Optimal Investment with Costly Expert Opinions
本文研究了含有不可观测马尔可夫调制漂移的摩顿问题，创新地考虑投资者以付费方式购买不同质量的专家意见，形成正则控制与脉冲控制混合的随机控制问题。通过滤波理论转化为全信息问题，并利用随机佩龙方法证明其值函数为动态规划偏微分方程的唯一粘性解，进一步构造了最优交易与专家意见策略，实现动态优化与成本权衡的有效结合[page::0][page::1][page::16][page::17][page::18]。
金融研报AI分析
DeFi Arbitrage in Hedged Liquidity Tokens
本报告针对基于区块链智能合约的恒定乘积市场制造商（CPMM）中流动性代币的定价及对冲问题，建立了风险中性定价模型。发现当前市场价格存在套利机会，通过动态对冲策略和风险中性测度推导流动性代币的价格及敏感性指标。报告结合Uniswap数据校准隐含波动率，实现了无套利重新定价方案。此外，提出了两种新型AMM设计以消除套利，实现流动性代币价格的动态调整，推动DeFi产品迈向现代金融体系 [page::0][page::2][page::6][page::8][page::14][page::22][page::24][page::25]
How (Not) to Incentivize Sustainable Mobility? Lessons from a Swiss Mobility Competition
本报告通过一项瑞士高等教育机构师生日常出行的两个月实地竞赛实验，评估了货币激励和社会规范暗示对促进可持续出行行为的影响。实验证明，无论是金钱奖励还是基于社会规范的劝导信息均未显著改变参与者的出行模式，表明单纯的数字化游戏化激励难以实现短期内显著的行为转变。研究还分析了激励机制设计不足之处及竞赛构建的经验教训，为制定更有效的可持续交通政策和创新行为干预策略提供洞见 [page::0][page::1][page::2][page::13][page::14][page::18][page::19][page::20]
Kullback-Leibler cluster entropy to quantify volatility correlation and risk diversity
本报告基于Kullback-Leibler聚类熵方法，量化了五大金融资产的实现波动率序列的相关性和风险多样性，提出了基于聚类熵衍生的多周期投资组合策略。该方法有效揭示了波动率的长记忆特性（Hurst指数H>0.5），相比传统均值-方差和Sharpe比率方法，构建的投资组合权重更加稳健且随投资周期扩展趋于均匀分布，实现更优的财富配置效果 [page::0][page::1][page::4][page::5][page::9]
Bitcoin Transaction Behavior Modeling Based on Balance Data
本文基于比特币用户余额数据研究交易行为模式，发现用户余额分布符合对数正态分布且不能完全由Gibrat比例增长定律解释。进一步分析揭示存在“贫穷用户”与“富裕用户”两类行为模式：贫穷用户倾向初期购入少量比特币后逐步全部卖出，富裕用户起始持有较大量比特币，卖出速度随时间减缓并保留部分余额。此动态模型对理解加密资产交易行为及其他金融市场用户行为提供新视角 [page::0][page::1][page::3][page::4][page::5]。
Simulation of Public Cash Transfer Programs on US Entrepreneurs’ Financing Constraint
本文通过构建包含创业部门和彩票部门的标准Bewley模型，模拟引入挪威规模的彩票类公共现金转移项目对美国创业活动及经济指标的影响。研究发现此类现金转移项目并未显著增加新创企业数量，但能提升现有企业投资规模，对整体生产率和产出影响有限，创业者的能力是决定创业意愿的核心因素。本报告还通过模拟面板数据回归和多种彩票奖励结构检验了这些结论，为理解和设计公共现金补助政策提供理论依据与政策启示 [page::0][page::6][page::12][page::18][page::22][page::28]
Revisiting the state-space model of unawareness
