本报告系统阐述了利用深度学习技术预测金融市场趋势的方法，通过构建非线性风险指标，显著提升对市场趋势反转的反应速度和准确性。利用丰富的宏观经济、股债市、波动率等多类别时序数据作为输入，结合现代机器学习模型，特别是神经网络及AutoML超参数优化技术，实现了对可能严重回撤的概率预测，为资产管理提供有效的风险调节信号。多种基于风险指标的投资策略（如风险偏好切换、周期性资产配置和系统配置策略）均展现出优于基准指数的收益与风险表现[page::0][page::1][page::2][page::6][page::9][page::17][page::19]
本文聚焦于去中心化金融（DeFi）中抵押债仓（CDP）的货币供应策略，分析了MakerDAO、Liquity、Aave等主流协议的利率机制及其不足，提出基于比例-积分-微分（PID）控制理论的自主自适应利率管理策略。该策略以资产池权重为输入，动态调整利率，实现无人工干预且更高效的货币供应管理，从而保护稳定币的兑付价值，提高系统的稳定性和应对市场波动能力 [page::0][page::5][page::9][page::13][page::15]。
本报告提出将机器学习中的高斯过程回归（GPR）与树方法结合，构建GTU算法，实现了多维不确定波动率模型（UVM）下期权的高效精准定价。该算法通过动态优化波动率与相关性参数，适用于大维度篮子及路径依赖期权，数值实验证明其估价结果稳健接近基准，且计算性能优于现有方法，特别适合复杂高维金融衍生品风险管理 [page::0][page::5][page::6][page::15][page::16]。
本报告系统性分析了挪威职位广告中薪酬及非薪酬属性的信息内容，利用文本分析提取47种职位属性并关联雇主吸引力指标，发现约55%广告含薪酬信息，且非薪酬信息的预测力与薪酬相当。高薪雇主更频繁宣传薪酬相关内容，而高福利雇主倾向强调灵活工作等条件。职位广告内容能够解释雇主价值60%的变异，且信息透明提升了劳动力流动的效率与质量，特别是促进了性别和教育层面的自我筛选[page::2][page::3][page::4][page::20][page::32][page::36][page::39][page::44][page::48]
本文基于一阶近似方法，提出消费者剩余变化与合并引起的HHI变化呈比例关系的简单公式，且比例系数依赖市场规模、价格敏感度及合并企业市场份额分布。结果表明合并对消费者福利的影响主要由HHI的变动决定，而非合并前HHI水平，数值模拟验证了公式的有效性和优越性，为反垄断审查中基于市场集中度的推断提供理论支持 [page::0][page::1][page::6][page::11][page::18]
本文以Mezler-Modigliani-Samuelson类型的固定价格宏观经济动态模型为研究对象，严格刻画了非线性和分段线性模型中奇周期存在的充分必要条件，扩展了传统Li-Yorke混沌的理论。此外，结合现代遍历理论与数值模拟，展现了即使在混沌存在情况下未来GDP水平的平均可预测性，理论依据包括Avila等人的深刻结果。本文填补了经济学文献中高阶遍历性质的理论与应用空白[page::0][page::3][page::5][page::8][page::12][page::15][page::20]
本报告提出一个基于偏序集和Hasse图的有序敏感性分析框架，结合Shapley值与Shapley-Shubik权力指数评估各企业在市场定义敏感性中的贡献。通过2015年Albertsons/Safeway超市合并案例，分析不同门店类型对兼并市场集中度和结构推定的影响，揭示俱乐部门店在决策中的主导地位，为反垄断市场界定提供系统量化工具 [page::0][page::2][page::6][page::15][page::17][page::18]
本报告基于均场博弈构建了多企业污染物排放管制模型，融合生产、污染产生及减排决策，系统刻画竞争下配额交易市场的均衡排放价格。通过线性二次型均场控制方法，利用Riccati微分方程和带有公共噪声的McKean-Vlasov型FBSDE，明确求解了均衡控制策略。同时，定量分析了竞争程度对企业生产与减排最优行为及经济效应的关键影响，数值模拟验证了环境监管政策和市场竞争力对企业资本形成、排放行为及排放配额价格的决定作用 [page::0][page::5][page::10][page::16][page::23][page::24][page::30][page::33][page::39].
