本报告提出融合$\delta$-Slack-Based Model（$\delta$-SBM）与Ordinal Priority Approach（OPA）的混合模型，针对数据不确定性与政策偏好的影响，创新性地评估区域碳排放效率。应用于2021年中国30省工业碳排放效率（ICEE）分析，揭示经济、环境与技术三类政策优先情景下效率差异，通过K-means聚类识别技术驱动、发展平衡和转型潜力三类省份。结果显示技术优先政策普遍提升效率水平，并为各省提供个性化低碳发展路径与政策建议，有助促进中国工业稳步实现“双碳”目标。[page::0][page::1][page::3][page::12][page::15][page::19][page::23]
本文研究了在偏好异质性条件下，推荐系统如何通过“点赞”等粗糙信号影响消费者需求和福利。模型区分了推荐的客观与主观内容，揭示了基于贝叶斯推断的接收者行为，以及平台在价值最大化与需求最大化之间的设计权衡。结果表明，在对称群体中，极端阈值实现推荐的客观性，而在非对称群体中，存在内点阈值以有效传递主观信息。此外，附加推荐层级和多信号并未系统提升系统价值。该研究深化了对数字经济中推荐系统设计及其经济效应的理解，为平台和消费者间的利益冲突提供了理论依据 [page::0][page::1][page::2][page::4][page::5][page::7][page::10][page::12][page::14][page::17][page::20][page::23][page::24].
本报告围绕短期Caplet市场定价问题，基于一因子Cheyette模型，评估多种局部波动率与随机波动率形式的标定效果。通过通用模拟定价框架及参数化微分机器学习方法，发现带有关联Lognormal随机波动率（QDLNSV）与分段线性局部波动率的模型能更好拟合1年期不同行权价的Caplet微笑，实现精准高效的市场数据重现 [page::0][page::4][page::8][page::16][page::22]
本报告通过质化访谈、调查及计量经济学方法，深入分析了开放标注数据集（尤其是CIFAR-10）在深度学习技术和科学发展中的关键作用。研究发现，CIFAR-10作为一个虽小但适中复杂度且标注精良的数据集，搭建了从小规模数据到大型复杂数据的桥梁，有效促进了卷积神经网络模型的测试、迭代和教学，并在专利及学术引用中展现了显著的影响力，为深度学习兴起奠定基础 [page::0][page::2][page::19][page::21][page::24][page::29].
本文提出了Large Investment Model (LIM)框架，融合端到端学习与通用建模理念，构建一个能够从跨交易所、多资产、多频率多模态数据中自学习全局信号模式的上游基础模型，并将其迁移至下游策略模型以优化特定任务表现。LIM架构设计兼顾计算与数据基础设施，支持自动化策略生成，并通过期货与股票市场间的跨品种预测实验验证了其优越性，指出其在降低量化研究成本、提升策略效率方面的潜力及未来扩展方向 [page::0][page::2][page::6][page::7][page::12][page::15].
本报告基于高频交易数据，构建包含多种流动性指标的机器学习分类模型，预测股票一分钟内价格涨跌方向。研究发现，使用全部流动性指标组合能显著提升预测准确率，随机森林模型表现最佳，流动比率、资金流比率及换手率为关键特征，反映流动性对市场动态的深刻影响，为流动性风险管理与金融网络分析提供了实证支持 [page::0][page::3][page::4]。
本报告提出了一种基于因果启发的金融时间序列预测框架，通过结合最先进的因果发现算法与非因果特征选择方法，解决了金融市场分布变化带来的预测稳定性和准确性问题。实证结果显示，因果驱动模型在危机时期显著优于传统预测方法，尤其是在全球金融危机和COVID-19等动荡市场环境中，表现出更低的预测误差和更稳定的特征选择，验证了因果特征选择在提升投资组合经济价值上的有效性 [page::0][page::1][page::10][page::11][page::13][page::14][page::15]。
本文研究基于Lambda-Value-at-Risk(ΛVaR)的最优保险设计问题。结果证实，在期望值保费原则下，截断自留额型（stop-loss）的赔付形式仍是ΛVaR模型下的最优解，并给出截留额的闭式表达式。采用Λ' VaR作为保费原则时，最优方案为完全保险或无保险。若Λ' VaR仅用于确定风险加载系数，则双重stop-loss形式最优。论文还系统考察了模型不确定性情形，针对概率测度的不确定性集合，分别基于似然比和损失的前两矩，推导出对应最优策略及截留额闭式解。研究拓展了VaR方法，进一步提供了ΛVaR在保险定价及风险转移中的实用理论框架。[page::0][page::1][page::4][page::5][page::18]
本报告构建了包含规划与侦察阶段的匹配硬币博弈模型，揭示了玩家在行动准备过程中如何基于部分信息调整计划，并证明信息质量直接影响胜率和冲突概率。扩展模型考察了主动权和诱饵的作用，说明主动发起者优势显著且诱饵能削弱对方信息优势，为理解现实冲突中的战略互动提供新视角 [page::0][page::4][page::5][page::8][page::10]
本报告采用新颖的$R^{2}$分解连接性方法，揭示了农业、原油、碳排放许可和气候变化期货市场间的即时与滞后风险溢出效应。研究发现总连接指数以同时效应主导，玉米、大豆粉和小麦为主要净风险传导者，而大麦、可可和瘦肉型猪为主要风险接收者。气候变化市场显著影响其他市场，且俄乌战争事件显著提升了市场溢出水平，为投资者和政策制定者提供了风险管理及策略制定的实证依据 [page::0][page::6][page::7][page::13]
