本报告基于ENTSO-E发布的欧洲日内电力市场节点价格数据，评估了替代的竞价区划分方案的稳定性及有效性。研究发现，ACER提出的德国竞价区配置在时间和算法维度均不稳定，且价格区间内标准差下降幅度有限，区域平均价差不显著，导致价格信号缺乏长期稳定性和区域一致性。通过聚类分析，得出仅基于价格可进一步降低价格波动但地理连贯性不足。研究对德国竞价区拆分提出了现实挑战，强调现行方法难以找到既地理连贯又价格稳定的区域划分 [page::0][page::5][page::25][page::26][page::31]
本报告提出了PEAL方法——一个涵盖10步骤的数学框架，系统连接资产现金流入与债务现金流出，支持复杂结构性资产证券化的分层风险分配与透明度提升。通过标准化方程，PEAL方法实现风险精确刻画，促进监管合规及市场透明，填补了证券化领域长期缺失的数学建模空白[page::0][page::3][page::8][page::48]。
本报告提出将经典Black-Scholes模型推广为广义测度Black-Scholes模型，通过引入代表投资者不确定性的测度，实现期权价格的局部动态建模，结合非对称Dirichlet形式和偏微分方程理论，证明问题的良定性并针对自相似测度给出显式公式与数值算法，数值模拟显示该模型可生成非传统的期权定价行为，具备更灵活的风险刻画能力 [page::0][page::1][page::4][page::10][page::16][page::25]。
本报告介绍了StockGPT，一种基于解码器Transformer架构的自回归生成模型，训练于近百年7000万条美国股票日收益率序列。通过将连续收益率离散化成“token”，StockGPT自动学习复杂的价格模式并预测未来回报，显著优于主流价格因子和传统策略。日频和月频重平衡构建的多空组合均展现出极强的超额收益和显著α，表明生成式AI在股票定价领域具备突破人类手工策略的潜力，揭示了新的AI定价效应，为量化投资提供了创新路径 [page::0][page::3][page::9][page::12][page::13][page::14]
本报告首次基于覆盖全球76国、占85%人口的个体时间与风险偏好数据，重新校准碳的社会成本，发现西方学者估计值显著高于全球代表性估计，且以人口加权计算时成本更低，提示现有研究对全球社会成本存在系统性高估和偏差 [page::0][page::3][page::4].
本文基于2020年至2022年的高频面板数据，运用多种自回归模型系统性分析了加密货币市场的波动率动态。研究发现，相较于成熟资产如纳斯达克科技股，加密货币市场存在波动率杠杆效应倒转现象，即正收益反而增加未来波动率，负收益对未来波动率影响较小，体现出该市场尚未成熟且受零售投资者情绪驱动的特征。此外，跳跃成分对波动率的影响更显著，尤其是在个体层面，揭示了不同投资者行为的差异。研究对监管政策制定和风险管理具有重要启示 [page::0][page::17][page::21][page::24][page::43][page::46]
本报告利用COVID-19作为生物医学研究中的外生冲击，深入分析新兴研究主题中女性科学家在关键作者位置（如第一作者、通讯作者）上的性别偏见问题。研究发现，尽管女性作者比例整体上升，但在COVID-19相关研究中女性担任关键作者的概率显著下降，更多被分配在对职业晋升较少帮助的中间作者位置。这种差异主要由团队构成及核心领导者对新领域经验的缺乏导致，新组建的“新手”团队往往倾向于由男性担任首要作者。多种控制变量检验表明，此性别差异无法用家庭照顾责任、期刊影响力或资金获得机会完全解释，凸显了制度性歧视和团队动态对女性科研机会的制约。本研究强调了监测和促进科研领域性别平等的重要性，为政策介入提供了科学依据 [page::0][page::2][page::3][page::8][page::16].
本报告针对生鲜电商行业库存管理中的需求不确定性问题，提出基于订阅服务的库存规划模型。通过计算不确定性成本、评估提前需求信息价值和设计差异化订阅优惠，显著降低过度备货风险，提高利润率。模拟实验验证了该方法在不同客户群体和产品特性下的有效性，为零售商实现利润最大化提供了系统框架和策略建议 [page::0][page::1][page::7][page::12][page::37]。
本文建立了AMM中动态手续费选择的理论框架，重点分析了基于套利交易的手续费优化问题。通过数学建模与随机游走的有效模型，揭示了手续费设置与套利收益、AMM收入之间的定量关系，并通过数值模拟验证了侧向价格波动下手续费设置对长期收益影响较小的结论，为AMM手续费动态调整提供理论指导。[page::0][page::1][page::6][page::8][page::11]
本报告研究了社交媒体上投资者情绪与资产价格的关系，采用EmTract情绪模型，验证社交媒体情绪与实验室情绪表现一致性，发现情绪尤其是悲伤情绪对后续股价具备预测能力，且情绪对价格影响在流动性低和空头利率高时更显著，体现了细分情绪指标对市场动态的重要作用，为理解投资者行为提供了新视角 [page::0][page::3][page::14][page::29].
