本报告研究技术多样化与市场集中度对价格的影响，提出并实证支持在拥有多样化生产技术的可再生能源市场中，价格与集中度之间存在U型关系。通过对哥伦比亚电力市场的实证分析及结构模型估计，发现适度将高成本产能转移至最大成熟企业能激励更激烈竞争、降低价格，而过度集中则抑制竞争、提升价格，揭示产能分布和技术效率对市场力量的复杂影响[page::0][page::1][page::14][page::36][page::33]
本报告提出了一个基于凸风险度量下变分偏好理论的最优对冲优化框架，深入研究了风险度量与效用函数的组合的对偶表示及其性质，明确了最优性条件和无差异定价方法。通过多个具体例子，包括基于正态分布的对冲策略、期望短缺风险度量及指数效用函数，展示了理论应用与数值实现路径，为金融资产对冲提供了坚实的数理基础与优化方法 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11]。
本报告构建基于资产负债表的银行奔跑风险模型，重点分析持有至到期（HtM）资产会计方式对银行流动性风险和抗风险能力的影响，灵感来源于2023年硅谷银行（SVB）倒闭事件。通过对SVB及其他美国银行的历史数据校准，研究发现银行高度依赖HtM资产可能掩盖未实现的证券组合亏损，造成潜在资本缓冲不足，增大存款人预期发生银行挤兑的风险，并加剧资产抛售的价格冲击。模型还设计了资产分类的最优策略优化问题，量化银行合理的HtM资产持有量与风险容忍度的关系。基于该模型，报告对SVB运行风险积累进行了量化分析和政策干预模拟，揭示了HtM会计规则对银行稳定的重要性及监管意义 [page::0][page::1][page::2][page::4][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][page::23]
报告提出了一种基于重排算法的局部波动率模型校准方法，通过构造符合市场隐含联合分布的样本集合，实现对多资产篮子期权的高效定价。该方法利用copula模型描述资产间复杂依赖关系，解决传统相关局部波动率模型无法匹配指数微笑/偏斜的问题。通过引入迭代排序混合算法，报告在DJIA市场数据上实现秒级校准，准确捕捉了指数期权的波动率偏斜，提高了篮子期权的定价一致性和计算效率[page::0][page::2][page::4][page::22][page::20][page::14][page::15][page::17][page::19]
本报告研究了投资者在存在模型不确定性及投资和消费约束条件下的连续时间投资-消费优化问题。通过随机Hamilton-Jacobi-Bellman-Isaacs方程及二次型后向随机微分方程（BSDE）构建解决方案，揭示了不确定性厌恶、投资和消费约束对最优策略及效用损失的显著影响。实证和确定性分析明确短售限制降低效用损失，而消费约束影响依赖于风险厌恶水平，为投资组合管理提供坚实理论依据 [page::0][page::2][page::4][page::19][page::23][page::28]
本报告系统梳理了Bancor和Uniswap等三大集中流动性曲线的数学模型，结合代数和几何方法推导其不变量及其变体，深入探讨了流动性放大机制及其对应的虚拟曲线和真实曲线，实现了包括Uniswap v3和Carbon DeFi在内多种参数化形式的严格等价性验证，并首次对其超曲线三角函数性质进行展开，为去中心化交易基础设施理论框架提供权威详实的解析视角 [page::0][page::3][page::8][page::27][page::67][page::81][page::84]
本报告利用私募股权（PE）交易数据，通过逻辑回归模型预测公共市场季度收益，验证了PE投资携带关于公共股票未来表现的预测信号。模型以私募基金首次投资数量、投资者资产规模及质量等为输入，成功预测整体市场及19个细分行业的未来收益走势，最高行业准确率达71%。实证结果支持信息不对称和理性预期理论，体现PE市场信息对公共市场行情的领先指示作用，为投资决策提供了重要量化工具 [page::0][page::5][page::6][page::14][page::15][page::16][page::17][page::18]。
本报告提出MOT算法，通过多演员分离表示学习结合最优传输（OT）算法，有效捕捉不同市场模式下的交易策略。引入预训练模块以衔接专家策略与强化学习，显著提升收益和风险控制能力。实证验证显示MOT在真实期货市场数据上实现了优越的收益风险平衡，三个模块均贡献明显。 [page::0][page::1][page::3][page::5][page::6][page::8][page::10]
本研究基于Kaggle的欧洲主要城市Airbnb数据，应用多元线性回归、多项式回归及随机森林等机器学习方法，系统探讨了影响Airbnb价格的关键因素。结果显示，地理位置、房型、主机响应率及旅游吸引指数对价格影响显著，随机森林模型在预测准确性和解释力上优于传统回归模型，为定价策略优化与旅游市场研究提供了有力支持 [page::0][page::1][page::4][page::5][page::6]
本报告研究具备损失厌恶特征的乘法习惯形成偏好下的最优消费和投资策略。通过对非凸S型效用函数取凹包，构造并求解相关非线性自由边界问题的HJB方程，获得反馈形式的最优控制。模型突破传统乘法习惯形成效用仅限幂效用的限制，支持广泛效用函数类别。数值分析揭示财富-习惯比率阈值特性与节约行为，及损失厌恶和习惯持续性对投资消费策略的显著影响[page::0][page::3][page::6][page::9][page::11][page::13][page::18].
