本报告基于多元资产和量化策略视角，研判短期市场有调整需求但中期仍存上涨空间。重点推荐A股创业板和科创50宽基指数，港股高仓位布局地产链、消费等板块，美股调整后具备买入机会。结合A股与港股多空和仓位择时模型，黄金因美元下跌和美债走势被建议积极配置，ETF组合策略显示偏股和偏债型均有增值潜力。本报告提供多市场量化择时策略，以动态资产配置为核心，覆盖国内外股债金市场，支持投资者把握轮动机会与风格切换 [page::0][page::1][page::2][page::3][page::4]
本文提出了一种称为CLVR的交易排序算法，旨在通过优化去中心化AMM中的交易执行顺序，最大限度减少区块内价格波动，从而提升价格稳定性，减少交易失败率。实验结果显示，CLVR显著优于已有的GSR方法，在实证数据上实现了高达85%的价格波动下降，并且鼓励交易分割以进一步改善价格表现 [page::0][page::1][page::2][page::5][page::13][page::15][page::16]。
本论文基于Solow-Zeira宏观经济模型，首次推导出AI能力阈值的闭式解，阐明在无新增就业的最坏情境下，AI资本利润如何可持续支持占GDP约11%的普遍基本收入(UBI)。模型揭示市场结构与公共收入份额等政策杠杆对阈值的影响，表明适度AI增长和合理市场及政策安排可实现在未来数十年内靠AI经济租金供给UBI的可能性[page::0][page::4][page::5][page::7]
本研究基于181国共48,316个零售食品价格，首次全球范围内实证分析零售食品价格与环境足迹（碳足迹和水足迹）及营养得分（Food Compass Score）的关系。结果显示，不同食品组别间，价格、环境足迹和营养得分存在显著差异；且在几乎所有食品组内，价格较高的食品对应更大的碳足迹和水足迹，尤其是动物源性食品，10%价格增幅对应每100千卡碳足迹增加21克，水足迹增加5升。但营养得分与价格关系复杂，部分食品组价格高的更健康，部分则相反。研究表明，实现低环境足迹的饮食并不一定更贵，消费者可通过选择价格较低的同类食品降低环境影响，营养价值则需更细致的品类内筛选和信息披露支持。该研究对健康与可持续饮食的政策制定和消费指导具有重要参考价值 [page::1][page::4][page::5][page::9]。
本文提出了Trajectory-level Reward Shaping (TLRS) 一种用于自动挖掘公式化Alpha因子的强化学习奖励塑形方法。TLRS通过精确的子序列匹配，利用专家设计的因子公式给予中间丰富奖励，显著提高因子预测能力与训练稳定性，Rank IC提升9.29%。此外，引入奖励中心化机制，有效降低训练波动。实证覆盖中美六大股指，验证了TLRS的优越性能和计算效率 [page::0][page::4][page::9].
本论文提出了Technical Indicator Networks (TINs) 框架，将传统技术指标结构化为可解释的神经网络，通过强化学习动态优化参数，提升系统交易模型的适应性和透明度。以MACD指标为例展示了如何构建对应神经拓扑，以及使用深度Q学习进行策略训练，实证结果证明TINs 在美国30指数成分股上的表现优于传统MACD，具有更优的风险调整收益和灵活性。此外，框架支持多维度多数据源输入，有助于融合行情、情绪等信息，促进跨市场智能交易策略发展。[page::0][page::3][page::8][page::9]
本研究首次系统地揭示了大型语言模型（LLMs）在投资分析中的内在偏好及其在信息冲突下形成的确认偏误。通过设计三阶段实验框架，针对标普500成分股，分析了模型对行业、规模和动量因素的偏好及其偏误程度。结果表明，LLMs普遍偏好大盘股且倾向于逆势投资策略，这种偏好会在含有矛盾证据时转化为难以改变的确认偏误，严重影响其投资建议的可靠性。此外，模型内部不确定性的熵分析揭示偏好强度与认知冲突的相关性，凸显了模型主观偏见对决策过程的影响，为构建更可信的金融AI系统提供重要基础[page::0][page::1][page::3][page::4][page::5][page::6].
本文提出了一种基于结构化经济偏好的大语言模型（LLM）智能体监督微调方法，实现智能体在博弈等战略情境中行为的理性及道德偏好对齐。通过两个典型偏好结构——自利的homo economicus和兼顾康德普遍化原则的homo moralis，合成数据集指导微调，显著改变LLM决策行为。应用验证包括自动驾驶道德困境与算法定价博弈，揭示不同对齐目标对个体及市场结果的深远影响，推动了LLM智能体的经济与道德价值对齐研究[page::0][page::2][page::5][page::16][page::23][page::24][page::29]
本论文提出一种针对Uniswap去中心化交易所的双轨行为评分框架，分别量化流动性提供者和交易者的行为特征。结合可解释的行为蓝图和噪声注入的深度残差神经网络，实现对用户行为的细致建模。通过引入池级上下文信息，模型能够区分不同市场环境下相同行为的影响。实证结果显示，模型预测准确，评分与用户的实际行为特征高度相关，具备良好的泛化和公平性，为DeFi信用风险评估和激励设计提供了有效工具 [page::0][page::4][page::5][page::6][page::7][page::8].
