本报告提出在动态随机背包环境下的最优机制设计，针对固定资源和战略性买家的二维私有信息，构建了满足激励兼容和个体理性条件的动态最优分配与支付机制。通过贝尔曼方程刻画，设计了惩罚方案以防止买家虚报需求量，并提出基于蒙特卡洛模拟回归和深度确定性策略梯度的两种近似算法，验证了算法的性能差异及应用前景 [page::0][page::1][page::3][page::4][page::5][page::6]
本报告利用高时间与空间分辨率的开源模型，评估了美国电力系统中最优输电扩展对零碳目标减排的作用。结果显示，尽管最优方案将在现有区域间输电容量基础上增加三倍以上，但输电扩展仅能降低7%的清洁能源系统成本，且扩大现有区域内输电可产生大部分节约。储能和发电组合调整可有效替代输电扩展，支撑低成本的零碳电力系统建设。此外，输电扩张改变了不同地区和资源的经济租金分配，可能影响利益相关者支持度 [page::0][page::1][page::5][page::6][page::8][page::9][page::10][page::14][page::20][page::21]
本文推导了包含利率和股息收益率影响的局部波动率模型中期权价格短到期渐近表现，建立了在固定$\rho=(r-q)T$条件下的新型短到期极限，推广了Berestycki-Busca-Florent公式，实现了隐含波动率的眼内波动率和偏度的解析表达，并对CEV模型做了具体应用和数值验证，结果在实用参数范围表现优良 [page::0][page::1][page::4][page::15][page::16][page::17]。
本报告提出了考虑线性价格冲击与二次交易成本的最优清算问题的简洁概率解法，该解法此前未见文献中公布。基于该理论，报告数值分析了在风险资产为分数布朗运动且投资者信息流不同情况下的最优策略及价值，揭示了信息延迟和提前获取对清算价值的显著影响，且该优化框架适用于非半鞅过程的资产价格建模 [page::0][page::1][page::4][page::6]。
本报告提出了“社会环境设计”框架，旨在通过结合投票机制与部分可观测马尔可夫博弈，实现基于AI的自动化政策制定。框架强调政策目标的投票确定、政策制定者设计经济环境，以及多轮迭代中的Stackelberg均衡求解。报告通过一个基于苹果采摘的示例游戏说明了框架，指出了投票偏好聚合、人类行为建模、AI治理、博弈收敛性及大规模仿真等关键挑战，并融合多智能体强化学习和机制设计等前沿方法[page::0][page::4][page::5][page::7][page::8][page::9]。
本报告以大数据和机器学习方法，分析了英国2005-2021年出口二手车辆的碳排放及其对低中收入国家的环境影响。研究发现，出口车辆CO₂排放比报废或本地运行车辆高出13%-53%，且氮氧化物排放严重超标。当前多国缺乏出口车辆排放监管，造成排放“越界转移”，亟需制定统一严格的出口车辆排放标准，以减缓全球运输碳足迹并保护发展中国家空气质量 [page::0][page::1][page::3][page::4]。
本研报针对金融网络中银行债权交易问题，基于Eisenberg-Noe模型，首次系统化研究债权交易的算法复杂性与结构性质。报告重点证明无法实现债权人和买方双方同时严格获益，聚焦债权人正向交易的设计与优化，提出高效算法及近似算法（FPTAS）解决单一及多重债权交易问题，揭示不同支付函数对交易复杂性的本质影响，为缓解系统性风险提供了理论与算法支持[page::0][page::2][page::6][page::14][page::15]。
本报告提出了一种基于深度强化学习（DRL）的动态对冲模型，首次综合考虑有限流动性引起的市场冲击及其时间持久性，模拟结果显示该模型在低流动性环境下优于传统的Delta对冲策略，能够智能调节再平衡动作以控制成本，并内生包含了之前对冲误差和标的资产的漂移影响，显著提升对冲表现与风险控制能力[page::0][page::1][page::6][page::9][page::10]。
本文挑战了传统观点，即当产品为消费者互补品时，上游合并会降低谈判价格，而为替代品时则会上升。研究发现，当中间商销售的产品组合包含除合并供应商产品外的其他商品时，下游的需求关系不一定转移到上游谈判，合并双方的产品可能表现为替代品或互补品，从而导致谈判价格的非直观变化。这一机制解释了上游财团合并在无垄断或排他行为情况下提高价格的现象，并揭示了买方特定价格效应的来源，为反垄断审查提供了新的视角。[page::0][page::1][page::2][page::3][page::12][page::16][page::18]
本报告提出了一种适用于任意局部随机波动模型的蒙特卡洛误差消减新方法，能够显著降低期权定价及希腊字母估计的随机误差，适用范围涵盖欧式及路径依赖、多资产期权。数值实验证明该方法在多种复杂期权类型（如障碍、亚洲、篮子和多资产虹彩期权）下，相较传统蒙特卡洛，误差减少数量级达到数十倍，且适用于希腊值的计算，有效提升计算效率和精度 [page::0][page::8][page::11][page::13]。
本报告研究了大型语言模型（LLM）代理在不同竞争性社会情境中自发形成合作行为的能力，设计了三个跨学科案例（凯恩斯美丽竞赛、贝特朗竞争、紧急疏散）以模拟无指令引导下的合作演化。实验表明，LLM代理能基于上下文及多轮交互，自主调整策略，逐步实现合作，且仿真结果与真实人类行为高度一致，揭示了消除内外部偏见在社会仿真中的重要性，推动了社会科学与人工智能社区对LLM推理能力的新评估标准 [page::0][page::4][page::8]
本报告利用双重深度Q学习(DDQL)方法研究在流动性随时间动态变化且不可直接观测情况下的最优交易执行策略。以Almgren-Chriss框架为基础，模型涵盖临时和永久价格冲击参数的多种确定性及随机动态。实验结果表明，当解析解存在时，算法能有效逼近最优策略；在无法获得精确解的复杂环境下，算法表现优于传统基准策略，体现出强鲁棒性和自适应能力，适用流动性非平稳市场环境[page::0][page::1][page::7][page::14][page::17].
