本报告介绍了FinRobot，一个开源的多层次金融AI智能体平台，融合多源大型语言模型（LLMs）和金融链式思维提示技术，提升全球金融市场数据处理、分析和预测能力。平台通过智能调度器实现多模型动态选择，支持实时数据流分析和多模态信息融合，促进金融分析的自动化、透明化和高效化。报告同时展示了针对市场预测和财务文件自动化分析的两个示范应用，证明平台具有良好的实用性和扩展性 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::14][page::15]
本报告系统分析了主流POS区块链的质押设计，重点探讨了在安全、用户增长和代币升值三者间的权衡。研究发现存在静态安全（提升验证者质量）与动态安全（扩大质押数量）之间的矛盾，不同链采取不同策略以权衡此矛盾。实证分析证实严苛质押条件（如罚没机制和最低质押期限）会降低质押比例，即动态安全水平，强调没有通用最优设计，设计需结合平台目标及发展阶段加以确定 [page::0][page::1][page::4][page::11].
本报告全面评估了剑桥大学雇主合理退休年龄政策（EJRA）的相关数据报告，指出其存在方法学缺陷和统计误用。研究发现剑桥大学在EJRA实施前后学术岗位创造率始终低于其他罗素集团大学，EJRA对职位创造率无显著提升作用，且其目标与执行效果并不成比例。报告还揭示EJRA可能导致人才流失和年龄歧视风险，建议废除该政策以促进公平和学术持续发展 [page::0][page::2][page::8][page::10][page::15]
本报告研究了存在价格冲击与交易成本的连续时间市场均衡，针对持有不同风险偏好的投资者建立内生的资产收益率模型。分析了无摩擦和含二次交易成本的市场均衡，推导出纳什均衡的闭式表达式，并揭示了交易成本和价格冲击对均衡收益的放大效应。此外，证明了在同质风险偏好且无噪声交易者时，交易成本不会改变均衡收益，扩展了现有价格冲击和均衡定价理论的连续时间框架 [page::0][page::1][page::4][page::11].
本论文研究利用贝叶斯优化技术（BO）自动调优Supertrend指标的atr_multiplier和atr_period参数，以最大化不同股票数据集上的交易利润。通过对印度和国际股票的历史价格数据回测，验证了优化参数提升策略盈利能力和风险控制的效果。研究表明，BO能高效探索参数空间，显著优于默认参数配置，提升了策略整体性能和稳健性，为基于Supertrend的量化交易策略提供了有效的参数优化方法。[page::0][page::1][page::5][page::7][page::9][page::11]
本文研究了带有半鞅策略和外部流动性的最优清算问题的长期行为。通过分析有限时域到无限时域下描述价值函数与最优策略的BSDE收敛性，证明了在长期极限下，存在外部流时，投资者不一定完全清仓。若外部流强度衰减，则最终实现清仓。此外，在常数系数条件下揭示了长期持仓的波动特性、交易方向由外部流决定以及战略的转槽物性等关键性质，为理解和设计长期最优清算策略提供理论依据 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14][page::15][page::16][page::17][page::18][page::19][page::20].
本报告提出了一种用于马尔可夫链长期收益的条件风险价值（CVaR）的渐近度量ACVaR，通过结合大偏差理论和双时尺度随机逼近方法，设计了基于“倾斜”概率核的仿真算法，实现了计算上的可行性和理论保证。数值实验证明该方法在不同状态空间规模上均表现稳定，首次系统化地解决了CVaR评估在无限时间内的推广问题，为风险敏感决策提供了新途径 [page::0][page::2][page::4][page::5][page::6][page::7]。
本报告基于西班牙全域企业间交易数据，实证发现企业通过国产供应商与客户网络学习进口行为，进口经验的上下游网络溢出显著存在，10个百分点供方(需方)进口比例提升分别带来10.7%(19.2%)新增进口概率。且地理距离远的联系更有助于进口决策，大企业对信息吸收更敏感但信息扩散能力较弱，本文采用线性概率模型结合高维固定效应与网络工具变量策略，精确识别进口关联学习效应，揭示生产网络在国际贸易中的信息传递机制，且进口溢出仅限于地域特定知识。[page::0][page::4][page::20][page::23][page::31]
本报告基于1919-1923年德国大通胀的宏观与微观数据，揭示通胀通过债务-通胀渠道影响实体经济的机制。通胀显著削弱企业账面债务负担，降低破产率；高杠杆企业利息支出下降，股权价值与就业增加显著，股票市场表现优于低杠杆企业。价格与工资调整频率随通胀升高加快，表明通胀在灵活价格环境下依然通过债务刚性实现实质经济影响，为理解金融摩擦与通胀传递提供新视角[page::0][page::1][page::3][page::4][page::18][page::24][page::34][page::39][page::56][page::57]
本报告利用分位数回归方法，系统分析了哥斯达黎加通胀率极端值与GDP缺口、通胀预期和进口通胀等宏观变量的关系。实证发现，进口通胀对通胀率下尾部有滞后正向影响，表明进口价格冲击是引起低通胀甚至通缩事件的关键因素；通胀预期和进口通胀的滞后值对通胀率上尾部也有显著正向推动作用，而GDP缺口表现出复杂的非线性影响。此外，研究揭示了通胀极端值响应不同经济变量的非对称性特征，为货币政策制定提供了参考依据 [page::0][page::4][page::7][page::8][page::9]
本报告提出了一种基于贝叶斯决策理论的实验设计框架，通过结构化微观经济模型和先验分布构建，优化实验地点选择以提升政策推广的外部效度。实证部分结合南亚迁移走廊的数据，显示选址策略对提升政策效率具有显著影响，且随机选址或选取最大预期效应地点均显著导致福利损失。方案兼顾了实验数目、预算限制与信息增益的权衡，为多站点实验设计提供科学参考 [page::0][page::1][page::3][page::5][page::26][page::34].
