本报告针对哥斯达黎加通胀预测，比较了基于时间序列的单变量ARIMA模型与基于经济理论的多变量模型（如新凯恩斯菲利普斯曲线模型）。通过结构性变点分析选取2009-2018年数据，结果显示单变量模型在样本外预测中表现略优，多变量模型样本内拟合更好，但对2022年疫情及全球冲突引发的冲击预测能力不足，凸显了模型在面对重大外部冲击时的局限性[page::5][page::6][page::10][page::11][page::12][page::13]。
本报告系统研究了风险函数和效用函数对大额损失的敏感性条件，定义了“对大损失敏感”这一性质，并针对风险度量中的VaR和ES等主流度量进行了深入分析。研究指出，VaR和ES在自然定义域内通常不敏感大损失，但修正后或局部考虑时可具备该性质。报告还涵盖了星形风险测度、期望效用以及确定等价物等多种实例，揭示了经济和数学上的充分必要条件，为风险管理和资产定价的理论与实践提供了重要借鉴 [page::0][page::1][page::3][page::4][page::9][page::10][page::24][page::29]
本文首次将分布式状态价值函数引入金融市场估值与交易算法领域，提出了一种灵活且基于收敛性质的模型框架（CDG-Model），可并行估计多策略及多时间尺度的资产未来收益分布。该模型无需严格分布假设，能有效整合交易成本和滑点，增强特征表示能力，提升市场定价和算法交易性能。实证结果显示模型可捕获收益分布多样性及其时间动态，为风险管理和决策提供丰富信息，具有广泛的应用潜力和未来研究价值[page::0][page::1][page::7][page::14][page::19]。
本报告通过回归不连续设计与工具变量方法，实证分析了旧金山地区检察官切萨·布丁任期对起诉、定罪及案件转移的显著影响。结果显示，布丁任期内，月度起诉与定罪分别下降31%和21%，成功案件转移增长58%。利用布丁任期作为工具变量，分析指出起诉减少与犯罪水平之间存在一定关联，但受新冠疫情等因素影响，结论并不完全显著。结合机器学习方法优化回归估计带来了潜在的改进空间，推动社会科学计量分析方法革新，为未来司法政策评估提供了新的技术路径和视角。[page::0][page::4][page::5]
本报告提出一种离散时间的高频市场做市最优策略模型，采用随机线性需求函数及一般价格动态，无需布朗运动或鞅假设，实现对未平仓库存的终端清算成本的动态控制。策略能够在线自适应市场订单流的变化，基于纳斯达克MSFT限价单簿实证校准，显著优于非自适应策略，提升收益和库存管理效果。[page::0][page::3][page::27][page::34][page::39]
本文提出一种基于罚函数法和深度BSDE框架相结合的深度学习算法——深度罚函数方法（DPM），用于高维最优停止问题的数值求解。该方法解决了传统离散时间方法中的优化误差累积问题，提供了误差界定，且通过美式期权的数值测试验证了算法的准确性与计算效率，支持在高维状态空间中有效应用 [page::0][page::2][page::22]。
本文利用超过三年欧元斯托克期货逐笔订单数据，提出基于两个时间尺度的双层粗粒化方法，去除高频噪声，实现分钟级数据有效分析。通过主成分分析构建“微结构模式”，分离买卖对称与反对称流量/价格动态，并基于多阶向量自回归(VAR)模型捕捉其演化，获得稳定的动态结构及良好预测效果(R²达30%以上)。研究揭示长期记忆导致VAR模型趋向边界稳定，支持“内生流动性危机”观点。对冲击价格的模拟反映出影响的线性及自身回归但未复现实证中广泛观察到的平方根冲击规律，提示需要引入价格条件依赖等非线性因素以改进模型。[page::0][page::1][page::6][page::8][page::10][page::13][page::14]
本研究通过实验设计，考察了人工智能（AI）辅助在减少医疗过度治疗中的效果。采用三种激励机制（固定、递增、递减）与AI辅助相结合，发现AI可使过度治疗率降低最高达62%，并显著提升诊断准确率17%-37%。研究量化了过度治疗中的货币与非货币激励贡献比例，强调激励一致性对AI发挥最大效用的重要性。结果为医疗管理者引入AI提供了实证依据，展现了激励调整与AI协同改善医疗质量和社会福利的潜力 [page::0][page::1][page::2][page::3][page::6][page::8][page::12][page::15].
