本报告利用人工智能中的LSTM神经网络模型，深入分析了美国公共财政变化与国际市场公共财政的关联关系，模型以2.79的均方误差（MSE）展现了较高预测准确性。通过对2011-2020年多个关键经济事件的溯源比对，验证了模型对国际金融市场反应的有效捕捉，凸显其在投资组合风险管理与政策制定中的应用潜力[page::0][page::3][page::4]。
本文研究动态自动做市商（AMM）中权重调整路径的最优设计问题，提出一种近似最优的非线性权重插值方法，有效降低重平衡成本，提升池子收益率。实证显示该方法在BTC-ETH-DAI池中相较线性插值可提升约25%的P&L，且具有面对交易手续费时的稳健性[page::0][page::2][page::4][page::5][page::6]。
本文提出了基于反射扩散过程的数学模型，系统研究了交易手续费和连续时间套利对G3Ms中流动性提供者（LP）财富增长率的影响。通过分析套利驱动的价格动态，揭示了G3Ms价格在手续费影响下的套利无套利区间和财富增长的显著结构性特征，并导出了LP财富的长期对数增长率的显式表达式。此外，报告展示了手续费设计对LP财富增长的重要调节作用，以及G3Ms在不同市场条件下优于常规投资策略的潜力，为DeFi中AMM的设计与投资提供了理论指导 [page::0][page::1][page::6][page::10][page::15][page::16][page::18][page::22][page::23]。
本文重新审视并微观基础化了Baaquie和Bouchaud（2004）提出的刚性弹性绳索模型，采用离散期限框架和心理时间概念，有效复制了1994-2023年间转发利率曲线（FRC）全相关结构，误差约1%，且仅需一个稳定参数。同时模型自然解释了Epps效应，即利率相关性的时间分辨率依赖性，确认市场感知时间为实时时间的强次线性函数，符合行为金融学中的双曲贴现理论 [page::0][page::2][page::5][page::11] 。
本报告针对健康经济模型软件（CHEMs）提出伦理考量框架，强调开发者应遵循社会可接受性、适用性和社会效益三大伦理目标，并提出透明（T）、可复用（R）和可更新（U）的六项具体评估标准，进而推动健康经济模型软件的开源发展和持续维护，从而减少伦理风险，提高模型质量与应用价值 [page::0][page::3][page::5][page::7][page::8]。
本报告基于印度国家家庭健康调查数据，采用倾向得分匹配和双重差分方法，实证评估了印度清洁能源政策——普拉丹·曼特里优质燃气计划（PMUY）对贫困家庭液化气（LPG）使用的因果影响。结果表明，PMUY使LPG使用率提高了2.1个百分点，伴随木柴使用的显著减少。区域间效果存在差异，北部、西部和南部地区提升明显，而东部和东北部欠佳。不同社会群体中，计划对预留种姓家庭效果最好，原住民家庭受益甚微。政策后续需关注用气持续性和地区及群体差异，强调定向补贴及收入支持。[page::1][page::21][page::28]
本报告重新评估Boehmer等人（2021）关于零售订单不平衡（ROI）预测未来股票收益的主要结论。研究发现，ROI在2016-2021年的预测能力显著减弱，尤其是在大盘股群体中，基于ROI的多空策略已不再盈利。同时，采用Lee and Ready（1991）提出的报价中点(QMP)方法对零售交易进行辨识后，2010-2015年的结果得到确认，但两种方法在2016-2021年产生的结果存差异。总体而言，BJZZ原始结论对样本时期及交易识别方法高度敏感，提示市场变化与方法选取对零售投资者信息价值评估的影响尤为重要[page::0][page::3][page::6][page::16].
本报告系统性分析了竞争性科研经费分配的可靠性、经济成本、知识论成本以及社会伦理成本，指出申请撰写与评审过程耗时巨大，且存在对高风险研究和年轻科学家不利的偏见。同时，探讨了替代评估和分配机制的潜力，呼吁数据公开、实证实验及多元指标使用以优化科研经费分配体系 [page::0][page::4][page::5][page::7][page::10][page::17]。
本报告提出采用深度学习方法，针对小规模贷款组合的名称集中度风险量化问题，通过蒙特卡洛模拟与重要性抽样训练神经网络，涵盖了CreditRisk⁺及CreditMetrics模型。实证结果显示该方法相较现有解析方法在精度上显著提升，尤其适用于多边开发银行等特殊机构的小型集中组合，并能高效支持风险敏感性分析与压力测试[page::0][page::1][page::4][page::12][page::15][page::23][page::27]。
本报告基于扩展的Mundell-Fleming模型，采用新西-韦斯特（Newey-West）回归方法，实证分析了美国贷款利率、货币供应量（M2）、通胀率（CPI）和世界利率（WIR）对乌拉圭实际有效汇率（REER）的影响。研究发现USLR、M2和CPI的增长均导致REER贬值，而WIR影响不显著，验证了开放经济下汇率波动的理论预期。结果为乌拉圭政策制定者通过紧缩货币政策、控制通胀以及提升出口竞争力以稳定汇率提供了实证依据 [page::0][page::4][page::7]。
本报告提出秩依赖可预测前向性能过程（RDPFPPs），融合秩依赖效用与可预测前向性能框架，实现了对市场模型和概率扭曲函数的离散时间随机更新。关键贡献包括构建RDPFPPs的存在性理论，证明其归结为解一个广义积分方程，并首次通过沃尔泰拉积分方程理论提出解析该积分方程的新方法。针对完全单调逆边际函数（CMIM）提供闭式解和解的性质分析，拓展了现有PFPP研究，且在条件完备的Black-Scholes市场中展示数值例证，验证了RDPFPPs在非预期概率扭曲下的时间一致性和性能表现 [page::0][page::4][page::13][page::25][page::27][page::28]
