本报告聚焦港股市场当前形势，指出美元降息周期及A股震荡向上推动港股补涨行情延续，重点分析港股资金流动、情绪指标及基本面，结合多维定量择时模型实现港股资产稳定做多，港股金股组合2024年11月样本外绝对收益达96.77%，显著跑赢恒生指数，报告详细展示了择时策略的因子构建和组合绩效，强调南向资金持续流入及科技及医药板块投资机会，提示当前估值存在一定高估风险，建议关注恒生科技及创新药板块配置机会 [page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::8]
本报告分析了2025年九月宏观和市场环境，指出美联储降息预期确定，对A股、港股、美股及其他市场仓位建议，同时结合量化仓位择时策略、行业配置与结构性投资机会，提供系统的量化择时及多市场资产配置视角，强调流动性和资金风格轮动对市场影响，推荐黄金、化工、科技等领域，提示风险点[page::0][page::1][page::5]。
本文提出了基于机器学习方法（如随机森林、神经网络）与传统引力模型比较的框架，评估引力模型在样本外贸易预测及政策反事实分析中的表现。结果表明，三向固定效应引力模型在估计贸易政策影响的一致性方面表现优异，难以被机器学习方法超越；而机器学习方法在单个双边贸易流预测上可略胜一筹，但需纳入固定效应信息。这进一步确认了三向引力模型作为贸易政策分析主流工具的合理性 [page::0][page::11][page::12][page::13]
本报告聚焦双胶纸期货上市及包装纸价格上涨趋势，分析包装纸企业盈利改善预期，关注家居行业内需潜力及新机发布推动消费电子包装需求。报告维持轻工制造与纺织服饰行业中性评级，重点推荐相关优质股，同时提示宏观经济波动、原材料成本上升及产能消化等风险。[page::0][page::1]
本报告重点分析了2025年8月中国金融数据，指出政府债券融资转为社融拖累项，因基数高峰导致融资支撑减弱；企业短期贷款表现较好，反映债券融资成本上升，企业转向短贷。居民信贷整体偏弱，但9月消费贷贴息政策或将助力信贷回暖。资金结构方面，居民存款向非银金融机构转移，M1增速回升而M2持平。整体融资需求依然不足，后续关注政策推动信贷边际改善 [page::0][page::1]。
本论文提出了基于机器学习的解释性模型，准确预测美股Russell 3000指数中潜在激进投资基金目标公司。通过测试123种数据处理与机器学习组合，最优模型AUC-ROC达0.782，采用SHAP方法剖析关键影响因子，涵盖估值、运营、技术指标及所有权结构，为投资和公司治理提供了量化工具与实证洞察[page::0][page::8][page::10][page::11]
本报告针对大型语言模型（LLMs）在个体风险偏好识别与经济决策中的理性表现进行系统评估。通过设计三种任务逐步加深复杂度，检验模型是否能准确反映个人画像的风险偏好及其经济合理性，并提出风险差异评分（RDS）作为量化指标。鉴于复杂任务中模型表现下降，报告进一步探索了当前有效的对齐方法——直接偏好优化（DPO）与上下文学习（ICL），实验证明DPO显著提升了模型对损失相关风险偏好的识别能力，且促进更合理的资产配置策略生成，为行为经济学中基于个性化风险的AI决策提供新视角[page::0][page::1][page::4][page::6][page::7]。
本文针对多维奇异控制的均值场控制问题，提出了双层参数化的新概念，实现了跳跃成本的联合且一致的插值，克服了高维及均值场依赖带来的复杂性。基于此构建了连续的奖励函数表示，利用最小跳跃成本明确表达了价值函数，并证明了动态规划原理及其在Wasserstein空间中作为准变分不等式最小超解的刻画，为多维奇异控制问题提供了理论框架和方法论支持 [page::0][page::5][page::33][page::39][page::47][page::53][page::57]
本文提出将统计模型检验（SMC）方法集成到广泛使用的NetLogo代理模型平台，通过MultiVeStA工具自动确定仿真次数、热身期长度及稳态持续时间，提升代理模型结果分析的统计严谨性。两大案例展示：人工阿纳萨兹模型的瞬态分析及参数校准，揭示多参数组合的统计等价性；Alpha鸟类模型的稳态分析，自动判断稳态和热身阶段，避免前人经验法的不足，显著提高模型分析的可靠性和结果解释力[page::0][page::1][page::2][page::11][page::12][page::16][page::17][page::19][page::22][page::23][page::24][page::25][page::28]。