本报告聚焦零售时尚行业中消费者对产品视觉美学的异质性偏好，利用预训练多模态深度学习模型将商品图片与文本描述转化为高维嵌入向量。通过离散选择模型并结合消费者人口统计数据，系统解析价格敏感性、美学偏好、详细描述及季节性因素对消费者选择的驱动作用。模型运用自动微分及GPU实现大规模估计和推断，有效捕捉不同消费者群体间的美学差异及价格弹性，且具备对于新品设计预测销售表现的良好验证能力 [page::0][page::4][page::5][page::7][page::10][page::11][page::12]。
本报告系统梳理了估计创新产出函数的多种方法，包括朴素法、线性回归、极大似然估计和贝叶斯推断，针对不同数据可得性，以及考虑随机模型的扩展。通过美国TFP、计算机象棋软件Stockfish和软件研发的案例分析，揭示了输入输出数据测量难题和统计估计中多重共线性、内生性等挑战，并展示了如何在数据充分和匮乏情况下应用现代统计方法进行估计，为创新和经济增长研究提供了规范化的路径和经验启示 [page::0][page::3][page::5][page::13][page::21]
本报告首次提出“Influencer Cartels”（社交媒体影响者合谋团体）的理论模型并结合Telegram与Instagram数据进行实证分析，揭示影响者通过合谋互相刷量以提升广告收入的市场失灵问题。理论部分证明合谋能缓解关注度搭便车问题，当互动质量较高时可能提升社会福利，否则降低福利。利用大语言模型和图像模型测算互动匹配质量，发现专题合谋互动质量接近自然互动，泛化合谋质量大幅下降，广告主实际价值大打折扣。基于理论与实证，提出政策建议，主张重点打击泛化合谋和完善支付激励机制以抑制刷量行为 [page::0][page::1][page::3][page::5][page::13][page::16][page::27][page::28]
本报告基于“投入产出”生产模型，系统描述了满足可持续发展的经济系统均衡状态，包括线性方程与不等式系统的非负解的全部解构，建立了最小过剩供给水平的实消费向量与二次规划问题的联系，提出了经济系统可持续运行的必要充分条件，并证明存在能够实现此模式的税收向量集合，进一步给出了税收向量的约束条件。此外，报告提出了经济总体现描述的公理体系，为研究实际经济系统在可持续发展模式中的适应性提供理论基础 [page::0][page::1][page::2][page::3][page::24][page::47][page::48]
本报告针对FTSE 100和纳斯达克前100只股票的历史日收益率，采用最大似然估计方法拟合κ-广义分布，结果显示该分布较稳定分布和正态分布更优，且蒙特卡洛拟合优度检验表明大量股票收益率符合该分布特征，尤其是纳斯达克股票，验证了κ-广义分布在财务收益率建模中的适用性 [page::0][page::4][page::5][page::6][page::7]。
本报告探讨了在Fréchet格子上凸且有序上界的泛函自动范数连续性，进一步推广了Ruszczyński和Shapiro定理，涵盖了多种偏差与变异性度量。同时证明了Orlicz空间中具有序连续性且守法不变的泛函的强一致性，扩展了已有研究。该结果对于风险度量及统计估计的连续性与一致性研究具有重要意义 [page::0][page::3][page::6][page::9][page::10]。
本报告研究了周期性拍卖市场中战略交易者通过延迟参与拍卖来操纵价格、损害市场效率的问题。针对上述市场效率下降的缺陷，本文提出并量化了两种调节机制：随机化拍卖结束时间和基于到场时间的交易费用设计。实证分析基于苹果和谷歌股票历史数据，结果表明这两种政策能有效促使战略交易者提前提交订单，显著提升拍卖市场效率与价格发现质量。[page::0][page::4][page::10][page::13][page::18][page::24][page::27]
本报告介绍了NIFTY金融新闻标题数据集，包含两种格式分别支持大语言模型的有监督微调和强化学习对齐。数据集涵盖2010年至2023年十余年的高质量财经新闻及股市指标，适合用于股票价格走势预测和模型信息增益分析。实验表明模型规模显著影响语义嵌入的信息丰富度和聚类效果 [page::0][page::1][page::5][page::6][page::13]
本报告基于投资者主动获取额外信息以消除估计风险的框架，提出“信息时钟”概念量化信息量，从而推导可封闭形式的效用值函数（适用于CARA和CRRA效用）。采用确定性等价准则评估信息价值，结合获取信息的成本，构建最优信息获取策略。研究显示，较早获取信息有更高价值，风险厌恶度较低的投资者更倾向于积极采集信息，且信息价值与市场条件无关，主要受风险偏好和信息时钟影响 [page::0][page::2][page::13][page::17][page::19][page::31]。
本报告研究品牌重商(recommerce)渠道的兴起及其对产品耐用性和可持续性的影响。通过构建两期及重叠代际经济模型，分析品牌运营二手市场与第三方市场对垄断商策略的差异。结果表明，品牌重商通过增加产品耐用度、降低二手产品质量不确定性以及取消佣金费用等间接效应，提升了厂商利润与可持续发展目标的契合度，而非直接依赖重商交易收入。这为数字化二手交易渠道如何调和厂商利润和环保目标提供了理论新视角 [page::0][page::1][page::3][page::12][page::13][page::19][page::20]
本报告构建具有信号可靠性异质性的金融市场一般均衡模型，深入分析投资者依据主观信念交易时的福利表现。研究发现，尽管Class-I投资者在信号无偏或轻微偏差时因信息优势而获得更高效用，但当信号偏差加剧或某类投资者占比过大时，全体投资者福利均低于无交易基准，即发生“双重损失”现象。报告还探讨了通过操纵信号偏差提升效用的策略，并揭示了投资者生存与福利之间的内在联系 [page::0][page::1][page::2][page::14][page::16][page::24].
本报告通过对比LSTM与GRU两种神经网络模型，利用比特币历史数据，结合5折交叉验证与L2正则化方法，研究了两者在比特币价格预测任务中的表现。结果显示，GRU模型在均方误差（MSE）指标上优于LSTM，且预测速度快30%，表明GRU更适合处理具有长期依赖性的金融时间序列数据，为数字货币价格预测提供了有效的深度学习模型选择参考 [page::0][page::4][page::5]。
