本报告基于尼日利亚三大地缘政治区3599户家庭及1122家中小企业开展的选择实验，系统分析了农村及城郊地区对电力连接服务的偏好与边际支付意愿(mWTP)。研究发现家庭更重视夜间用电且偏好太阳能及电网供电，企业则更青睐白天电力及高容量电力。此类差异为制定分时电力供应策略及多元化电力解决方案提供了关键市场洞察，且强调了性别和社会经济因素在支付意愿中的重要影响 [page::1][page::14][page::25].
本报告提出了一种基于梯度的深度差分神经网络（DDN）框架，用于校准Heston选项定价模型。该网络不仅学习定价公式，还学习参数的偏导数，避免了传统 Fourier 计算梯度的数值不稳定问题。实证结果表明，DDN在多个股票市场中显著优于非差分神经网络，且相较于无梯度信息的全局优化器，计算速度大幅提升，适合高效风险管理和快速校准[page::0][page::2][page::6][page::14][page::15]
本报告提出并实证检验了基于图注意力网络（GAT）的全新大规模时变投资组合优化方法，利用30年中型市值公司数据，构建基于距离相关系数和三角最大过滤图（TMFG）的图结构，直接以夏普比率为损失函数进行端到端训练，实现了风险调整收益的最大化。实证表明，GAT优化组合在风险调整后的收益率方面显著优于均值方差模型、网络指标模型和平等权重组合，且在不同市场环境中表现稳健，投资组合权重分布合理，交易成本较低 [page::0][page::9][page::24-31].
本报告基于西班牙国际贸易数据，揭示了低价值交易在国际贸易总交易量中占比大幅上升的现象：1997年至2023年，低价值交易占出口交易量的比例从9%升至61%，进口则从14%升至54%。两大驱动因素为：服装企业快速时尚战略导致的频繁低价值出口交易及在线零售平台推动的低价值进口交易激增。尽管低价值交易数量显著增加，其贸易价值占比仍较低，但其快速增长引发了贸易政策调整和环境、数据保护方面的新挑战 [page::0][page::1][page::2][page::3][page::4][page::15][page::16]
本报告基于全球集装箱航运市场“运输联盟”这一显式卡特尔的案例，构建结构模型量化了卡特尔对价格、企业进入退出及造船投资的影响。研究发现，卡特尔显著推高了航运价格20-50%，增强了企业进入与投资意愿。反事实模拟显示，卡特尔提高了生产者剩余，略微降低消费者剩余，从而可能整体提升社会福利，验证了新兴产业早期价格和数量管控政策的合理性和积极作用。不同内部分配规则中，基于吨位份额的实际规则最优，有助于最大化社会福利。[page::0][page::2][page::3][page::6][page::7][page::8][page::14][page::33][page::40][page::43][page::45]
本报告证明了在广义伽玛卷积（GGC）类分布内，弱收敛必然蕴含均值收敛。基于此结论，论证了当收益向量服从超曲线分布时，指数效用优化的最优组合具有参数稳健性。研究涵盖了GGC类分布的Laplace变换性质、收敛距离以及最优投资组合解的连续性，为金融资产配置模型的稳定性提供理论支持 [page::0][page::1][page::4][page::15][page::17][page::18]。
本报告建立了针对抵押贷款前市场中流动性较差资产TBA债券的请求报价（RFQ）成交率预测模型，采用包括Logistic回归、随机森林、XGBoost及Bayesian Neural Tree在内的多种可解释AI模型。通过模拟生成RFQ数据，进行特征工程及模型训练，最终构建了集成模型提升预测准确性，并利用市场制造商效用函数优化报价，提升了RFQ价格发现效率，促进抵押贷款融资市场透明与风险管理 [page::0][page::1][page::6][page::7]
本报告通过设计创新实验测试了风险对准即时偏好（present bias）的影响。实验证明，当后果既立即又确定时，参与者表现出更强烈的现时偏好，表现为在任务分配中显著倾向于减少当日工作量。这一发现揭示风险因素在调节现时偏好中的关键作用，具有广泛的经济决策启示，包括劳动合同设计和消费定价策略。此外，报告提出了实验经济学中改进激励机制以准确测量现时偏好的方法论建议[page::0][page::2][page::18][page::20][page::21][page::22]。
本报告基于英国大型企业间支付系统的匿名汇总数据，构建了从2015年8月至2023年12月的行业间资金流月度时间序列，创新性地揭示了支付数据与GDP、输入输出表（IOTs）及产业网络的关系。结果显示支付交易值与名义经济指标高度相关，频次数据反映真实经济动态，底层微观网络数据符合已有经济网络的典型特征。报告同时详细讨论了支付数据与国家账户的概念差异及其对分析的影响，为利用非标准、大数据支撑国家经济统计与研究开辟新途径[page::0][page::2][page::4][page::10][page::15][page::25][page::27][page::28]。
本报告基于GARCH市场模型，实证分析了深度对冲（Deep Hedging）与Delta对冲策略差异是否构成统计套利。实验证明，当采用的风险度量不足以有效惩罚损失，深度对冲策略差异展现为统计套利，存在强烈的投机成分；而当选用合适的风险度量（如高置信水平的CVaR）时，差异策略不表现为统计套利，避免了非对冲类的投机行为，支持深度对冲在合理风险度量下实现稳健对冲目标[page::0][page::6][page::7][page::8][page::11]
