本报告提出一种基于强化学习的加密资产组合管理模型，通过引入双向交易与借贷机制及基于盈亏的奖励函数，显著提升了模型在高风险环境下的收敛性和风险管理能力。实验结果显示，该模型在波动剧烈的加密货币市场实现了超越传统回报型RL和多种经典单期优化模型的收益与风险表现，尤其在高波动期获得了更优的收益风险比和下行风险控制效果，验证了其动态多周期资本优化的有效性 [page::0][page::8][page::14][page::15][page::17]。
本文提出“民主优惠通道”理论，指出西方强势民主国家及国际组织在制裁及军事政策上对民主国家更为优惠，导致传统文献中民主对经济增长的积极影响被高估甚至颠倒。通过控制美英等国制裁和军事关系变量，作者实证发现民主对于人均GDP增长的正面效应显著削弱甚至转负，且在冷战前时期表现尤为明显，支持民主优惠通道的存在并挑战民主制度内在机制解释[page::0][page::2][page::6][page::7][page::9][page::12]。
本报告基于德国2012-2022年劳动市场紧缩的详尽数据，采用具有创新性的leave-one-out工具变量法，实证发现劳动市场紧缩对工资存在正向弹性，介于0.004至0.011之间，解释了同期7%-19%的真实工资增长。研究还揭示了新入职、高技能工人、东德及服务业中弹性更大，且工资紧缩效应在低工资群体尤为显著，促使过去十年工资不平等有所下降[page::0][page::2][page::3][page::12][page::14][page::19][page::32][page::33]。
本报告针对多席位排序选举中选民投出部分偏好顺序（截断选票）的现实情况，提出新的公平性准则：失利选民集团独立性（ILVB）和胜利选民集团独立性（IWVB及其变体）。通过理论最坏情况下分析及苏格兰地方选举实际数据实证，发现Chamberlin-Courant规则在满足这些准则上表现最佳，而扩展批准规则表现最差，单一可转投票（STV）规则居中。这些准则反映当移除仅支持输家或赢家候选人选票时，获胜委员会的合理不变性，且与比例代表制存在一定张力。[page::0][page::2][page::4][page::8][page::12][page::16]
本文基于印度国家证券交易所Nifty期货的高频Tick数据，利用Hawkes过程建立了考虑买卖单交叉激励的订单流失衡（OFI）模型。通过参数化和非参数化核函数拟合，开发了多模型近端OFI分布预测方法，并提出了基于Superior Predictive Ability测试框架的多模型优劣比较方法。结果表明，使用指数和指数和核的Hawkes过程在模型拟合和预测性能方面表现最优，且考虑了交易间隔时间对订单流依赖结构的影响显著提升了预测质量，为高频市场做市策略中的风险管理提供了有效工具。[page::0][page::4][page::6][page::7][page::15][page::16][page::17][page::18]
本文基于对50万用户两个月期间信息传播行为的大规模实证分析，揭示了社交网络中的两种病毒式传播渠道——私信(DM)和广播(BC)——对“弱关系强度”理论的调节作用。结果显示，DM渠道尽管涉及更强的关系，却传递了更多的新颖信息，且弱关系在DM中并不比强关系提供更多新颖信息；而在BC中，弱关系显著促进新颖信息传播。发信人与收信人的内容选择行为是该现象的根本机制。该发现丰富了弱关系理论，且对信息传播策略具有重要启示[page::0][page::1][page::2][page::3][page::4][page::5][page::6]
本报告基于情感分析技术量化巴基斯坦国家银行（SBP）货币政策文件的语调，结合高频股票市场数据，发现在控制多项宏观变量后，SBP公报中的积极（消极）情绪显著正向（负向）影响卡拉奇股票市场收益，但传递效应不具长期持续性，表明SBP沟通在短期内成为货币政策工具和市场预期管理的重要手段 [page::0][page::6][page::9][page::14][page::16][page::19][page::20]。
本报告提出了将PolyModel理论与最新的深度学习技术iTransformer结合，用于对冲基金组合构建。通过构建多维风险因子特征（如长周期Alpha、SVaR等），并利用iTransformer进行趋势分类预测，实现了超越传统基金组合基准的显著收益提升和风险控制[page::0][page::2][page::5][page::6][page::9]。
本报告通过反应扩散模型模拟耦合的两个流体极限订单簿，重点展示了交易者互动如何导致Epps效应的自然出现。利用非均匀采样和校准参数，模型成功再现了真实金融市场中的相关性随观察时间尺度变化而显现的现象，证明了Epps效应是订单簿耦合与离散交易事件共同作用的涌现属性，而非噪声影响 [page::0][page::3][page::6][page::8]。
本报告研究了在多个风险参与者具有异质概率信念的情况下，基于Lambda Value-at-Risk (ΛVaR) 偏好的风险分摊问题，推导了多ΛVaR测度的半显式卷积公式及对应的最优风险分配形式。通过考察同质信念、条件信念和绝对连续信念三种情形，分析了信念关系对风险分配的影响。此外，讨论了ΛVaR与一般风险测度（包括期望效用、扭曲风险测度及ΛVaR自身正向定义ΛVaR⁺）在异质信念下的卷积结果，发现当信念高度不一致且风险容忍度高时，风险分摊出现无穷大的平凡结果，揭示了信念异质性与风险偏好对风险分摊问题的关键影响机制 [page::0][page::2][page::3][page::9][page::11][page::13][page::16][page::18].