本报告通过实验设计检验了市场框架下“卖柠檬”行为的发生频率，并区分了其他关怀偏好与康德式道德关切的作用。研究发现在市场框架中，受试者更倾向于选择利己的卖柠檬行为，而在角色不确定性（无知之幕）情形下，道德关切显著增强，卖柠檬行为显著减少。结构性偏好参数估计结果表明，市场框架主要通过降低领先厌恶影响决策，而道德关切在无知之幕下被激发，从而抑制自私行为[page::0][page::1][page::2][page::3][page::5][page::6][page::10][page::16][page::26][page::35][page::36]
本文基于Merton跳跃扩散模型，结合多种机器学习和统计方法预测加密货币价格的漂移率和波动率。通过对2020-2023年Binance BTCUSDT数据的全方位分析，融入路径依赖蒙特卡洛模拟对价格跳跃和波动进行建模，实现了更准确的价格预测和交易信号生成，重点表现出机器学习模型在回归预测中的优势及GJR-GARCH模型在波动率预测中的优异表现[page::0][page::1][page::16][page::18]。
本报告首次通过实证分析揭示欧盟碳排放交易体系（EU-ETS）中碳配额远期与现货的持有成本利差（C-spread）异常，主要由参与公司信用利差驱动。构造Z指数作为信用利差代理，发现C-spread与该信用利差及无风险利率协整，实证估测误差修正模型表明C-spread长周期趋于信用利差，且与现货波动率及其他金融指标无显著关联。政策建议纳入欧央行抵押品名单，促进市场效率和绿色过渡发展。[page::0][page::1][page::4][page::5][page::10][page::12][page::18]
本报告研究了主动基金中集中持仓导致的价格冲击，提出“自我膨胀回报”概念，并通过实证分解出价格冲击和基本面回报成分，发现投资者无法区分两者，导致资金追逐自我膨胀回报，形成内生反馈循环并重分配财富。基金流入与自我膨胀回报相关，尤其在流动性差且集中度高的ETF中表现显著，每日约5亿美元财富因该机制重分配，且该机制可预测ETF泡沫及其随后的崩盘 [page::0][page::1][page::6][page::21][page::26][page::28]。
本报告首次利用德国“工资调查”数据，采用三重差分方法研究2022年德国最低工资22%大幅上调对劳动市场的影响。结果显示，最低工资提升显著提高了低薪工人的小时工资和月收入，同时观察到了工时的短期减少，尤其是对迷你工的负面影响，导致劳动需求弹性约为-0.2，但未影响就业稳定或地区就业总量。研究揭示了政策正面增收效应与工时调整的复杂交互，为劳动市场政策制定提供了有力实证依据[page::0][page::1][page::12][page::13][page::15][page::16][page::21][page::29]。
本报告基于鲁棒优化及预算不确定性方法，构建了多式联运物流服务网络在时间不确定性下的鲁棒规划模型，针对运输延迟对供应链韧性的影响，系统性探讨了网络规模、破坏规模与破坏程度三大关键因素，揭示了网络规模扩大和多服务选择对降低韧性风险的重要作用，提供了深入的模型求解与敏感性分析结果，为多模态物流网络韧性提升策略提供理论支持与实证依据 [page::0][page::1][page::4][page::5]。
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]。
