][page::8][page::11]