本文研究了单记可转移投票（STV）中“参与悖论”的现象，即增加非支持者或支持者的投票数可能使某候选人从落败变为胜出或反之。报告涵盖了STV的机制，给出了理论最坏情况分析，并结合苏格兰地方选举的真实数据展示99个相关悖论案例，揭示STV在多种情形下表现出的非直觉和不稳定性 [page::0][page::3][page::9][page::15][page::17].
本文提出利用开放量子系统框架，通过Von-Neumann熵度量金融市场信息熵变化，探索市场价格随机演化的非经典动力学模型。文章证明量子概率模型能区分相同概率分布但信息含量不同的市场状态，并通过Lindblad主方程构建Markovian和非Markovian的市场状态演化，演示经典扩散和非高斯扩散过程，数值验证信息熵对分布演化及峰态系数的显著影响，为金融随机过程建模提供了一种更灵活的量化方法[page::0][page::25][page::26][page::27]
本报告基于Fanelli和Marsi[2022]的方法，识别欧洲央行的三种货币政策冲击（纯货币政策冲击、信息冲击及反碎片化利差冲击），采用局部投影法估计其对非ERM II欧盟国家（匈牙利、波兰、捷克、罗马尼亚、瑞典）经济变量的线性及非线性脉冲响应函数。结果显示，ECB政策的国际溢出效应存在显著的符号非线性，特别是在长期利率、失业率以及实际汇率、消费者价格指数和工业生产上的表现，反映了零利率下限环境对政策传导机制的深远影响；而规模非线性效应较弱，体现了政策反应的大小效应较为有限。本研究为理解欧洲中央银行货币政策跨境影响结构提供了细致的非线性分析视角 [page::0][page::1][page::10][page::20]。
本报告提出基于条件变分自编码器（CVAE）的非线性时序预测模型，利用股票重平衡日等先进信息提升欧洲50支股票日交易量的长期与短期预测精度。实证结果显示，CVAE模型相比传统线性模型（ARMA、VAR）在均方误差和交叉相关拟合上表现优越，且能生成情景分析帮助特征解释和决策支持。文中还探讨了非平稳时序的相关性估计及未来拓展方向 [page::0][page::1][page::3][page::4][page::5][page::6][page::7]
本报告提出了一种非参数、稳健且与无套利动态一致的债券价格协方差分析方法。通过差分收益的实现协方差估计，我们能够在无限维的无套利期限结构模型中识别统计显著因子的数量。实证结果表明，债券市场需要较高维度的因子来描述期限结构的演变，同时波动率期限结构具有时间变化的形状特征。报告还建立了估计的收敛性证明和中心极限定理，并结合蒙特卡洛仿真验证了方法在稀疏及噪声数据中的有效性 [page::0][page::1][page::2][page::13][page::15][page::18].
本报告将物理学中的分数阶导数方法与金融学中的分数布朗运动模型相结合，提出了含记忆效应的分数阶Langevin金融模型。通过蒙特卡罗数值仿真，验证了模型再现了流动性与波动率的基本关系，并发现小的分数阶导数阶数对应与边缘玻璃态类似的阶段行为，而较大阶数则导致波动率的振荡，揭示金融市场记忆机制对市场动态的深远影响 [page::1][page::6][page::14][page::27][page::29][page::32][page::34]
本研究基于随机波动率模型（SV）对俄罗斯电力现货市场日度电价进行预测，重点开发了包含外生回归变量（气温、工作日和自回归成分）的SV X模型。通过贝叶斯推断和Stan平台建模，SV X模型在多时段、多价格区间下表现出优异拟合和稳健的预测能力，在交叉验证和未来一周预测中均显著优于基础SV模型，适用于电力交易风险对冲与衍生品定价 [page::1][page::13][page::27][page::38][page::44]。
本报告基于2015-2017年超过2万名外汇零售交易者数据，研究投资者行为聚类的时间分布特征，发现交易者聚类符合Ewens采样分布。通过结合统计验证网络（SVN）与层次聚类，显著提升了专家建议下的在线预测算法（聚合算法AA）的投资策略表现，有效降低了专家数量过多带来的噪声和预测困难，最终提高投资组合的收益表现和风险控制能力 [page::0][page::1][page::5][page::7][page::13][page::14]。
本报告提出基于层次狄利克雷过程的层次泊松过程模型，联合建模多只股票多天的交易量曲线，实现金融交易量曲线的非参数贝叶斯建模。采用MCMC采样结合切片采样高效推断模型，兼顾平滑性与多层聚类结构，适用于不同流动性股票交易数据，展示了该方法在苹果、iRobot和Papa John’s Pizza等股票上的表现，有效捕获日内交易时间强度与成交量分布的异质性和共享结构 [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]
本报告针对金融机构客户行为预测问题，基于半合成模拟数据构建两种模型——传统LSTM模型与结合状态空间图嵌入的GNN+LSTM模型。该方法充分利用客户交互序列特征和状态节点关系，实现对客户目标、类型及未来行为的精准预测，且图嵌入显著提升了模型效果。实验结果表明，GNN+LSTM在客户目标预测、类型判别及事件轨迹预测中均优于单纯LSTM模型，验证了结构化时序建模在金融客户行为分析中的应用潜力[page::0][page::1][page::2][page::3][page::4]。
