本报告提出了一种基于动态图生成的多关系股票图扩散神经网络MGDPR，解决了股票间复杂时变关系和个股层次特征缺失的问题。通过信息熵和信号能量构建动态多关系图，采用多关系图扩散优化邻接关系，并利用并行保留机制增强长期依赖特征捕获。实验证明，该方法在NASDAQ、NYSE和上海证券交易所三个市场的七年数据上显著优于现有方法，实现股票趋势的准确分类 [page::0][page::1][page::2][page::3]。
本报告利用拓扑数据分析（TDA）工具，定义新的L0范数并结合已有的L1与C1范数，研究加密货币、南美货币、欧洲银行指数及欧洲指数的时间序列市场行为。通过对比L0、L1及ζ1范数，揭示市场稳定性、波动性及临界转变状态的不同表现，实证证明各范数在不同市场背景下的应用价值，为时间序列金融市场稳定性研究提供新的方法论 [page::0][page::4][page::5][page::6][page::7][page::8]
本文系统性地从因果视角剖析金融时间序列中的三大难题：时间分辨率不匹配、非平稳性及潜在因子的存在。通过数学分析和实证，本文提出基于线性模型的时序聚合因果发现、基于CD-NOD方法的非平稳因果结构识别及秩约束方法的潜在变量因果结构识别框架，实证验证了方法在SP100股票数据中的有效性，为未来量化因果研究奠定基础[page::0][page::1][page::2][page::3][page::5][page::6][page::7][page::8][page::11][page::14][page::15][page::16][page::18][page::19][page::20]
本报告介绍了SRNI-CAR，涵盖2016-2022年中国汽车市场销售数据、在线评论及行业新闻的综合数据集。通过XGBoost模型和SnowNLP情感分析，挖掘了模型和品牌上市时间、价格及消费者评论对销售的影响，揭示了车企先发优势和新能源汽车趋势，为行业分析与政策制定提供重要数据支持 [page::0][page::3][page::6][page::7]。
本报告介绍RIV Coin，一种由多样化资产储备支持的加密货币，储备组合涵盖了中心化与去中心化金融资产，且资产价值经过第三方专业审计并由协议可验证。RIV Coin通过DAO进行管理，实现了财富的去中心化再分配，利用合作博弈理论确保富裕用户风险降低且小额投资者风险可控，从而促进生态系统整体利益最大化。理论分析表明，随着参与者数量增加，市场信息效率提升，资产价格更稳定，同时引入的稀缺性和多元化保障了货币价值的持续增长和稳定。此外，构建了基于zk-Rollup的Atlas系统实现保密透明的财务证明，并搭建基于Cosmos SDK的底层链以支持协议自治与跨链协作。通过创新的铸币机制和铸币流控策略，实现了稳定的非通胀扩张与协议持有流动性。整体方案结合了先进的金融理论与区块链技术，旨在打造一个坚实、透明且公平的数字稳定货币解决方案[page::0][page::2][page::5][page::8][page::20][page::32][page::38]
本报告基于对Killingsworth等（2023）数据的再分析，使用数据驱动方法确定收入阈值，发现情感幸福感与收入的关系在约20万美元后达到平台期。通过普通最小二乘和分位数回归分析验证，无论幸福感的分布部分，收入超过该阈值后幸福感增长趋于平缓。这一结论挑战了之前认为情感幸福感持续随收入增长的观点，但报告也指出模型设定和数据限制需谨慎对待，呼吁后续更细致的研究以确认该关系 [page::0][page::1][page::3][page::4][page::5]
本研究提出了一种基于无监督机器学习的方法，通过线性组合外生变量构建交易信号，最大化策略的夏普率以优化利润和亏损（PnL）。模型在美债ETF上的实证回测显示其有效性，运用正则化技术抑制过拟合，并通过修正因子显著提升策略表现。研究还探讨了包括贝塔中性、正则化、多周期和策略堆叠等未来扩展方向，为系统量化交易策略的开发提供理论基础与实务指导 [page::0][page::1][page::5][page::6][page::8]
本报告提出了一个包含经纪人和众多信息交易者的均场游戏模型，推导出各方的最优交易策略闭式解。通过前向-后向随机微分方程系统，揭示了经纪人如何基于自身与信息交易者平均仓位及公用信号形成线性交易策略，并讨论了信息私有信号对策略影响的有限性，为流动性供应和对冲决策提供理论支撑 [page::0][page::1][page::3][page::6][page::11][page::14][page::20]
本报告基于职业飞镖锦标赛的现场数据，实证研究了参赛者技能差异对其绩效的非对称影响。发现技能差距明显降低低能力选手的表现，但对高能力选手表现有正面激励作用，尤其是比赛前半阶段；此外，给低能力选手“先发制人”的政策能缓解其不利影响而不损害高能力选手表现；多阶段赛事中，未来对手的实力对高能力选手当前表现有负面影响。研究为竞赛设计者提供了基于目标函数选取合适选手异质性及激励机制的指导 [page::0][page::2][page::3][page::34].