本报告研究投资者在有限交易期内基于部分信息环境下的资产配置问题，提出“信息无差异价格”概念并给出精确表达式，表明该价格受投资者风险厌恶程度和交易信号与噪声比率影响。同时，研究了订阅交易信号信息的最优时机，发现最优订阅时点为确定性时刻。通过单期及连续时间模型验证，报告揭示信息价值随信号强度和投资期限增加而提升，为信息服务定价和策略提供理论支撑，并通过数值实验展示订阅率与价值函数的动态特征 [page::0][page::2][page::3][page::5][page::6][page::9]。
本报告建立基于风险理论的家庭资本过程模型，聚焦贫困陷阱形成的触发时点、贫困前资产盈余及陷入贫困时的资产缺口等关键变量。利用Gerber-Shiu期望折现惩罚函数，提出适用于资本损失服从Beta(α,1)分布的解析解，得到陷阱时间的拉普拉斯变换及陷入贫困资产缺口的分布，该分布属于一般化贝塔（GB）分布族，进而与贫困测度福斯特-格里尔-索比克指数（FGT）建立联系。最后，通过对布基纳法索2014年多部门家庭微观数据的实证拟合验证了模型的适用性，揭示了利用风险理论分析贫困动态的潜力，为贫困测度及政策设计提供理论与实证支持 [page::0][page::1][page::2][page::13][page::15][page::16][page::23]
本报告构建了以太坊2.0共识层的奖励数据采集与分析框架，详尽披露验证者奖励的分布及演变情况，揭示了权益证明机制下奖励分配的相对公平性和稳定的去中心化水平。利用香农熵、基尼系数、纳卡莫托系数和HHI等多指标，分析了出块人、见证人及同步委员会的奖励动态，实现了数据公开并提出多维度可扩展研究方向 [page::0][page::3][page::6][page::7][page::8]
本报告提出了一种基于深度表示学习的时间序列聚类算法，以解决传统信用评分不足以支持金融包容性信贷产品的问题。通过对金融消费者交易数据的聚类，模型能够识别具有相似金融行为的用户群体，实现个性化金融产品定制。经系统性性能比较，基于CNN架构的自编码器结合经典重构损失和DTC聚类损失的FTHC算法，在聚类质量指标（轮廓系数和Davies-Bouldin指数）上优于现有方法，有效提升模型稳定性和聚类表现，为金融机构提供面向边缘群体的创新信用产品设计思路[page::0][page::6]
本报告提出了基于多智能体强化学习（MARL）的加密货币市场建模方法，利用Binance 2018-2022年153种加密资产的日收盘价数据进行校准。模型通过自主学习智能体，结合市场价格与资产的基本面估值，动态模拟买卖行为、订单簿撮合机制。结果显示模型能有效复现加密市场的非高斯收益分布、波动率聚集及价格自相关衰减等重要微观结构特征，验证了在多变且高度波动环境下，MARL对捕捉复杂市场行为的适用性和解释力[page::0][page::1][page::19][page::20]。
本报告系统回顾了著名经济学家H. Markowitz及其开创的现代投资组合理论，重点从数学上完整阐述了均值-方差分析的核心命题，包括最小方差组合、最大夏普比率组合、有效前沿及基金分离定理。通过理论命题的严谨证明及具体数值示例，展示了投资组合权重的最优求解方式及有效前沿的几何形态，深入解析了现代投资组合理论在资本资产定价模型、套利定价理论及后现代投资理论中的影响与扩展 [page::0][page::2][page::3][page::9][page::10]。
本报告基于Desmettre等人提出的均场LIBOR市场模型，提出了一个嵌入经典框架的新方法，实现了不依赖嵌套模拟的高效校准与仿真。模型能够有效控制长期利率的方差，避免利率爆炸现象，同时兼容近乎无风险的隔夜利率（如SOFR、ESTR）期权定价。通过欧元1年期EURIBOR市场数据的校准和模拟验证，展示了该模型的可行性和稳健性，特别是在长达60年的利率期限结构中实现了稳定的波动率阻尼与相关性调节。[page::0][page::1][page::11][page::15][page::17]
本报告提出了一种结合多重实现波动率测度的半参数联合VaR与ES风险预测框架。模型通过扩展实现指数GARCH与ES-CAViaR，利用自适应贝叶斯MCMC算法估计，实现了多重实现测度信息的融合。基于2000年至2022年覆盖六大股票市场实证，结果表明该框架在1%与2.5%置信水平下的VaR和ES预测准确度显著优于多种参数化与半参数化模型，且多测度信息对提升尾部风险预测效果至关重要[page::0][page::15][page::22][page::33]。
