本文研究了一类来源于具有时间不一致偏好的投资组合选择问题的非线性积分方程，提出了一个统一框架，最小化对市场系数的假设，证明了该积分方程在温和条件下的方差可积解的存在唯一性。通过该框架，涵盖了均值-方差投资及随机风险厌恶偏好的均衡策略构造，拓展了相关文献的适用范围[page::0][page::1][page::4][page::9][page::11]。
本报告提出了一种基于规则的命名实体识别方法，用于识别法国下游空间领域的企业。该方法结合行业代码过滤、文本词汇筛选、上下文检测与正则表达式规则，成功从新闻语料库中检测出88家新的下游空间公司，显著丰富了行业数据库约33%。方法区别于纯统计模型，强调专家规则制定，提高了识别精度和效率，为新兴行业企业挖掘提供通用框架 [page::0][page::16][page::18][page::27][page::28]。
本文提出了一种基于无监督学习的rBergomi模型校准新方法，利用BSDE来替代传统需大量训练数据的监督学习，结合神经网络同时拟合模型参数和BSDE解。理论上证明了拟合误差界限，数值实验验证了方法在合成及历史数据上的高效和准确性，显著提升校准速度并具备更强适应性 [page::0][page::2][page::3][page::15][page::18].
本文提出了一种基于表现的"奖惩"变量保费方案，将再保险保费与实际实现损失挂钩，引入保费随机性。建立了保险人最优再保险策略及Bowley最优模型，数值表明该方案较期望值保费能有效降低再保险人的风险暴露，促进双方利益协调 [page::0][page::2][page::9][page::17][page::24]。
本报告基于20世纪初瑞典工业化时期的详细历史数据，结合工业动力来源和城市工人分布，构建污染强度代理变量并评估其对短期死亡率的影响。研究发现污染增加导致城市死亡率显著上升，最高达17%，主要驱动群体为中老年人。通过利用水力发电资源的自然差异，有效区分污染与经济增长的影响，确保估计结果的准确性和因果解释力 [page::0][page::4][page::7][page::12][page::13]。
本报告提出了一个可持续战略投资的连续时间随机博弈模型，解析了一个环保偏好的投资者与企业之间如何通过纳什均衡实现投资和减排策略的动态最优平衡。模型发现，企业和投资者的最优行动由两个随减排行为变化的移动边界触发，即“投资边界”和“减排边界”，反映了财务与环境绩效互动机制，进一步证明企业只有在财务绩效低于某阈值时才会主动减排以吸引投资。数值算法与蒙特卡洛模拟验证了理论结构，并揭示减排对企业财务绩效的长期积极影响和投资者资本配置的动态响应特征，为影响力投资与企业绿色转型提供了新的理论框架和量化分析工具 [page::0][page::1][page::6][page::29][page::39]。
本报告提出了一种基于神经网络的零售需求估计与动态定价方法，解决传统计量经济模型因价格波动不足导致的估计困难。通过模拟与实证分析，机器学习模型在低价格变化环境下显著提升了需求参数估计精度，平均均方误差降低近三倍，且始终能准确反映价格与需求负相关关系，表现优于传统回归模型[page::0][page::3][page::5]。
本文提出了一种基于Warm Start遗传编程的新框架，通过选取有效初始alpha结构并限制树结构搜索空间，提高了股票选股因子的发现效率和解释性。实证分析表明，该方法在2020-2024年中国股市数据中实现了优越的样本外预测能力和更高的组合收益率，显著优于传统遗传编程和基准因子，且有效缓解过拟合和高相关性问题。[page::0][page::2][page::4][page::6][page::7][page::8]
本报告提出了一种基于热力学数学结构的宏观经济学公理化理论——热宏观经济学（Thermal Macroeconomics，TM）。该理论无需微观经济主体的偏好和行为假设，推导了宏观经济的价格、货币价值、通胀含义等关系，构建了经济熵、经济温度等新概念，揭示了经济系统状态转移受第二定律约束，实现了多经济体联系时的非减熵原则。通过理想假设及柯布-道格拉斯代理微观模型验证TM理论，并拓展到贸易、金融流动、通货膨胀、货币容量、市场价格、税收关税等经济现实现象的定量分析，展示了经济温度与边际货币效用的对应关系及可测性，为宏观经济学提供了一条全新、严谨且可扩展的发展路径 [page::0][page::11][page::16][page::19][page::23][page::44]。
本报告提出了适用于去中心化金融的链上信用风险评分（OCCR Score）框架，该评分通过综合历史信用风险、当前风险、信用利用率、链上交易行为和新贷款行为等多个子评分，准确量化钱包的违约概率。报告通过数学建模与模拟验证了该评分的无偏性、一致性及渐近正态性，并提出基于OCCR动态调整贷款价值比（LTV），进而促进DeFi市场的资本效率提升和风险优化 [page::0][page::2][page::6][page::8][page::26].