本文基于德国债券期货（Schatz、Bobl、Bund、Buxl）逐笔限价委托簿数据，系统揭示了订单量分布、订单流动规律、订单间隔时间及价差等典型市场特征，并提出了可用于市场仿真器验证的现实度指标。结果显示不同期货存在共性与个性特征，丰富了债券期货资产类别的市场微观结构理解，为开发更精准的市场模型提供了实证基础 [page::0][page::6][page::12][page::36]。
本文评述了历史模拟（HS）、参数模型（如GARCH、Vasicek）及多种深度生成模型（包括CGAN、CWGAN、Diffusion、TimeVAE等）在金融时间序列生成与VaR风险预测中的应用表现。通过综合统计指标体系（包含分布距离、自相关和回测）对模拟和真实USD利率期限结构数据进行系统测试，结果显示HS和GARCH模型表现最佳，CWGAN为表现最优深度生成模型。本文还提出了两种改进深度生成方法（Encoder-Decoder CGAN和Conditional TimeVAE）并探讨未来研究方向 [page::0][page::2][page::4][page::29][page::59][page::69]
本报告通过构建多种机器学习模型，使用2007年至2022年马达加斯加10个季度宏观领先指标，准确实现了对马达加斯加实际GDP的实时预测（nowcasting）。研究发现，机器学习集成模型在各个经济阶段表现均优于传统计量经济学模型，尤其在COVID-19疫情等经济波动期间能更好地捕捉经济转折点。此外，数据预处理中的鲁棒缩放显著提升了模型预测精度，模型的时间范围扩展也有助于提高预测的适应性和准确性，为政策制定者提供了重要数据驱动参考 [page::0][page::1][page::5][page::8][page::9]
本报告深入分析了数字货币市场中比特币（BTC）交易价格波动与金融论坛Bitcointalk用户活动之间的关系，揭示论坛的发帖数量、引用频率与BTC价格趋势高度关联。研究表明，论坛活动特别是帖子与主题的互动比例在时间序列上具备对BTC价格短期（约3日）预测能力，提示金融论坛数据可作为加密货币投资风险管理和价格走势辅助决策的有效工具。此外，论坛内容反映了诸如Pump-and-Dump等市场操纵行为，并且不同用户等级的活跃度与论坛影响力存在差异，强调对用户类型细分的重要性。研究还对比了其他主流加密币与论坛互动的相关性，阐明了该方法在多币种的适用性与局限性。最后，报告针对非监管市场的波动性风险提出了结合社交媒体信息的后续研究方向 [page::0][page::5][page::8][page::11][page::13][page::15][page::16][page::20][page::21].
本报告提出基于同伦法的系统方法，枚举含地理位置异质性、社会互动和弹性住房供给的空间均衡模型中的多个均衡。通过两步同伦路径，将复杂城市模型的均衡映射到简化城市的多项式系统解，利用代数几何确保均衡的全面枚举。应用于芝加哥353个社区，证实存在多组“反事实芝加哥”与估计参数一致，揭示人口分布、价格和福利的多重可能性。研究方法具备计算可行性，适用于大规模位置选择模型，且可推广至贸易和产业组织模型[page::0][page::1][page::2][page::3][page::6][page::13][page::22][page::25][page::40]
本文采用基于主成分分析和余弦相似度的无监督聚类方法，系统刻画并量化宏观经济变量(MEVs)的相关结构。通过对2000至2022年的数据滚动窗口聚类发现，在金融危机及疫情等压力情景下，MEVs聚类数显著减少，反映变量间同步度增加。此外，聚类数在CCAR压力测试假设场景中表现一致，揭示了MEVs相关结构动态变化的定量特征，为金融模型变量选择及风险管理提供了新视角和工具 [page::0][page::11][page::12][page::14]。
本报告提出了一种通过引入随机参数（randomisers）与多重状态切换机制（确定性与随机切换）构建的随机组合过程模型框架，进而构造对应的局部波动率模型。模型能够模拟不同波动率及不确定度 regimes，并通过 Gauss 求积方法实现参数积分的高效离散化，确保数值可行性与精确性。文章系统推导了不同切换机制下模型的解析特征函数，并通过金融期权定价数值实验，展示随机参数与切换机制对隐含波动率曲面的显著影响，提供了新颖且可解释的金融资产建模工具 [page::0][page::1][page::3][page::7][page::11][page::17][page::20][page::23]
本报告构建基于行为数据的企业信用风险评估模型，采用Experian私有数据训练并测试于意大利央行中央信用登记数据，验证模型的跨域迁移能力和预测准确性。模型由三阶段组成，实现默认概率预测、校准及评级划分，结合特征选择与SHAP解释性分析，确保性能和透明度。通过严谨的映射和统计检验，确认Experian数据为中央信用登记数据子集，且模型在中央数据上准确性接近训练表现，展现了利用外部行为数据提升金融信用评估的潜力 [page::0][page::2][page::5][page::11][page::20][page::22]
本文提出了一种基于时刻的神经网络方法，利用物理信息神经网络高效求解Hawkes过程的Fredholm积分方程，实现对高维多维标记Hawkes核的非参数估计。方法在模拟数据中表现鲁棒且准确，并应用到加密货币高频市场数据，揭示成交量对比特币交易率的影响及多达15对加密货币间的因果传导关系，提供市场微观结构的新见解 [page::0][page::2][page::10][page::22][page::23][page::24][page::26].
本报告基于统计物理中理想自旋系统的模型，推导了理想代理系统中化学势的状态方程，揭示了化学势与系统温度（不确定性度量）和磁化强度（代理者意见一致性）的关系，尤其在资本市场中表现为化学势与波动率的正相关，为后来综合模型中动态化学势的应用提供了理论基础[page::0][page::3][page::8][page::9][page::11]。
本报告提出了在模型不确定性下以G-布朗运动为驱动力的均值场随机微分方程（均值场G-SDEs）的理论框架。文章构建了系数函数依赖随机变量本身的更广泛模型，弱化了传统文献中对确定性和利普希茨连续系数的限制，采用Osgood型连续性假设，证明了在这些宽松条件下均值场G-SDEs的存在性和唯一性。此外，报告概述了与已有研究的联系与区别，展示了该方法的数学优势及其未来通过非局部非线性偏微分方程实现功能计算的潜力 [page::0][page::3][page::8][page::18][page::19].
