本报告基于1,445只股票的高频数据，深入分析了传统线性HAR模型与机器学习（ML）模型在实现波动率预测中的表现差异，强调了HAR模型在训练窗口和重估频率选择上的敏感性。研究发现，经过精心拟合的HAR模型在预测准确性和计算效率上均优于多种机器学习方法，尤其在仅使用历史实现波动率和VIX指标时表现最优。该结论不仅质疑了ML模型的普适优势，也为未来波动率预测提供了实用基线和方法指导 [page::0][page::1][page::3][page::20][page::21]。
本文研究了典型随机最优控制问题的凸性传播与凸序关系，聚焦能源市场常用的“Take-or-Pay”摆动期权定价。假设基础资产价格服从凸系数的ARCH模型，证明了价值函数关于资产价格的凸性，并引入支配准则揭示了波动率参数变化对价值函数的单调影响。文中还借助Stein公式及正则化技术，将ARCH系数的凸性放宽为半凸性假设，尤其在一维情形下成立。最后通过数值模拟验证理论结果，涵盖单因子及多因子模型下摆动期权价格与风险指标的凸性和单调性体现 [page::0][page::1][page::2][page::10][page::20][page::21][page::23][page::24]
本报告综述了离散观察半鞅的统计方法及其在电子金融市场的应用，重点分析了三个方面：基于极值理论的价格跳跃检测及新型Rényi统计检验，粗糙分数随机波动率及其正则性辨识的极限，和带一侧市场微观结构噪声的极限价模型。报告还融合经典概率统计方法为金融市场风险管理和高频数据分析提供方法论支持 [page::0][page::4][page::11][page::14][page::20][page::23][page::25][page::28]
本报告系统阐述了内在时间（intrinsic time）理论的发展及其在金融市场中的应用。内在时间以事件为基础，替代传统的物理时间，实现了对市场动态的多尺度、算法式刻画。研究发现，内在时间框架揭示了金融数据中被传统均匀时间尺度掩盖的多重尺度涨跌变化和一系列标志性规模律，反映复杂系统的内在组织机制。该新时间范式推动了经济模型和市场行为预测方法的变革，深刻揭示了时间的观察者依赖性与金融市场的复杂性特征，为复杂系统和高频金融分析开辟了新的研究路径 [page::0][page::2][page::5][page::8]。
本报告针对去中心化交易所中流动性提供者的投资风险管理问题，提出一种三步最小化条件风险价值（CVaR）的算法：利用核岭回归近似复杂的非线性目标函数，随后基于该近似函数求解初步最优解，最后以该解为起点使用序列最小二乘规划精细优化。该方法显著降低了计算复杂度，同时保证了解的准确性，并通过Cython加速实现进一步提升效率。实验证明本方法在多池流动性提供策略设计中优于竞品，表现稳健且高效[page::0][page::1][page::4][page::6][page::8][page::10]。
本文利用多阶段随机优化模型EMPIRE，模拟了欧盟新绿色氢气定义对欧洲能源系统的影响，发现满足绿色氢气监管标准将使2024-2048年系统成本增加820亿欧元，主要由于新增可再生能源投资和电解槽容量扩增。此外，空间、时间相关性及额外性等要求显著影响投资布局与成本结构，排除这些限制能不同程度降低成本。研究强调绿色氢气虽然增成本，但对加速欧洲能源转型和减排具重要战略意义 [page::0][page::1][page::10][page::17]
本研究结合统计套利中的配对交易策略与Black-Litterman贝叶斯模型，实现了均值-方差组合最优化。有效解决了传统配对交易在波动或危机市况下的表现不足问题，通过将配对交易信号作为投资者视角引入组合优化框架，策略在正常及极端市场环境中均优于标普500指数。本文创新性地提出了统计套利信号与组合优化系统性结合的可扩展方法，提升策略稳健性与风险控制能力。[page::0][page::4][page::6][page::7][page::8]