本报告提出基于可能性对应的知识算子，创新性地在标准状态空间模型中保留非平凡无意识。该方法通过修改知识算子，解决了经典的不可能性结果，即“无意识代理必须知道所有事物”，为无意识的状态空间表示提供了新思路 [page::0][page::5][page::6]。
Anatomy of Machines for Markowitz: Decision-Focused Learning for Mean-Variance Portfolio Optimization
本报告探讨了在均值方差组合优化（MVO）中，决策导向学习（DFL）如何调整股票收益预测模型以提升决策效果。与传统最小均方误差（MSE）模型均匀处理所有资产误差不同，DFL通过引入协方差矩阵逆${\boldsymbol{\Sigma}}^{-1}$，差异化关注不同资产误差，重点减少优秀资产预测误差，从而显著提高组合决策质量和投资绩效。实验证实，随着模型越趋向DFL，其预测与真实期望收益的相关性增强，投资组合的夏普率和累计收益亦明显提升 [page::0][page::1][page::2][page::3][page::4][page::5][page::6]。
CREDIT SPREADS’ TERM STRUCTURE: STOCHASTIC MODELING WITH CIR$^{++}$ INTENSITY
本文提出基于CIR++模型的信用利差随机建模方法，实现了信用利差的连续时间动态模拟和信用风险债券价格的解析表达。该模型填补了市场中缺乏以随机强度为基础、能原生呈现信用利差期限结构的空白，提供了新的风险管理和套利定价工具。基于历史波动率的保守校准方法验证了模型的鲁棒性与市场一致性，模拟结果显示信用利差期限结构及其扩散特性均符合实际市场表现，模型在信用风险管控及信用产品定价方面具有重要应用价值 [page::0][page::1][page::4][page::5][page::8][page::11][page::13][page::14]。
Claims processing and costs under capacity constraints
本报告研究保险理赔中的处理延迟与堆积问题，结合排队理论与保险理赔流程，提出基于处理能力约束下的理赔成本优化模型。利用负二项分布模拟申报数据的过度离散性，分析不同处理能力比例对理赔积压和成本的影响，采用循环神经网络近似关键期望值，实证展示合理配置处理能力能有效平衡理赔延迟成本和固定容量成本，实现理赔成本最小化 [page::0][page::6][page::8][page::16][page::20][page::26].
Replicating The Log of Gravity
本报告基于R语言全面复现了Santos Silva和Tenreyro (2006)在TSP中对引力模型的估计，涵盖了PPML、OLS、Tobit及NLS多种模型，确认复现结果与原文高度一致，且未涉及额外数据清洗或转换，展现了复现工作的透明性和准确性，为贸易模型的统计估计提供了方法论示范。[page::2][page::4][page::7][page::9]
Contract Structure and Risk Aversion in Longevity Risk Transfers
本报告建立了一个基于Stackelberg博弈框架的经济模型，分析不同风险厌恶程度的买方与卖方之间的最优大寿风险转移契约结构。研究发现，风险厌恶较高的买方倾向于静态长期契约，而风险厌恶较高的卖方更偏好动态短期契约。此外，信息不对称引入的歧义会压缩长期契约市场，进一步解释资本市场寿命风险转移难以发展。该研究为促进资本市场寿命风险工具发展提供理论支持并指出短期工具的先导作用 [page::0][page::1][page::3][page::11][page::20][page::22]
Disentangling the sources of cyber risk premia
本报告基于机器学习方法，利用doc2vec模型和MITRE ATT&CK知识库，量化企业财报中的网络风险，构建多种细分的网络风险得分。研究发现网络风险得分与传统财务变量无关，且高网络风险股票表现显著优于低风险股票。不同类型的网络风险存在显著风险溢价，但市场似乎整体视之为单一综合风险。相关资产定价检验表明网络风险因子显著提升回报定价能力，且风险溢价随时间增强。同时，事件研究表明市场对重大网络攻击事件的反应复杂，未表现出明显异动 [page::0][page::1][page::33][page::34].
