【山西证券】研究早观点（20250724）
本报告涵盖基础化工、卡车及光伏产业链等行业最新动态与投资建议。政策推动化工供给侧优化，重大水电工程启动拉动相关产业；易控智驾无人矿卡市场快速增长，具备国产替代潜力；光伏产业链价格普遍上涨，硅料和硅片供应紧张。重点推荐相关优质上市公司，提示油价波动及行业竞争风险 [page::0][page::1][page::2][page::3]
金融研报AI分析
Enhancing Supply Chain Security with Automated Machine Learning
本论文提出了一种自动化机器学习（AutoML）框架，用于提升供应链安全性，通过识别欺诈行为、预测设备维护需求及材料缺货，实现供应链运营效率的提升。针对三个真实供应链数据集，采用多种机器学习模型及调参技术，欺诈检测准确率达88%以上，机器故障预测准确率达93.4%，材料缺货预测准确率达89.3%。研究还采用SHAP值解释模型结果，提升了模型的可解释性，展示了AutoML框架在供应链安全多方面应用中的有效性与实用价值 [page::0][page::1][page::3][page::4][page::6][page::16][page::23][page::27]。
Semiclassical constant elasticity of variance model for option pricing: an analytical approach
本文基于半经典（WKB）近似方法，利用Hamiltonian系统和Van Vleck-Morette行列式，推导出恒定弹性波动率（CEV）模型期权定价的闭式解析表达式。该方法相较于已有文献更简洁且包含缺失的指数因子，提升了CEV模型中波动率偏斜等市场特征的刻画能力。数值模拟验证该近似在较大波动率偏斜和较短期限时表现良好。该工作拓展了传统Black-Scholes模型的理论和计算应用，为期权定价提供了有效的半解析工具 [page::0][page::3][page::9][page::13]
A Spatio-Temporal Machine Learning Model for Mortgage Credit Risk: Default Probabilities and Loan Portfolios
本报告提出结合树提升和潜在时空高斯过程的新型机器学习模型，以非线性和交互效应捕捉预测变量，且考虑无法观测的时空脆弱性相关性，提升抵押贷款违约概率及贷款组合损失分布的预测准确性。应用于美国大型抵押贷款数据，模型表现优于传统线性及时空模型，特别在金融危机期间，组合损失预测准确度提高约10亿美元。通过模型可解释性分析，发现脆弱性效应和预测变量间复杂非线性交互是性能提升关键 [page::0][page::1][page::8][page::10][page::14]。
Automated Market Making and Arbitrage Profits in the Presence of Fees
本报告基于对自动做市商（AMM）与套利者交互模型的扩展，首次引入交易费用和离散区块生成时间，通过马尔可夫跳扩散过程计算套利利润的预期瞬时收益率。结果表明，交易费用会将套利利润按可盈利交易区块比例缩放，快速区块时间将降低LP损失，且固定汽油费减少也能降低LP亏损。模型对AMM设计、区块链架构和LP盈利能力具有深远指导意义 [page::0][page::1][page::2][page::3][page::4][page::12][page::24][page::27]
What do surveys say about the trend in inequality and the applicability of two table-transformation methods?