本报告针对带有不确定性的递归动态规划气候经济模型，提出结合深度神经网络的最小二乘蒙特卡洛方法，应用于包含五大主要不确定性的随机DICE模型，显著提升了高维随机控制问题的求解效率。通过综合数值实验与不确定性量化，展示了模型在多元不确定冲击下的优化策略推导能力及决策稳健性分析方法，为气候政策制定及风险评估提供创新工具[page::0][page::3][page::16][page::19][page::23]。
本报告提出了一种包含主要交易者与大量次要交易者的均场清算博弈模型，分析了周期性交易行为的成因与影响。模型建立了主次交易者间的策略互动，证明了存在唯一的开环纳什均衡，并给出了有限玩家博弈与均场博弈解的近似关系。研究发现，次要交易者在周期及趋势两方面存在抢跑行为，压缩了主要交易者的盈利与周期交易强度，同时整体降低了市场的交易量和价格的周期性波动，提升市场稳定性，深化对周期性市场微观机制的理解 [page::0][page::1][page::2][page::4][page::18][page::20][page::21][page::25][page::26][page::32][page::57]。
本报告提出基于GraphRAG的多变量序列到序列时间序列分析方法，融合知识图谱中公司的竞争与合作关系，显著提升风险投资领域初创企业成功预测的准确性和鲁棒性。通过构建掩码矩阵正则化模型，有效应对稀疏数据问题，实现超过16%的R-squared提升，验证了方法在复杂多维关系网络中的优越性能和稳定性 [page::0][page::1][page::3][page::6][page::7].
本报告研究环境转型背景下，未来情景不确定及概率模糊情况下经济主体的最优停止时机与资产剥离决策。基于Klibanoff等（2005）的平滑模糊决策模型，构建带有学习的模糊厌恶环境下的最优停止问题理论框架，证明可将该非标准问题转化为一系列标准最优停止问题，便于用动态规划求解。通过股票含糊漂移和煤电厂剥离两个应用案例，演示理论实用性及数值求解方法。研究揭示模糊厌恶导致对悲观情景赋予更高权重，影响投资价值和闭厂决策时机，为气候金融中的资产评估和风险管理提供新视角 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14][page::15][page::16][page::17][page::18][page::19][page::20][page::21][page::22][page::23][page::24][page::25][page::26][page::27]
本报告针对仿射随机波动率模型提出了一种基于矩方法的参数估计方法。核心贡献在于建立了用于任意阶矩递归计算的闭式表达式，进而构建了明确的矩估计量，证明了其渐近正态性质，并推导了协方差矩阵的显式公式。数值实验验证了估计方法的准确性和计算效率，优于传统MCMC方法，且适用范围涵盖多种仿射随机波动率模型 [page::0][page::2][page::8][page::15][page::17]。
本报告利用Shift-Share工具变量方法，基于外生的价格-商品冲击，因果识别非洲矿产贸易对冲突的影响。研究发现矿产贸易增加显著提升冲突数量，且由油气类矿产驱动；稀有矿产如钴、钽等并未影响冲突数量，但显著增加了冲突的致死人数。研究揭示不同矿产类别对冲突的差异性影响，丰富了资源安全与环境政策议题 [page::0][page::2][page::13][page::16][page::18]
本报告围绕高频期权交易策略，结合多种先进组合优化模型（如动态权重调整、稳健优化等），基于SPY期权分钟级数据，系统评估了隐含波动率及期权希腊字母构建的多种交易策略，发现动态组合策略在Theta、Rho及复合希腊字母策略中表现优异，展现了在复杂快速市场环境中稳健收益的潜力[page::0][page::2][page::4][page::8].
本文探讨人工智能（AI）如何影响企业的战略决策过程。通过现实创业孵化器和创业大赛的实证数据，发现当前大型语言模型（LLMs）在战略生成与评估能力上可与创业者和投资者相媲美，显著提升战略分析的速度和质量。研究进一步分析AI对战略决策底层认知过程（搜索、表征、聚合）的影响，并提出将AI在战略决策中的应用与企业绩效联系的框架，指出AI将深刻改变竞争优势的形态及战略理论的发展方向 [page::1][page::3][page::5][page::15][page::18][page::29][page::35]。
本报告系统回顾了风险管理中无限均值模型的最新进展，重点分析其在金融和保险领域中重尾风险的建模价值与统计推断挑战。研究指出，经典有限均值模型的许多结论在无限均值模型中失效甚至反转，诸如VaR多元风险的超加性、风险分散的负面效应和经典中心极限定理的失效等，强调在无限均值情形中需谨慎使用传统统计和决策工具[page::0][page::1][page::12][page::22]。
本报告针对基于Eisenberg-Noe金融网络模型的系统性风险度量，重点研究基于VaR的集合值风险测度的样本平均近似（SAA）收敛性质。首次拓展SAA理论至集合值风险测度，证明在Wijsman和Hausdorff拓扑下的几乎必然收敛，并设计混合整数规划方法计算SAA对集合。通过基于Bollobás优先连接模型和Pareto分布的金融网络模拟，验证算法效果及灵敏度，为系统金融风险管理提供理论与计算框架 [page::0][page::3][page::4][page::9][page::16][page::23][page::28][page::36][page::46]