本报告提出了MSGCA框架，通过融合股价指标序列、情绪新闻文本和行业关系图三种异质模态，采用门控交叉注意力机制实现稳定的多模态融合，有效处理数据稀疏与语义冲突问题，实现精细化的股票涨、跌、平趋势预测。实验证明，MSGCA在四个多模态数据集上的预测性能较现有方法最高提升31.6%，显著增强了多模态融合的稳定性与准确率 [page::0][page::1][page::2][page::4][page::6][page::9][page::11]
本报告针对多臂赌博机问题中的风险调整决策，提出了优化常用风险度量Sharpe比率（SR）的多种在线算法，包括针对Regret Minimization的UCB-RSSR及固定预算下的Best Arm Identification算法SHVV、SHSR和SuRSR。通过推导SR和正则化平方SR（RSSR）的路径依赖浓缩不等式，证明了所提算法均具备对数级别的遗憾界和错误概率上界。实证结果表明，在多种奖励分布和设置下，UCB-RSSR相较现有算法明显提升了风险调整性能，BAI算法在固定预算内能高效识别最优臂，具备在风险敏感的投资组合管理中广泛应用潜力[page::0][page::3][page::5][page::7][page::9][page::13][page::16][page::18]
本报告系统分析了以太坊区块链的燃气费结构，首先建立多维资源约束下的燃气费供应端模型，结合区块构建者的利润最大化，提出了动态燃气费调整机制。其次，采用分数布朗运动驱动的分数Ornstein-Uhlenbeck过程对燃气价格的需求端进行建模，进一步推导了燃气费衍生品的定价方法，助力用户规避价格波动风险，提升交易成本的可预见性和稳定性 [page::0][page::1][page::13][page::14][page::16][page::17]
本文提出基于模型置信集（MCS）框架的四种自适应组合预测策略，通过加权使用多种参数、半参数及非参数模型的VaR和ES预测，显著提升尾部风险预测的准确性和稳定性。实证分析基于S&P 500及上证综指数据，结果显示组合预测优于单一模型，且通过严格的回测和MCS检验，综合预测能有效缓解模型不确定性对风险度量的影响，且具有较小波动性。[page::0][page::1][page::5][page::6][page::12]
本报告通过机器学习模型分析近600万篇跨国合作科学团队，量化中国科学家在国际科学领导地位的提升。结果显示，中国在与美国、英国、欧盟的合作中领袖比例显著增长，预计2027-2028年中国与美国在双边合作团队领导数量将实现平价。关键技术领域如人工智能、半导体等亦呈现类似趋势，但按每位合作伙伴贡献调整后，中国达到平价的时间将延迟至2087年以后。报告还揭示中国通过“一带一路”倡议国家的科学合作与人才培养措施，正在稳步提升全球科学影响力，尽管发展依然存在挑战 [page::0][page::3][page::4][page::6][page::8][page::9][page::11][page::12]。
本研究基于最优Merton模型，提出了一个反映异质理性交易者集体行为的交易策略模型，揭示了交易量动态中存在的市场非效率及全新交易风险溢价。实证部分基于NYSE不同资产的日交易数据，发现交易量的漂移-扩散比率虽稳定但显著偏离Merton理论值，且交易量与价格过程由不同布朗运动驱动。通过该模型，可估计市场的平均风险厌恶系数和体现交易影响下资产价格的“理想价格”，进一步揭示交易风险溢价与行为金融中的前景理论相吻合，交易价格风险溢价高于无交易市场的风险溢价，反映投资者对交易风险的额外补偿。研究结果为理解交易量信息与市场理性及风险价格关系提供新视角，为资产定价及投资策略研究提供理论与实证依据[page::0][page::1][page::4][page::11][page::12][page::29]
本报告基于宏观做市框架，将市场做市扩展到随机博弈，刻画了基于最优报价的价格竞争。通过多维特征方程延拓耦合场方法，解决前向-后向随机微分方程(FBSDE)的良定问题，揭示了排序性质、维度约简及Nash均衡的存在唯一性。重点研究线性及一般非线性强度函数，及不同风险系数情形，提出多维随机Riccati方程，实现对市场影响分解与均衡解构建[page::0][page::1][page::5][page::12][page::30][page::39]。