本文首次系统研究了驱动于广义半鞅市场的多期连续时间下的二次效用和线性均值方差均衡的存在性与唯一性。通过构造非标准代表性代理人及固定点方法，获得了严格的存在唯一条件，并给出了均衡价格的显式表达式。此外，报告展示了市场不完备和不满足整合性条件时均衡的非存在或非唯一性示例，同时将二次均衡结果应用于线性均值方差偏好，实现对更广泛均衡价格的近似 [page::0][page::1][page::3][page::9][page::14][page::15]。
本报告基于Wiener-Khinchin定理，采用分段、去趋势与归一化方法，对1996-2023年S&P500与2019-2023年比特币的高频价格收益率进行了宽义平稳性比较分析。结果显示，S&P500的收益率经过12个月去趋势窗口和10分钟归一化窗口处理，可实现整体平稳性，但细分时间段内的平稳窗口更大，表明局部数据更均一。比特币则仅在波动较大的区间（归一化窗口60分钟）呈现平稳，其它时段难以建立平稳性。研究揭示传统股市与加密货币市场在时间序列稳定性上的本质差异，丰富了金融时间序列平稳性理解，为量化投资及风险管理提供了新的数据支撑和方法论框架[page::0][page::2][page::3][page::4][page::5].
本报告提出了一种结合机器学习的高效重要抽样算法，用于复杂黑盒模型中扭曲风险度量（DRM）的蒙特卡洛估计，显著降低计算成本并提高尾部风险估计的准确性。方法通过对量化分位数的离散和样本分配优化实现，并在多个数值案例和保险资产负债管理模型中验证其方差缩减效果，尤其适用于极端尾部事件的估计，支持风险管理与资本充足性评估 [page::0][page::3][page::10][page::13][page::16][page::18]。
本报告构建了一个基于多维Ornstein-Uhlenbeck过程和确定性碳价格的模型，量化气候转型对房地产价格的影响。模型结合销售比较法与收益法，考虑了建筑能效差异导致未来能源成本及最优翻新时点的影响，模拟结果与法国房价指数和能耗数据基本吻合，揭示碳价格增长及翻新成本对房地产价值折旧的显著作用，为政策制定和资产管理提供了理论工具 [page::0][page::2][page::6][page::19][page::20]
本文提出了一种称为“数据时间旅行”的方法，应对基于匿名历史数据的多智能体系统中强化学习训练的难题。通过在高频交易的限价订单簿中实践，该方法通过跳转历史时间点以保证状态与事件的一致性，有效模拟智能体的影响，显著提升市场做市策略的盈利效果，克服了传统顺序数据使用带来的偏差问题，拓展了强化学习在金融市场的可行性[page::0][page::2][page::5][page::6][page::7][page::9]。
本文首次将偏微分方程（PDE）方法应用于基于新广义Forward Market Model（FMM）的无风险利率（RFR）衍生品定价，系统推导了相应PDE，并设计了基于非均匀网格的高效有限差分AMFR-W1数值算法以应对多维带混合偏导的PDE求解。通过多个维度的RFR互换期权和含早期权益的Bermudan期权的数值实验，验证了PDE方法的准确性和优越性（与Monte Carlo结果对比），实现了空间二阶收敛，展示了PDE方法在IBOR向RFR过渡市场的应用潜力 [page::0][page::4][page::13][page::22][page::30][page::31].
本报告基于CatBoost算法，提出了一种监督式相似度学习框架，用于衡量市政债券之间的相对价值。通过多目标回归预测债券的OAS和收益率，模型能够基于风险特征识别相似债券组，从而实现更精准的相对价值排序。实证结果显示，该方法在不同市场环境下通过对比回测优于传统规则基方法和收益率排序法，尤其能规避仅靠高收益带来的风险积累，提升投资组合的风险调整收益表现[page::0][page::1][page::5][page::6][page::7]。
本报告提出了利用无差异定价(indifference pricing)构建弱信息价值的数学框架。该框架通过改变物理概率测度来表示信息的微小扰动，实现信息价值的量化、连续性和稳定性分析。重点证明了在满足一定可积条件下，价值函数、最优投资及无差异价格对概率测度的微小变化收敛，并给出反例说明相关假设的必要性。此外，报告还深入探讨了完全及不完全市场中无差异价格不变的随机变量类别，连接了弱信息模型与初始滤波扩张理论，丰富了信息不对称下最优投资和定价理论[page::0][page::1][page::2][page::6][page::18][page::25][page::27].
本文推广了Giachetti-Tognetti-Feynman-Kleinert（GTFK）半经典路径积分方法至含时依Hamiltonians，拓展了其在金融衍生品定价中的应用。以Black-Karasinski模型为例，展示了该方法在高波动率与多年期限下的准确性与计算效率，提供了比传统数值方法更具优势的可行替代方案[page::0][page::1][page::9]。
本报告提出了一种高效且可靠的SABR模型蒙特卡洛模拟方法，创新性地用移位对数正态(SLN)分布匹配条件平均方差的前三阶矩，扩展了模拟步长适用范围。同时，报告提出基于常数弹性方差(CEV)过程的条件远期价格近似，保证了鞅性质，优于常用Islah近似，并采用基于移位泊松混合伽马分布的CEV精确采样算法，有效提升模拟精度与计算效率。数值测试表明该方案在大到期时间等复杂参数条件下，模拟结果准确且计算速度快速 [page::0][page::1][page::2][page::7][page::10][page::11][page::15][page::18][page::22][page::23]
