本报告利用优化卷积神经网络与机器学习解释框架，识别了对未来市场价格变动预测影响最大的交易特征。研究发现，一小部分“Bellwether”交易显著贡献于价格运动预测，且特征如交易规模、交易场所、年份及交易环境等均对预测信息含量有显著影响，ETF交易信息量低于个股，且不同时间窗口大小对预测力也有差异[page::0][page::4][page::15][page::44]。
本报告提出了一种基于REINFORCE的公式化Alpha因子挖掘新算法QuantFactor REINFORCE（QFR），通过丢弃PPO中的critic网络并引入贪婪基线，有效减少了策略梯度估计的方差，同时引入基于信息比率（IR）的奖励塑形机制，鼓励生成稳健的Alpha因子。实验覆盖中美多市场资产数据，结果表明QFR在增强与资产收益的相关性（提升3.83%）及超额收益能力方面优于现有方法，且训练收敛更快，符合理论分析预期 [page::0][page::1][page::5][page::10][page::14]。
本报告研究了去中心化点对点风险共担市场中基于鲁棒失真风险度量的Pareto最优风险分配，提出了最优分配的明确刻画，并通过概率风险厌恶指数量化尾部风险态度。结合美国洪水风险保险市场的实证数据，比较了中心化与去中心化保险结构下的Pareto最优配置，发现去中心化市场可避免垄断定价带来的福利损失但平均福利增益略低于中心化市场 [page::0][page::3][page::9][page::27][page::29]。
本报告提出了一种基于修正的Ornstein-Uhlenbeck跳跃过程的温度衍生品定价模型，结合印度12个州1951-2023年历史数据进行校准。模型融入风险厌恶参数，通过蒙特卡洛模拟计算取暖度日(HDD)、制冷度日(CDD)及极端天气期权价格。结果显示不同州份的期权价格差异显著，反映地区气候差异，制定了针对各州气候风险的具体对冲策略。敏感性分析突出波动率对价格影响的重要性，为能源和农业行业提供实用的温度风险管理工具。[page::0][page::1][page::6][page::8][page::9]
本报告基于非套利定价理论视角，系统研究去中心化借贷协议中的贷款合约，将其视为含有清算机制的美式带障碍期权。研究揭示无利差时不应进入合约，而引入利率差异和交易成本后，提出基于深度神经网络的对冲策略，有效复制合约收益并降低风险。通过历史数据与蒙特卡洛模拟验证方法的有效性，体现了市场非均衡状态下套利及风险对冲的可行路径 [page::0][page::4][page::6][page::7][page::8].
本研究结合监督学习与无监督学习，采用线性模型提取价格峰值特征及高斯混合模型（GMM）进行市场数据聚类，评估不同机器学习算法（如KNN、随机森林）对比随机策略的市场涨跌预测性能。6个月比特币、Pepecoin及纳斯达克分钟级数据验证显示，GMM预处理促进算法泛化，KNN和随机森林在Pepecoin市场表现出超越随机算法的收益潜力，为新型特征构建和市场细分提供实践路径 [page::1][page::6][page::8][page::15]
本报告建立了一个基于博弈论的数学框架，研究多个交易者在固定时间内构建股票仓位时的最优策略。核心关注市场冲击的临时和永久成分及其对成本的影响，提出并证明了均衡策略的存在性与封闭解，涵盖风险厌恶与多交易者竞赛情境，结合大量数值示例深入解析不同市场冲击系数(kappa)下策略形态与交易成本，提出逆问题用于策略诊断，并探讨不确定性下的策略选择与参数误估的敏感性分析 [page::0][page::1][page::4][page::11][page::16][page::20][page::22][page::30][page::33].
本文系统研究了基于深度学习算法在多国家场景下对GDP增长率的回归和预测问题，涵盖仅GDP数据、经济指标及新型夜间灯光数据的影响。结果显示：仅用GDP增长值时，线性回归表现优于深度学习；而结合经济指标时，深度学习模型（如MLP和LSTM）优于线性回归。同时提出了结合大语言模型的表示Transformer模型用于可变指标数场景。灯光数据未必带来性能提升。研究涵盖年度和季度GDP预测，以及多模型性能对比，提供了多国GDP预测方法的全景视角。代码开源 [page::0][page::2][page::4][page::5][page::7][page::9]
本文系统分析了条件线性因子模型的基本性质，重点探讨了收益率和因子的条件均值与协方差矩阵的关系，揭示了非平衡面板下因子组合对条件均值方差有效投资组合的跨时与横截面性质，证明了生成性风险因子模型存在以同一特征矩阵加载的可交易因子表示，奠定了条件线性因子模型的设定与估计基础，支持现代金融机器学习的发展 [page::0][page::1][page::2][page::4][page::5][page::6][page::10][page::12][page::13][page::14]
本报告通过一项注册前实验，利用300名专业翻译者使用13种不同规模的LLM完成1800个翻译任务，实验证明模型训练计算量每提升10倍，任务完成时间减少12.3%，质量提高0.18标准差，收益提升16.1%。低技能翻译者的收益增长幅度更大，约为高技能者的4倍。基于此，推算未来十年LLM模型规模增长可推动美国生产率提升约6.9%。该研究首次从经济视角揭示LLM训练规模的边际生产率收益，为AI驱动劳动生产率提升提供坚实实证基础[page::0][page::1][page::2][page::6][page::7][page::8][page::9][page::10][page::12][page::13][page::14]。