本报告通过顶点中心性指标分析了FTX交易所崩盘期间的加密货币网络结构变化，揭示不同币种在危机中网络角色的转变及市场信息流的动态演变。研究采用TMFG方法过滤相关矩阵，结合紧密中心性和信息中心性度量网络稳定性，发现复杂的替代币在信息传播中更具中心地位，而FTT崩盘引发了显著的网络结构调整，凸显了加密市场的系统性风险和互联性，为DeFi领域的风险评估与危机管理提供了新视角 [page::1][page::19][page::24][page::32]。
本报告提出了一种创新的加密资产组合再平衡机制——瀑布级联轮回算法。该算法结合资产波动率、交易手续费（Gas费）和滑点成本，智能确定交易标的和交易规模，优化区块链投资组合的风险与收益平衡。在高波动性的加密市场中，算法可借波动性买低卖高，仅在超越噪音阈值时触发交易，避免频繁交易导致的额外成本。算法模块化设计，可应用于所有资产类别及多链环境，支持多重网络与资产权重约束，兼顾安全性与执行效率。报告中配有流程图、权重计算与交易规模的详细数学模型及丰富数值演示，有效指导实际投资实操。[page::3][page::5][page::15][page::18][page::33]
本报告针对带或不带保护保证的参与型寿险合同，从保险公司股权持有者视角展开均值-方差投资组合优化研究，推导多维布莱克–斯科尔斯市场中的最优终端财富及策略的显式公式，证明相关参数存在性。数值分析表明，股权持有者在经济不佳阶段加大风险资产配置，且投资风险随时间递减。研究揭示非保护合同下投资更激进，保护合同下末端财富更稳定，为寿险产品设计与风险管理提供理论基础与实用参考 [page::0][page::1][page::6][page::14][page::18]。
本报告系统分析了2023年硅谷银行倒闭事件对主流稳定币USDC与USDT在去中心化交易所Uniswap的流动性影响。研究利用边际即时成本(MCI)指标和差分中的差分分析，揭示USDC因高度透明的资金储备披露而流动性快速受冲击，TVL降幅约19.4%，而USDT由于披露不透明，流动性成本反而上涨241%。此外，报告发现流动性提供者高度集中，市场展现明显的“安全资产”偏好，突显传统金融风险通过透明度渠道传导至DeFi市场的机制 [page::0][page::1][page::6][page::11][page::12]
本报告提出了结合大语言模型（LLMs）与图神经网络（GNN）的动态知识图谱构建与学习方法。通过自研的集成上下文知识图谱生成器（ICKG）实现了对金融新闻语料的动态知识图抽取，产生了开放金融动态知识图谱数据集FinDKG。基于KGTransformer的图注意力模型设计，结合元实体信息，实现了动态知识图的高效学习和准确链接预测，优于现有模型表现。利用FinDKG进行主题投资建模，构建AI主题投资组合，在历史回测中显著跑赢市场与同类ETF，显示出强大的趋势发现与投资策略生成能力[pagination::0][page::2][page::5][page::6][page::7]。
本报告构建完备信息下经纪商与客户（包括知情交易者与非知情交易者）之间的纳什均衡模型，考虑经纪商在公开交易所的瞬时与瞬态价格冲击影响，明确了交易策略的前向-后向随机微分方程（FBSDE）系统，验证了存在性与唯一性，并通过闭式解和数值仿真分析信息对双方交易策略及库存控制的影响。同时，模型与现有两阶段优化方法比较，揭示了信息公开对双方盈利的转移机制，为理解在无匿名环境下的经纪商客户交易关系提供理论支撑 [page::0][page::1][page::5][page::13][page::20][page::22]。
本文基于控制理论，提出了一种新颖的去中心化金融（DeFi）货币市场利率动态调节策略。通过引入PID控制器，策略能实时响应资金利用率偏差，调节利率以应对使用率的过高或过低风险，优化协议收益同时降低风险。相比Aave、Ajna及Morpho的现行模型，该方法在短期和长期均展现更稳定、更自适应的利率调整能力，有效避免利率波动剧烈或人为干预频繁的不足，且具备部署简单、无需链外支持的优势[page::0][page::4][page::7][page::9][page::10]。
本文综述复杂系统自组织临界性（SOC）理论在经济与金融领域的应用，解释了为何微小扰动可引发系统性大震荡，揭示经济与金融市场波动过大之谜。重点讨论了供应链生产网络、金融市场流动性及策略竞争生态等案例，指出系统趋向效率与韧性常相互矛盾，强调纳入韧性指标的政策设计必要性 [page::0][page::1][page::4][page::9][page::11][page::15][page::19]。
本研究利用首尔2018年夏季热浪期间的地铁和手机数据，发现虽然总体浮动人口因高温显著减少，但经济复杂度较高的城市区域表现出较强韧性，吸引更多人口流动，减缓热浪负面影响，揭示经济复杂度在城市热浪适应中的关键作用，表明高复杂度小微企业集群是维持城市活力的重要节点 [page::0][page::3][page::9][page::11][page::18][page::19]
本报告构建了一个基于跨世代礼物赠予和文化传承的重叠世代模型，揭示财产权（对固定资产与产出权利）的非线性发展如何影响社会文化对老年人的尊重与福利。研究发现，财产权从弱到强对老年人相对收入产生U型效应，反映出文化投入和资产积累在不同发展阶段的互补作用；人口增长、经济增长以及资本密集度也是重要驱动因素。该模型统一解释了民族志中“曲线型”老年待遇假说，并对现代化、社会福利制度对老年人地位的潜在影响提出洞见 [page::0][page::14][page::19][page::31]。
本报告系统分析了多种深度强化学习（DRL）算法在金融交易中的行为差异及表现，重点调研其持有与交易策略及资产多样化倾向。研究显示A2C算法累计回报最高，PPO和SAC倾向于频繁交易集中持股，DDPG与TD3则采用更平衡的交易分布且持股周期较长，为金融领域的DRL应用提供了决策逻辑和性能洞见[page::0][page::4][page::6]。
本报告提出了CryptoTrade，一种结合链上透明数据与链下新闻的LLM驱动反思式加密货币交易代理。通过市场分析代理、新闻分析代理、交易代理与反思代理的多维协作，CryptoTrade无需微调即可在比特币、以太坊和索拉纳等多币种及多种市场环境下实现优于传统多基线策略的收益与夏普比率，标志着LLM应用于加密交易领域的新里程碑[page::0][page::1][page::3][page::5][page::6]。