Dynamic Link and Flow Prediction in Bank Transfer Networks
本报告提出了一种创新的模型同时预测动态网络中的链接存在与转账流量。模型通过结构嵌入、转账活动嵌入、分层softmax和总量预测机制，分别预测汇款比例和总汇款额，并将两者乘积作为最终预测值。实证结果基于日本银行转账数据和加密货币转账数据，显示模型在比例预测和链接形成/解散上取得优异表现，尽管总量预测仍面临挑战，尤其是节点活动稀疏时 [page::0][page::2][page::3][page::5][page::7][page::9]
Tuning into Climate Risks: Extracting Innovation from Television News for Clean Energy Firms
本报告首次基于Bloomberg、CNBC与Fox Business等电视新闻，构建多维度气候风险与情绪指标，并实证分析其对美国清洁能源企业系统性风险与非系统性风险的影响。研究发现，气候相关报道量增加提升系统性风险但降低非系统性风险，细分风险中气候危机（物理风险）和政府及人类行动（转型风险）显著推高系统性风险，负面情绪对风险的影响存在不对称性，负面情绪降低非系统性风险、提升系统性风险，且结果在加入印刷媒体情绪和政策不确定性变量后依然稳健。COVID-19疫情期间部分效应存在差异，为气候金融领域研究提供了电视新闻新视角 [page::0][page::3][page::9][page::13][page::16][page::18][page::20][page::23][page::24]
A DEEP REINFORCEMENT LEARNING FRAMEWORK FOR FINANCIAL PORTFOLIO MANAGEMENT
本报告复现并深入分析了基于深度强化学习的金融组合管理框架，核心是EIIE结构与策略网络（CNN、RNN、LSTM）构成的模型，结合PVM记忆和OSBL在线学习机制，实现无需金融模型且显著考虑交易成本。在加密货币市场中，三种网络方法均超越传统策略且表现稳定，但在股票市场表现趋于均衡类似等权重组合，揭示了市场特性对方法有效性的影响。报告还提出未来优化方向，如增强输入特征和调整超参数，以提升股票市场表现 [page::1][page::8][page::31][page::37][page::38]
Short-maturity Asian options in local-stochastic volatility models
本报告推导了局部随机波动率模型（LSV）下亚式期权的短期到期价格渐近行为，涵盖价外和平价两种情形。主要成果包括将价外渐近表达为二维变分问题的速率函数，并提出基于ATM点的速率函数展开方法，获得对亚式期权隐含波动率水平、偏度与凸度的显式近似。通过SABR、Heston等模型的数值仿真，验证了该渐近展开对短期和接近平价行权价亚式期权的良好定价效果 [page::0][page::1][page::2][page::4][page::6][page::9][page::10][page::11][page::13][page::14][page::15][page::16].
COMEX Copper Futures Volatility Forecasting: Econometric Models and Deep Learning
本文对COMEX铜期货不同频率区间的已实现波动率预测进行了系统比较，涵盖传统计量经济模型（如HAR、GARCH）与深度学习循环神经网络（RNN、LSTM、GRU）。结果表明：HAR模型在日频预测中表现优异，QLIKE损失最低且预测平滑；而在小时级高频数据下，深度学习模型预测优于GARCH，且与HAR性能相当。随着预测期延长，深度学习模型逐步缩小与GARCH的差距，显示其在捕捉复杂波动特征上的潜力。整体来看，HAR依然是铜期货日频波动率预测中最稳健的模型表现。[page::0][page::8][page::9][page::10][page::11][page::12]
On the macroeconomic fundamentals of long-term volatilities and dynamic correlations in COMEX copper futures
本文利用GARCH-MIDAS和DCC-MIDAS模型研究不同低频宏观经济变量对COMEX铜期货高频收益波动率及其与标普500指数的长期相关性的影响。研究发现生产者价格指数(PPI)是影响铜期货收益波动率的最有效宏观指标，且将PPI引入DCC-MIDAS模型提升了铜期货与标普500指数相关性的拟合效果，反映了铜期货价格波动与资本市场的同步特征及其宏观经济驱动机制 [page::0][page::5][page::12]。
LSR-IGRU: Stock Trend Prediction Based on Long Short-Term Relationships and Improved GRU
本文提出LSR-IGRU模型，通过利用股票二级行业信息构建长期关系矩阵，结合隔夜价格建立短期关系矩阵，改进GRU输入，融合时序与关系信息，以提升股票趋势预测准确性。实验证明该模型在中美股市四大数据集上优于现有主流模型，且在真实金融公司算法交易平台中实现了显著的累计收益提升，展示了其良好的泛化能力和应用价值[page::0][page::1][page::2][page::4][page::6]。