本报告提出了一种基于Black-Scholes-Merton框架和傅里叶正弦变换的方法，解决了有限期限保证金追缴股票贷款的定价问题。通过将偏微分方程转化为积分方程，建立了股票贷款价值与最优退出价格的关联，并利用数值方法有效求解最优退出边界。研究量化了保证金追缴特性的影响，展示了该方案在计算服务费和跟踪合同价值的效率与准确性。数值结果与其他方案对比验证了方法的可靠性，同时分析了合同价值与保证金比例的敏感性，为风险管理和贷款定价提供实用工具[page::0][page::3][page::7][page::13][page::17][page::19]
本文基于Nash谈判解决方案（NBS），结合贝叶斯成本方法，拓展了合理许可费的确定过程，特别是针对各方机会成本不确定性所带来的风险问题。通过对原始NBS及两个案例模型的对比分析，提出一种结合风险偏好的估计算法，利用绝对值、均匀和平方误差三种代价函数，在满足Georgia Pacific第十五因素的框架下，实现了合理许可费的统计估计，为知识产权许可谈判提供理论及实践指导。[page::0][page::4][page::9]
本报告聚焦区块链三难困境，系统量化比较了Algorand和Ethereum 2.0两大PoS系统在去中心化、可扩展性和安全性三方面的表现。通过运用Shannon熵、Gini系数等多指标量化去中心化，结合交易吞吐量与区块时间评估可扩展性，并用燃烧手续费数据与理论分析探讨安全性。研究发现Algorand在去中心化和高峰可扩展性上表现优异，而Ethereum 2.0因较高的手续费激励具备潜在更强安全保障。报告提出通用评估指标和方法，为未来区块链技术演进提供理论支持和实践指导 [page::0][page::1][page::2][page::3][page::4][page::5]
本文提出将金融相关网络的全局平衡指数作为系统性风险度量。基于非守恒扩散过程与矩阵指数理论，连接网络结构平衡性与线性系统的条件数，建立网络结构预测性与系统风险的桥梁。实证分析表明，全局平衡指数能有效反映金融市场系统性风险，且具有较好稳定性和解释力，为系统性风险监测提供新指标 [page::0][page::1][page::5][page::6][page::13][page::14][page::15][page::16][page::22][page::24][page::26][page::27]
本报告围绕理性泡沫的精确定义及其经济含义展开，重点澄清了Miao和Wang（2018）模型中所谓“理性股价泡沫”不存在的实质性证明。报告通过扩展连续时间环境中的泡沫判定引理，说明在无聚合不确定性的情形下，股价与基本面价值得到验证且泡沫作为投机成分不存在，强调了理性泡沫仅为无基础投机行为，结合Kocherlakota（1992）和Santos & Woodford（1997）等经典结果深入阐释了将泡沫与派息资产联系起来的困难，避免文献中的概念混淆现象，为泡沫理论研究提供了重要纠正和指引 [page::0][page::2][page::4][page::6][page::8][page::9][page::11]
本研究基于2018-2023年1分钟级S&P500指数期权数据，系统评估了基于Black-Scholes-Merton（BSM）模型与Variance-Gamma（VG）模型的期权卖出和对冲策略，涵盖不同虚值程度与头寸规模方法（基于delta和VIX指数排名）。结果显示，BSM模型的对冲策略在风险调整回报方面普遍优于VG模型，且130分钟的日内对冲频率取得最优风险收益平衡。利用VIX排名调整规模的策略表现更稳定，但总体收益略逊于delta调整策略。[page::0][page::1][page::8][page::9][page::15]
本文提出了SimStock，一种结合自监督学习与时间域泛化的新型时序表示学习框架，用于捕获金融时间序列中股票之间复杂且动态的相似性。SimStock通过创新的维度扰动方法，增强对数据非平稳性和噪声的鲁棒性，在多个真实世界数据集上显著优于现有方法。其应用涵盖找相似股票、配对交易、指数跟踪及组合优化，均表现出超越传统方法的实用价值，验证了基于时间序列学习的投资管理潜力[page::0][page::1][page::11][page::26]
本报告提出一种创新的双阶段方法，结合SHAP解释器变量选择与因子分解机模型，深入分析并预测双边贸易协定（PTAs）中具体条款对国际贸易流量的影响。通过对1968-2017年农产品贸易数据与282个PTAs条款的实证分析，揭示了关键条款及其交互作用如何显著影响贸易流，提升了模型预测精度和贸易动态理解 [page::0][page::1][page::3][page::4]。
本报告提出了一种基于深度学习的方法，解决不完全跳跃扩散市场中的最小方差定价与对冲问题。基于随机微积分与Stackelberg博弈框架，明确推导了最优对冲投资组合、期权价格及等效鞅测度。通过结合前馈和LSTM神经网络的算法，在三种市场模型（包括不完全市场的Merton模型和Kou模型）中进行了测试。结果显示该算法性能良好，且基于最小方差原则的对冲策略相较Merton原则能更有效地降低损失，同时期权价格通常偏高。算法还展示了对多维输入和时间维度的良好扩展性，为实际金融市场中跳跃风险管理提供了切实可行的数值工具 [page::0][page::4][page::20][page::29][page::32].
本报告围绕证券借贷市场中代理贷方的动态定价问题，提出基于上下文多臂老虎机（Contextual Bandit）框架的动态定价策略。通过构建结合借贷定价与成交率的定制奖励函数，并采用真实历史需求数据进行离线评估，结果显示该方法在总收益上较传统的规则和机器学习定价策略至少提升15%。该方法兼具适应市场非静态变化的能力，为证券借贷收益优化提供了新思路。[page::0][page::1][page::3][page::5][page::6]