本文提出MountainLion，一种基于多模态与多代理的大语言模型（LLM）金融交易分析框架，集成文本新闻、K线图与交易信号，实现动态、可解释的数字资产分析和投资策略生成。系统通过检索增强生成（RAG）与图结构推理提升预测准确性与语义一致性，在加密货币中证实显著提升中期预测效果和投资报告质量，为金融智能决策提供稳健支持[page::0][page::1][page::3][page::4][page::9][page::11][page::14]。
本文提出基于多智能体系统（MAS）的加密资产组合构建与评估方法，比较了静态等权重组合与滚动窗口动态优化策略。研究利用2020-2025年十大市值加密货币日数据，通过Crew AI架构实现模块化投资流程。动态滚动优化策略显著提升风险调整收益指标（如Sharpe比率），展现了自适应资产管理在高波动加密市场的优势，并强调了MAS模型在透明性、可扩展性及审计性方面的潜力 [page::0][page::7][page::9][page::10]
本研究基于约一千万条2018至2024年美国在线招聘数据，分析AI技能职位提供的非货币福利状况。结果显示，AI职位显著更可能提供育儿假、远程工作、职场文化等福利，且这些福利与较高薪资形成复合溢价，尤其在AI需求高峰期更为明显，表明企业通过薪酬与福利共同竞争AI人才，非货币激励已成为重要招聘手段 [page::0][page::14][page::24][page::25][page::21][page::23]
本报告构建了孟加拉国2016-2024年期间的综合金融稳定指数（AFSI），涵盖实际部门、金融和货币部门、财政部门以及外部部门19项宏观金融指标。结果显示，2024财年尽管实际和财政部门略有改善，但金融货币部门和外部部门表现恶化，导致整体金融稳定性下降。非 performing 贷款激增、资本充足率下降、资本市场疲软、外债增加和外汇储备减少是主要压力因素，凸显制度改革和政策协调的紧迫性，为政策制定者提供了系统性风险预警工具[page::0][page::1][page::10][page::11][page::14]。
本文扩展了Lindquist–Rachev无风险资产期权定价框架，引入常见Lévy跳跃模型（NIG和CGMY），推导了包含跳跃的偏积分方程(LR-PIDE)并采用特征函数方法实现高效定价。实证检验表明，这些跳跃模型显著优于Black–Scholes，在拟合S&P 500隐含波动率微笑和定价误差方面表现突出，同时提取的“影子短期利率”反映流动性压力期的风险信号，为无风险资产市场中的期权定价与风险管理提供新工具 [page::0][page::8][page::21][page::24]。
本研究提出一种结合统计社会网络分析、时间序列预测与VaR风险管理的新型股票组合优化框架。利用2020-2024年S&P 500日线数据，通过VAR和FEVD构建以股价影响力为权重的网络，并使用最小生成树提取核心结构，挑选高中心度股票构建动态组合，配合ARIMA和神经网络预测模型优化选股。实证结果表明，该策略尤其是NNAR增强版本，年收益率显著超越基准，最高达到85.65%，展示了网络结构与风险调整预测相结合的优越性与适应性 [page::0][page::13][page::15][page::17]
本报告系统评估了三种静态输入输出模型（Leontief和Ghosh模型、关键投入模型、非作业输入输出模型）及三种数据参数化方法（家庭中断、千瓦时损失、卫星夜间光强）对美国自然灾害引发大规模停电宏观经济影响的敏感性。以2022年飓风伊恩、2021年德州大停电及2020年热带风暴伊萨亚斯为案例，定量分析GDP损失波动，发现模型架构和数据参数选择对经济损失估算影响显著，参数化方法可引发最高50%以上的估算差异。研究指出模型输出数值敏感度极高，较供应链及产业链联动效应更为显著，为后续分析师提供了重要方法指导和政策启示 [page::0][page::20][page::34][page::41][page::44]
本文首次提出全面的理论与实证框架，扩展新经济地理学以纳入五种AI驱动的空间机制，系统分析日本老龄化社会中AI对空间生产率集聚效应的影响。通过东京地区多维面板数据和五种因果识别方法，发现AI实施显著提升空间集聚度4.2-5.2个百分点，且在高AI适应行业效果最为明显（增幅达8.4个百分点）。机器学习预测显示激进AI采纳可抵消60-80%的老龄化带来生产力下降，提出分三阶段的政策框架以促进包容性空间转型并支持长期可持续发展，框架具全球老龄化社会推广价值[page::0][page::1][page::18][page::29][page::25]
因内容审核限制，当前无法获取有效研报内容，无法完成摘要生成及相关信息提取。
由于报告内容审核中，暂无法获取具体信息进行分析总结。
本文研究了带有状态切换引起的跳跃冲击的均值-方差投资组合选择问题。模型允许市场参数及股票价格在不同市场状态切换时发生跳跃，反映实际市场中牛熊转换的股价急剧变化。通过完成平方法，推导得到最优投资组合策略和有效前沿，二者由三个多维非线性耦合常微分方程系统表征，其中包含一阶高维严格非线性Riccati方程。此外，本文讨论了无卖空约束下的MV问题，对应Riccati方程维度翻倍并证明了解的存在唯一性。相比传统线性模型，引入状态切换跳跃显著增加模型复杂度，但更贴近实际市场表现。最后，提出进一步研究非马尔科夫模型下高度非线性后向随机微分方程的可能性[page::0][page::1][page::6][page::10][page::17]