本报告基于埃塞俄比亚、马拉维和尼日利亚的家庭面板数据，因果识别COVID-19大流行期间生计多样化对食品不安全状况的影响。研究发现，大规模灾害背景下，生计多样化未显著提高家庭抵御食品不安全的能力，生计多样化作为小规模冲击的应对策略有效性有限。政策制定者需关注过去有效的应对策略可能在未来大规模灾害中失效的现实，需探索新的适应机制 [page::0][page::1][page::2][page::12][page::14][page::16][page::17][page::24]
本研究针对高频极限订单簿（LOB）数据的复杂性，提出了一种基于注意力机制的序列到序列预测模型，采用复合多变量嵌入方法，能够有效捕获订单簿中价格、成交量及多层级、订单类型之间的时空相关性。实验结果表明，该方法在多层订单簿的价格与成交量预测中表现出卓越的准确性与结构一致性，显著优于传统时序模型及其他注意力机制模型，强化了高频交易中的订单簿动态刻画能力，为风险管理和最优执行提供支持 [page::0][page::2][page::5][page::9][page::11][page::13][page::16]
本报告提出一种结合地球观测数据、机器学习及调查数据的新方法，实现在缺乏传统经济数据环境下的技术影响评估。以孟加拉国抗逆性水稻品种（STRVs）为案例，覆盖20年米产和洪涝数据，发现STRVs对缓解洪涝产量损失的影响证据不足。通过家庭面板数据和蒙特卡洛模拟验证结果，揭示测量误差对影响评估的显著干扰，展示了地球观测数据在数据匮乏环境中进行影响评估的挑战与潜力[page::0][page::3][page::6][page::26][page::29][page::31][page::41]
本报告研究了1990年德国统一后东德发明人的组织间和地域迁移模式，重点分析了非正式制度（包括政治态度和地方社区规范）对知识获取和迁移决策的影响。通过25,218名发明人的专利数据匹配和利用东德国家安全部（Stasi）工业间谍活动数据，结果显示：获得西方前沿知识的发明人更可能继续专利活动并在不同组织间流动；支持社会主义政权的社区导致知识流动受限，降低发明人专利续作概率；那些克服社群障碍的发明人更倾向迁至西德。这些发现强调了非正式制度对高端人才流动及知识转移的关键作用，为理解创新人才跨境迁移提供了新视角 [page::0][page::2][page::10][page::20][page::25][page::27].
本文研究了当高风险个体的寿险保单较少解约时，利用解约盈余支持保费如何加剧逆向选择成本。通过‘Term to 100’合同并结合遗传测试风险，本文识别了解约盈余的三种处理方法，分析了不同逆向选择情境下保费、解约行为与保险利润的复杂关系，发现解约支持保费显著增加逆向选择损失的风险。此外，数值模型表明，禁止使用遗传测试结果的影响在不同建模方法下是一致且稳健的[page::0][page::1][page::5][page::6][page::18][page::22][page::26]。
本报告基于Scopus数据库，采用Bibliometrix工具对2004-2024年间欧盟排放交易体系（EU ETS）相关文献进行详细的文献计量分析。研究揭示了EU ETS研究的快速增长趋势，重点探讨了碳定价、市场波动和经济影响等核心主题。文献主题映射显示，限额与交易体系和碳泄漏为研究核心，未来研究应加强非参数方法、宏观经济因素及金融市场关联分析，以提升系统设计与政策效果评估 [page::0][page::1][page::15][page::18]
本报告研究了利润最大化企业通过隐瞒征税信息（税收遮蔽）对纠正性税收效果的削弱效应，聚焦德国数字体育博彩的5%体育博彩税改革。实证利用庞大线上博彩赔率面板数据，发现消费者平均承担76%的税负，遮蔽政策下企业能传导90%的税负，而未遮蔽企业传导率仅16%。基于含税收遮蔽和异质消费者注意力的寡头模型，指出遮蔽行为仅在部分消费者对税负反应不足时成立，税收遮蔽显著降低纠正性税收的福利效果，建议对遮蔽行为进行监管，确保税收的有效执行 [page::0][page::1][page::2][page::3][page::4][page::5][page::22][page::26][page::32][page::36].
本文基于加权贴现函数的时间不一致偏好，构建连续时间内不可逆投资的贝尔曼系统，分析了递减不耐烦对投资行为的影响。研究发现，递减不耐烦促使提前投资，但也可能导致光滑粘合原则失效，提示时间不一致问题下需谨慎验证经典技术假设 [page::0][page::1][page::2][page::14][page::19]
本报告提出了一种针对左截断右删失生存数据的双重双稳健估计方法，通过两次应用双重稳健估计分别处理生存函数估计与因果效应估计，保证了估计的无偏性与效率。报告详细阐述了生存数据分析中的模型假设、参数和非参数方法、神经网络框架下的损失函数设计，并在模拟数据中展示了该方法相较传统Cox模型和神经网络模型的优势，特别适用于处理复杂的删失和截断机制，提升了平均和异质性治疗效应的估计精度 [page::0][page::16][page::19][page::20][page::27][page::28][page::29].
本报告基于7.4亿条推文中的1.5亿地理标签DeFi相关推文，利用多语言BERT情感分析模型，整合经济和地缘政治数据，采用空间计量、聚类和主题模型技术揭示不同国家对DeFi关注度和情绪的显著差异。研究发现经济发展水平（GDP人均）是DeFi讨论活跃度的关键驱动力，尤其自2015年加密货币（如比特币）价格上涨后影响增强。低收入国家虽经济落后，却展现高关注度及积极情绪，偏重金融安全和暴富梦想；中等收入国家更多结合社交和宗教话题；高收入国家则偏向视DeFi为投机或娱乐工具。该研究为金融包容政策制定及DeFi负责任发展提供数据支撑和理论依据，并通过开源数据和非代码平台推动跨学科研究扩展[page::0][page::1][page::5][page::7][page::10][page::12]