本报告基于美国2010年和2017年两波Pew调查数据，利用伪面板方法净化年龄效应，验证两种常用表格变换方法——传统的IPF算法与新提出的NM方法——在揭示教育同质配对趋势中的表现差异。实证结果支持NM方法，对教育同质性的时间趋势表现出U型变化，反映社会不平等的变迁。本研究为方法选择提供统计检验依据，有助于准确分析社会分层动力学并指导相关政策 [page::1][page::2][page::8][page::19][page::23][page::24][page::27]
Machine Learning Classification and Portfolio Allocation: with Implications from Machine Uncertainty
本文采用多分类机器学习模型预测股票表现，将个股划分为超额收益者、次优收益者和低收益者，构建多因子量化模型，实现年化夏普比率达1.67至3.35且alpha高达29%-48%。引入机器不确定性指标衡量信息稀缺性，发现信息不完整性与股价回报显著负相关，尤其对过去表现不佳的股票影响最大，量化模型的预测性能与信息环境紧密相关[page::0][page::2][page::4][page::16][page::20][page::24][page::25][page::34][page::39][page::41]。
Analysing Models for Volatility Clustering with Subordinated Processes: VGSA and Beyond
本论文系统研究了以Lévy过程作为时间变换机制的跳跃模型，重点分析基于Gamma子ordinator的变差伽马（VG）过程及其随机时间变换扩展VGSA模型，推导了其强一致性和渐近正态性。通过引入广义的CIR与CKLS过程作为随机时钟，提供了更灵活的波动聚类建模框架。仿真验证了理论结果，展示了VGSA及CGMY-SA模型在随机时间变换下的分布收敛性与正态近似特征，为金融市场中跳跃及波动聚类的量化建模提供重要理论基础与实践支持。[page::0][page::5][page::13][page::17]
Homeownership as Life Cycle Goldmine: Evidence from Macrohistory
本研究基于1870年至2020年16个发达国家长达150年的宏观历史数据，利用生命周期模拟方法严谨评估了住房拥有权对家庭财富和福利的影响。结果显示，购房策略相比全部股权投资能将财富提高9%、福利提升23%，并有效降低投资组合风险与财富不平等，同时福利收益主要来自退休后的消费与遗产动机。中等杠杆购房策略及适时购房（低利率、高房价时期）能获取最大收益。二套房虽增加财富但无明显福利提升。此结果挑战了住房投资“不佳”观点，为长期资产配置和生命周期投资提供理论支持[page::0][page::4][page::5][page::7][page::30][page::31][page::36].
TIME DEEP GRADIENT FLOW METHOD FOR PRICING AMERICAN OPTIONS
本研究基于神经网络技术，提出并扩展了Time Deep Gradient Flow (TDGF) 方法以高效求解多维美式期权定价问题，涵盖Black–Scholes与Heston模型，最高支持五维资产标的。通过构建自由边界偏微分方程的能量最小化问题，设计专门采样策略和网络架构，实验证明TDGF相较于Deep Galerkin Method (DGM)在训练速度上更优，且均显著优于传统蒙特卡洛方法，精度与计算效率兼顾 [page::0][page::4][page::6][page::7][page::8]。
Evolutionary Factor Searching for Sparse Portfolio Optimization Using Large Language Models
本文提出了Evolutionary Factor Search（EFS）框架，利用大型语言模型（LLMs）动态生成和进化alpha因子，实现稀疏组合优化问题的因子化资产排序。该方法通过演化反馈循环持续优化因子池，并在多个Fama-French基准和实际市场数据上展现了优异的收益和稳定性表现，显著优于统计和基于优化的传统基准，且因子表达具备良好解释性和适应性，尤其在大资产池和波动市场环境下效果突出[page::0][page::1][page::7][page::9][page::10][page::19]。
Optimal Trading under Instantaneous and Persistent Price Impact, Predictable Returns and Multiscale Stochastic Volatility