本报告提出了一种灵活的分数阶随机波动率（FSV）模型，结合价格-波动率共跳跃和波动率短程依赖，针对加密货币市场的逆向期权及其幂次推广进行了定价与对冲分析。采用三种分数核和两类Lévy过程，基于比特币期权数据实证校准，验证了模型优于基准模型的拟合性能和效率，强调价格与波动率跳跃及粗糙波动率的重要性，为加密金融衍生品的风险管理提供理论支持与实证依据 [page::0][page::5][page::15][page::26][page::29]
本文研究在股票可能突发破产且破产时间服从指数分布的情形下，基于指数幂效用函数的Merton最优投资组合问题。通过耦合的Hamilton-Jacobi-Bellman偏微分方程，获得了解析解，揭示了最优策略不允许借贷且股票配置比例不会超过经典Merton比例。尤其对非对数效用，最优权重表现非近视特性，反映了现实投资中破产风险的合理分配原则。报告还通过标的实际数据展示了不同破产概率下的最优配置差异，显著区别于传统模型[page::0][page::1][page::5][page::9][page::11][page::12]
本报告提出一种基于生成对抗网络（GAN）方法的鲁棒效用优化模型，通过神经网络模拟投资者与对抗市场策略，以最小化市场不确定性带来的风险，实现最优的鲁棒投资组合。该方法可处理任意连续效用函数及含交易成本的现实市场，广泛适用。实证研究表明，在已知解析最优策略的摩擦无市场中，模型可准确恢复最优解；在含交易成本和通用效用函数的复杂场景下，所学策略优于所有参考策略，并揭示训练的路径依赖策略未必优于Markovian策略。此外，GAN生成的策略能够作为经典无摩擦渐进最优策略的有效替代品，提供现实市场的新方案[page::0][page::3][page::40]。
本报告基于德甲足球联赛的高质量射门表现数据，采用因果机器学习方法，系统揭示了团队成员绩效对个人绩效评价的显著正向溢出效应。结果表明，队友射门表现不仅显著影响经理的上场决策，也影响第三方专家的球员评分，且效果达自身表现影响的三分之一，且该效应在不同球员群体和团队环境中存在异质性，突出展示了团队合作背景下贡献评价的复杂性和偏差来源，为组织绩效管理和职业发展研究提供了新视角和实证依据 [page::0][page::2][page::5][page::19][page::21][page::31]。
本报告提出新数学技术识别美股60个细分行业的市场结构非线性变化，重点应用Wasserstein距离捕捉市场危机信号，结合网络分析揭示行业社区及黄金资产多样化重要性，并通过采样实验比较多头、空头与多头空头组合表现及行业配置，为中长期资产配置和投资组合管理提供理论与实用指引 [page::0][page::1][page::2][page::11][page::12].
本报告构建了一个含经济状态影响的信用评级迁移马尔可夫模型，统一分析了点时点(PIT)与穿周期(TTC)评级体系，给出了两者的数学刻画与分类标准。通过加入经济状态的联合马尔可夫链，明确了评级过程的性质及渐近行为，并基于Merton模型示例实现PIT与TTC评级的构造与比较，验证了评级体系在会计与监管资本标准中的适用性 [page::0][page::1][page::12][page::21][page::29]。
本文针对在线市场中的Sponsored Listings Ranking问题，提出基于线性规划（LP）的排名算法，解决传统得分排序方法面临的多目标权衡和性能受限问题。通过与某领先全球市场平台（Marketplace A）合作开展的为期19天、覆盖3.29亿次访问的A/B实地实验，发现LP方法相较极致调优的得分排序算法，能在GMV、购买率及平台收入等主要指标分别提升1.39%、1.55%和1.80%。该方法不仅效率高，满足0.1秒的时延要求，还具备灵活性，可整合长期全局规划约束，推动Sponsored Listing的多维度优化和实践落地 [page::0][page::2][page::3][page::5][page::14][page::15][page::18][page::22][page::23][page::27]
本文提出了一种基于随机化仿射扩散（RAnD）方法的随机Hull-White模型（rHW），该模型通过状态依赖系数的SDE，结合多个Hull-White模型的凸组合，有效捕捉利率衍生品市场波动率笑脸和偏斜的现象，实现了对利率估值调整（xVA）中波动率微笑与偏斜影响的准确建模与计算。rHW模型延续了仿射扩散模型的解析可解性，实现了对多期限协同欧式交换期权的半解析标定，并结合回归蒙特卡洛技术高效计算敞口。数值实验证明，波动率笑脸和偏斜对线性及早期行权利率衍生品的敞口与xVA指标影响显著，为风险管理及定价提供理论与实务层面的重要参考[page::0][page::16][page::20][page::24][page::25]
本报告针对金融时间序列预测，比较了贝叶斯优化（TPE）、Hyperband和强化学习三种神经架构搜索策略，以及多层感知器（MLP）、1D卷积神经网络（CNN）、循环神经网络（RNN）和时序融合变换器（TFT）四种架构。研究表明，贝叶斯优化和Hyperband表现最佳，1D CNN和LSTM优于MLP和TFT，且优化过程中存在较大随机种子方差影响，通过重复训练与测试缓解该问题，最后建议采用集成方法以降低方差风险。整体预测性能受限于金融时间序列的噪声与非平稳特性，测试集AUC最高约0.56，反映任务难度之大。报告还针对优化策略和架构选择给出实践建议，并指出未来可探索更高级的NAS方法如分块搜索空间和遗传算法等 [page::0][page::6][page::12][page::14][page::15]