本文提出了一种基于模块化近似贝叶斯推断框架的方法，融合日度收盘价收益率、高频波动率指标及期权价格三类信息源，避免了对期权定价误差的直接建模。方法利用理论期权定价模型（如Heston随机波动率模型）作为模拟器，通过高效的高斯混合模型近似实现参数后验分布与期权价格概率预测的快速更新。仿真和实证结果均表明该方法在面临定价误差和模型失配时依然能保持良好预测性能，尤其适用于短期期权价格的实时预测 [page::0][page::2][page::4][page::7][page::14][page::17][page::25][page::28]
本文研究了基于异质扭曲风险度量（可能为风险寻求型）代理人的风险分担问题，推导了无约束与反单调（counter-monotonic）风险分担的显式最优解，并分析了投资组合管理者在异质风险嗜好群体中的最优资产配置决策，发现即使所有代理更趋向风险寻求，管理者未必增加高风险资产配置，与传统风险厌恶代理的结果形成鲜明对比 [page::0][page::3][page::15][page::17][page::27][page::34][page::35][page::31]
本报告构建了一个包含有色和无色歧视企业的劳动搜索匹配模型，量化分析种族歧视对劳动力市场和财富差距的影响。研究发现，歧视性招聘在均衡下持续存在，导致黑白工人之间44%至52%的平均工资差距和16%的中位财富差距；同时，歧视加剧了黑人工人的失业率和工资波动，形成了反周期的种族失业差距。消除歧视企业虽略微降低整体经济福利，但明显改善了黑人工人的就业和福利水平。该模型同时成功解释了种族失业率差距的周期性动荡及工资波动性差异，为理解种族不平等的宏观经济机制提供了理论支持 [page::0][page::21][page::25][page::33][page::36][page::38]
本报告分析了过去20年美国股市头部100家公司市值的分布变化，揭示自2020年以来市场市值集中度显著提升，且界定了最优Sharpe比率投资组合的市值暴露特征及其不均衡程度。通过构建与市场市值相关的线性及非线性函数，自变量为时间变化的最优组合权重，定量展示了市场结构与投资组合集中度的动态演化规律，为判断市场失衡期和优化投资策略提供理论与实证支持 [page::0][page::3][page::5][page::6][page::9][page::16][page::20].
本报告提出基于扩散模型的高效合成金融市场数据生成方法，显著提升合成数据与真实数据在分布匹配性(包括尾部)和协方差矩阵条件数方面的表现，验证了该方法在多段历史股票数据上的有效性及适用性，且通过高精度数值积分替代传统蒙特卡洛方法，实现快速模型训练，具备广泛金融应用潜力 [page::0][page::1][page::6][page::18][page::25]。
本报告提出利用Transformer模型预测协方差与半协方差矩阵，实现ETF组合的动态优化。通过引入半协方差矩阵聚焦下行风险，结合Autoformer、Informer和Reformer等先进模型，我们显著提升了风险管理和收益表现。实证结果显示，基于半协方差优化的组合在波动市场中表现优越，且采用基于下行风险的Sortino比率验证了风险调整收益的提升，为资产管理提供动态且精准的风险评估框架。[page::0][page::2][page::16][page::18][page::20]
本文针对去中心化金融（DeFi）中衍生品交易所的清算问题，建立了遍历最优控制模型，通过线性暂时和永久价格冲击简化，推导出闭式解以获得最优策略，兼顾市场冲击与风险管理。数值模拟验证该策略优于次优方案，且简化模型有效近似真实市场行为。报告还详细给出关键参数的估计方法，为DeFi交易所的信用风险与保险池管理提供理论指导和实践路径 [page::0][page::4][page::5][page::6][page::8][page::16]
本报告提出一种基于资本资产定价模型（CAPM）的新型离散时间多因素模型，结合了规模效应和波动率指数（VIX）正则化，实证数据拟合表明该模型残差更接近独立同分布高斯分布，证明了模型的长期稳定性，并深入探讨了该模型在随机投资组合理论中的资本分布曲线表现，填补了先前研究中的离散时间稳定性和资本分布曲线严格性质的空白 [page::0][page::4][page::6][page::10][page::15][page::17][page::20].
本报告针对基于深度学习的粗糙波动率模型参数-隐含波动率映射，开展详尽的可解释性分析。通过设计并训练前馈神经网络对粗糙Heston模型进行快速校准，结合LIME、DeepLIFT、LRP与SHAP多种局部与全局方法，揭示模型在不同行权价与期限波动率上的敏感特征，发现短期深实值期权隐含波动率对参数预测贡献最大，尤其明显于左翼波动率结构，体现粗糙波动率模型的特性。该研究为深度学习在衍生品定价及风险监控中的应用提供理解及安全保障框架 [page::0][page::1][page::11][page::19]
本论文提出了一个通用无摩擦市场环境下的局部可行性框架，用于衍生品定价与对冲。核心成果包括当资产组合可为负且交易策略受凸锥约束时，美国期权超额对冲的对偶性定理，突破了等价局部鞅测度不存在的限制，有效解决了现有文献在存在套利机会时美国期权定价与对冲理论的不足，为欧式期权也给出了相应的超额对冲结果，并且理论适用范围涵盖负财富、交易约束及更复杂市场条件 [page::0][page::1][page::4][page::9][page::10][page::22]。