本报告提出“人类投射”（Human Projection）理论框架，阐释人们在评估人工智能（AI）性能时过度依赖与人类相关的任务特征，尤其将人类容易的任务失败视作AI能力低下的重要信号，导致人们错误形成AI性能预期。通过标准化数学题的实验数据，揭示人类对AI表现的预测与真实无关，且“拟人化”AI形象加剧此误判，进而导致AI的次优采纳。基于真实育儿AI聊天机器人的现场实验进一步验证，当AI给出相似度较低的错误答案时，用户信任和持续使用显著降低，提示人类对“相似性”的投射影响AI的使用决策。这些结果为AI产品设计、用户培训和AI性能评估提供重要启示 [page::0][page::1][page::4][page::5][page::11][page::32][page::33][page::35]
本报告提出利用密切相关的成绩差异来识别同伴效应，有效控制了不可观测的个体和课堂异质性。基于线性教育产出函数与GMM估计方法，应用Tennessee Project STAR数据，发现K至三年级学生同伴效应显著但偏小，表明同伴潜在能力的提升能带动个体成绩提升约20%-40%[page::0][page::4][page::22][page::23][page::32]。
本研究以欧洲碳排放交易体系(EU ETS)价格为核心，采用最新的非参数信息不平衡度方法，系统分析了多个宏观经济、经济不确定性及能源类变量对EU ETS价格的解释力。结果显示，第三阶段以能源相关指标（如ERIX指数）最具信息量，而第四阶段金融波动性（尤其是EUR/CHF汇率不确定性）成为关键驱动，反映了疫情及能源危机的深远影响。通过结合高斯过程回归，提出了基于信息不平衡的多频率混合预测方法，发现周频数据预测效果最佳，实现了高效且精简的碳价预测模型构建 [page::0][page::1][page::8][page::10][page::11][page::12][page::13].
本报告提出了一个基于物理学和随机过程工具的代数框架，用于建模限价委托簿（LOB）。该框架采用狄拉克符号和广义生成函数，精确描述订单生成、撤销和撮合过程，实现了LOB状态的时间演化模拟。通过吉莱斯皮算法，框架支持准确仿真多样交易者行为对关键市场指标如买卖差价、收益波动率和流动性的影响。两种模拟场景展示了不同交易者群体对市场微观结构的影响，验证了框架的组合能力和应用潜力 [page::0][page::3][page::13][page::21][page::22][page::20]
本报告提出了一个无分布假设的投资者偏好框架，以实现多策略组合优于单一策略的长期财富增长。通过对无卖空条件下多策略组合的在线学习方法进行构造，提出了既适用于小规模也适用于大规模策略集的组合方案，并在真实27年蓝筹股票数据上数值验证了其优越性与鲁棒性。实验证明，即使在无统计假设前提下，该组合策略及其加速变体能最终实现累计财富超过所有组件策略，且增长率优于基线策略，虽夏普比率略有让步但风险控制良好，体现了策略在实际应用中的有效性和灵活性 [page::0][page::1][page::2][page::10][page::12][page::14][page::19][page::17][page::15][page::16]
本报告针对纯交换经济中由风险厌恶的货币效用函数表征的代理人的效用偏好，研究了帕累托最优的存在性及其结构特征。通过运用单调、次可加、Schur凹性且平移不变的效用函数的对偶表示，尤其在正齐次的标度不变货币效用下，报告给出了帕累托最优配置的明确刻画及计算算法。此外，证明了正齐次和法不变货币效用对应的竞争均衡存在性及其福利定理，并在风险分担市场中针对法不变一致风险度量提供了具体数值示例，展示了帕累托最优风险分担配置的实际应用价值 [page::0][page::2][page::12][page::17][page::23]