本文建立了金融领域中的相干风险度量与概率论中均匀可积性之间的紧密联系，重点引入了畸变风险度量的折叠分数技术工具，将风险度量对随机损失和收益的条件转化为对绝对值的条件，并提出了三个等价条件来刻画均匀可积性，特别指出集合均匀可积等价于存在对该集合有界但非全L¹有界的相干畸变风险度量。本研究同时展示了这一理论在投资优化问题中的应用，保证了风险和价格约束下随机位置集合的均匀可积性，以及近似最优解的收敛性 [page::0][page::4][page::9][page::14][page::21].
本报告利用重新整理的冷战时期东德和苏联双边贸易数据，基于结构性重力模型，量化了铁幕贸易壁垒的演变及影响。研究发现，铁幕最高时期贸易壁垒相当于48%的从价关税，尽管冷战期间贸易限制逐渐放宽，但铁幕仍使东西方贸易减少约一半，东部集团福利每年损失近1%。此外，铁幕导致东西两阵营内部贸易深化，东部集团内部一体化速度甚至超过西部。该研究为当前地缘政治碎片化对贸易的潜在影响提供了重要历史借鉴[page::0][page::2][page::12][page::22]。
本报告针对长期护理保障与终身保证提款福利的可变年金产品“GLWB-LTC”，提出了更灵活的动态提款策略并引入随机利率模型（CIR过程），创新采用基于树模型（Tree-LTC）进行产品定价。数值结果显示动态提款策略显著提升保险产品对健康风险的保护作用，并有效反映客户年龄和健康状态对最优提款决策的影响，推动长期护理保险市场的产品设计与定价方法发展 [page::0][page::3][page::4][page::24][page::28]
本报告基于Twitter Community Notes数据，运用因果推断方法，发现为可能误导推文添加上下文内容后，转发数减少近50%，推文被删除概率提升80%。然而，由于信息发布延迟，整体误导信息传播仅减少约16%-21%。研究表明，众包事实核查虽有效，但当前速度难以显著限制误导信息扩散 [page::0][page::2][page::5][page::11]。
本报告通过在线实验首次对“karma”机制在动态、反复资源分配中的行为表现进行了实证检验。结果表明，karma机制可显著提升资源分配效率，特别是在紧急需求低频高值场景和二元出价设计下，效率增益接近帕累托改进。同时，karma机制在参试者缺乏训练的情况下仍展现稳健的效率与公平性，且出价行为趋于近似平稳状态。该研究为深入理论发展与实际应用提供了重要基础和方向指引 [page::0][page::3][page::4][page::10][page::17][page::18]。
本报告基于量子退火器，提出了考虑离散股票份额、有限预算及ESG约束的Markowitz投资组合优化方法。通过重新标定风险厌恶参数，实现离散组合向连续解的收敛，解决了传统四舍五入方法导致的小中型组合低效问题。引入基于Wasserstein距离的ESG评分约束，有效平衡风险、收益与ESG表现，实现ESG友好的投资组合优化。研究基于欧洲斯托克50指数实证数据，展示了离散优化在有限预算下的优越性及ESG约束对组合风险收益表现的影响，为ESG投资者提供了量化工具与实践路径 [page::0][page::1][page::2][page::4][page::5][page::6][page::7][page::8][page::9][page::10]
本报告研究了时间不一致偏好下的最优停时问题，提出通过对天真策略经过多轮迭代训练趋近复杂策略的过程，度量时间不一致性水平。以累积前景理论中的概率扭曲为例，发现概率扭曲程度越大，时间不一致性越严重，训练所需轮次越多，实现时间一致性转化需更长时间。报告还对非指数折现引起的未来偏见偏好提供了解析转换步骤，验证了战略推理在解决时间不一致问题中的有效性 [page::0][page::1][page::8][page::13][page::19]。
本报告基于中国教育面板调查数据，构建了结合可解释神经网络PeerNN的微观离散选择模型，预测友情形成并生成友情概率矩阵Ω，进而利用工具变量方法估计加权好友影响的同伴效应参数β，最后采用遗传算法（GA）优化班级分配以最大化平均同伴效应。GA所产生的最优方案虽然提升了整体平均绩效，但存在严重的不公平问题。为此，报告设计了算法公平遗传算法（AFGA），在效率与公平间实现可调节的权衡。该框架不仅改进班级分配策略，也为其他群组分配问题提供了可推广的方法论 [page::0][page::8][page::13][page::19][page::20][page::21]。
本文提出了一种结合已知边缘分布和市场多资产期权价格作为附加信息的模型无关期权价格区间定价框架。通过资产定价基本定理和超对冲对偶性，将优化概率测度问题转化为交易策略上的最小化问题，并采用惩罚法结合神经网络深度学习进行求解。数值结果表明，附加信息（尤其是与目标期权具有相同支付结构的衍生品价格）显著缩窄价格上下界，且计算时间随资产维度线性增长，保证了方法的效率与实用性 [page::0][page::2][page::9][page::11][page::14]。
本报告围绕使用三种后处理方法（量化回归加权、置信预测和同调分布回归）将点预测转换为概率预测，重点评估了同调分布回归(IDR)在德国和西班牙电力市场的表现。实验显示IDR在组合模型中贡献最大，组合模型性能优于复杂的深度神经网络，提升了电力价格预测的准确性和风险管理能力 [page::0][page::1][page::4][page::5][page::9]