本文研究了含有可预测收益、瞬时和持久性价格冲击、多尺度随机波动率的动态投资组合优化问题，扩展了Garleanu和Pedersen(2013)在常波动率假设下的经典模型。针对非线性HJB方程，提出多尺度波动率展开和小价格冲击的渐近逼近，证明了数值准确性。通过蒙特卡罗仿真验证，修正模型显著提升了投资组合的盈亏表现，且揭示快慢尺度波动率对最优交易策略的不同影响机理。[page::0][page::1][page::6][page::11][page::14][page::18][page::24]
Weather-Aware AI Systems versus Route-Optimization AI: A Comprehensive Analysis of AI Applications in Transportation Productivity
本研究通过仿真对比传统运营、路径优化AI与综合的天气感知AI系统，证实天气感知AI凭借深度气象预测与机器学习定位优化，实现了高达107.3%的驾驶员生产力提升，远超路径优化AI的14%。天气预测作为最大单项贡献，显著提升运营效率并促发逾89亿美元市场潜力，经济分析显示单司机年收益提升1380万日元，投资回报率极高且回收周期短，表明现有文献对AI潜力普遍低估，未来应采用综合多维AI系统以最大化交通生产力提升。[page::0][page::3][page::12][page::20][page::34]
Modeling for the Growth of Unorganized Retailing in the Presence of Organized and E-Retailing in Indian Pharmaceutical Industry
本研究基于印度东部Bishnupur II区的实地调研，结合消费者偏好排序的联合分析和基于GIS数据的代理模型，探讨了在有组织零售和电子药房存在的情况下，传统无组织药品零售的生存与竞争动态。模型揭示关键驱动因素包括价格折扣、产品质量、品类多样性、个性化服务和客户与零售商的距离，不同紧急程度的客户权重差异明显。敏感性分析及方差分析表明无组织零售商的价格折扣存在“临界点”，过高折扣虽能短期吸引客户，长期却因利润不足导致大量零售商关店。此外，电子药房折扣对无组织零售商影响有限，产品质量提升是维持市场份额的主要因素。研究为政策制定及零售商战略提供了科学依据 [page::0][page::2][page::4][page::6][page::22][page::26][page::32][page::36].
【两融】主要指数全部上涨，两融余额继续上升——融资融券周报
本报告聚焦7月16日至7月22日A股市场融资融券数据，主要指数全线上涨，两融余额显著增加，融资余额增长420.83亿元，融券余额增加5.17亿元。电子、医药生物和机械设备行业融资净买入较多，ETF及个股融资融券活跃。报告提示两融业务成本及监管政策风险，为专业投资者提供市场动态参考。[page::0][page::1]
【银河非银张琦】行业周报丨板块出现震荡回调，交投活跃度维持高位
本行业周报回顾了2025年7月14日至7月18日证券板块的市场表现，板块整体下跌1.06%，跑输沪深300指数2.15个百分点。个股方面，华西证券、国信证券和招商证券涨幅显著，部分券商股价出现较大回调。整体市场交投活跃，A股日均成交1.55万亿，环比上涨3.35%。两融余额小幅提升1.47%，股权融资金额超202亿元。报告指出国家稳增长及资本市场提振政策将助力证券板块景气度上升，但仍存宏观和市场波动风险 [page::0][page::1]
【CGS-NDI全景东盟双周报】2025年第6期：“大金砖”合作抵御关税冲击
本报告分析了2025年7月起美国对东盟国家实施的差异化关税政策及其经济传导效应，阐述东盟通过谈判、内部刺激与多边合作三大路径应对关税冲击的策略，重点介绍金砖机制引入东盟成员印尼后合作深化及其全球南方影响力提升，最后分析了东盟资本市场和货币汇率的分化表现及中国与东盟在制度、产业及金融领域合作的多元拓展，为区域经济稳定发展提供洞见 [page::0][page::2][page::5][page::8][page::12][page::14]
【中国银河宏观】巩固良好局面，解决突出问题——7月政治局会议前瞻
本报告前瞻2025年7月政治局会议，肯定上半年经济韧性，提出下半年巩固经济良好局面和解决物价低位、投资下行等问题。预计货币政策适度宽松，仍有降息空间，财政政策保持后手。同时强调促进物价合理回升，扩大基建稳地产及服务消费支持，助力内需持续扩大，为经济稳定发展提供政策保障。[page::0][page::1]
【银河晨报】7.24丨CGS-NDI：“大金砖”合作抵御关税冲击
报告重点分析了2025年7月美国对东盟多国实施的歧视性关税政策及其影响，东盟国家通过谈判、刺激政策和多边合作三大路径应对，同时金砖国家合作机制深化，促进全球治理公平合理。资本市场方面，东盟股指整体表现稳健，但表现分化明显。非银板块出现震荡回调，资金流动性和市场环境总体改善，预计中长期增量资金扩容，板块基本面有望改善。[page::0][page::1]