本文提出基于扰动效用路线选择（PURC）的双层优化框架，设计支持补贴的多模态出行枢纽网络，实现平台收益最大化，同时建模旅行者-运营商联合选择和容量分配。通过将下层凸二次规划利用KKT条件转化为单层问题，结合间隙惩罚和热启动算法，验证算法计算效率和可扩展性。案例包括示范网络和基于长岛铁路的实证网络，评估了枢纽建立的社会剩余价值及补贴方案对出行流和平台收入的影响，进一步探讨了基于枢纽和线路补贴机制的权衡，展示了模型在大规模实际应用中的潜力 [page::0][page::9][page::13][page::17][page::21][page::25]
本文构建含异质家庭和市场不完全性的真实商业周期模型，研究宏观审慎政策在不同家庭对金融部门利润暴露不同的情况下的最优设计。模型揭示最优资本购买税为零，政策主要依赖存款发行税实现再分配，且风险共享与财富不平等显著影响福利提升。简单以杠杆为目标的税收规则可达到大部分最优政策带来的福利提升[page::0][page::2][page::43]。
本文研究了长期资产减值计提中，基于不同不利结果归因的管理者行为差异，发现相较于经济及行业层面的逆境，不利的公司特定因素更易被归因于管理者，导致管理者更倾向延迟计提减值，从而使得针对特定公司的不利影响在减值确认上滞后且不及时。实证结果基于1996-2019年美国企业资产减值数据，验证了资产减值对当前和未来宏观及行业逆境的及时反映，而对未来特定公司逆境的忽视，揭示管理激励与归因机制对财务报告真实性的影响[page::1][page::2][page::10][page::12][page::16].
本论文提出EMDLOT，一种融合金融时序数据与债券募集说明书文本的多模态深度学习模型，利用时序感知LSTM处理不规则时间序列，结合软聚类和多级注意力机制实现多类别债券违约预测和内在可解释性。实证结果显示，EMDLOT在识别违约及展期债券方面显著优于传统和深度学习基准，且其注意力权重与经济直觉相符，为债券信用风险管理提供新工具与透明框架 [page::0][page::2][page::3][page::30]。
本研究首次系统模拟了通过预防和治疗两种路径实现非传染性疾病（NCD）死亡率下降对澳大利亚及其他34个OECD国家未来医疗支出的影响。结果显示，实现可持续发展目标3.4（到2030年非传染性疾病过早死亡率减少1/3）需大幅加快NCD发病率或死亡率的下降速度。预防策略因降低发病率而减少未来健康系统支出3.17%，而治疗策略因延长患者寿命短期增加支出，长期则小幅节约。不同路径对医疗开支影响存在显著差异，强调政府和决策者制定策略时需权衡经济与健康效益。[page::1][page::3][page::9][page::11][page::14]
本文针对IFRS 9和CECL框架下，多期宏观经济预测误差累积导致的生命周期违约概率（PD）模型的不稳定性问题，提出了一种引入中性长期锚定的加权卡尔曼滤波方法。理论证明该锚定滤波器可实现PD序列的渐近随机稳定性，模拟结果显示其显著降低了PD预测的波动性，提升了信用风险的可解释性和资本规划的稳健性 [page::0][page::1][page::6][page::9][page::12][page::14][page::15]
本研究针对乌干达证券交易所（USE）这一典型非流动性股票市场，创新地结合马尔可夫模型（MM）与指数Ornstein-Uhlenbeck模型（XOU）及几何布朗运动模型（gBm），有效捕捉了价格长期常数段和随机波动相结合的动态。研究发现USE股票价格间相关性偏低主要由于价格中大量零变动导致，这一现象被MM的价格停滞状态很好地解释。模型通过实证数据和模拟验证，证实MM-gBm优于传统gBm及XOU模型，特别是在短期价格预测和相关性测度方面表现突出，表明交易稀缺性在非流动市场中的关键作用[page::0][page::1][page::6][page::17][page::18]
本文构建了战争中开放源情报（OSINT）注意力经济的经济学和博弈论模型，通过效用函数与博弈分析揭示OSINT参与者如何权衡注意力收益与时间风险成本。结合乌克兰冲突实证案例，讨论了快速发布的“先发优势”、验证困境及信息共享的集体博弈问题，提出基于声誉和网络中心性的扩展模型，并对OSINT治理提出政策建议 [page::0][page::1][page::3][page::8][page::10][page::16][page::18]。
本文提出了一种基于阈值相对极大值的自适应时间序列分段方法，结合基于结束模式的子序列分类，训练专门的Temporal Fusion Transformer（TFT）模型以提升加密货币短期价格预测的准确性。通过对ETH-USDT的高频数据实验，该自适应TFT模型在预测准确率和模拟交易收益率上均优于固定长度TFT和LSTM基线模型，验证了动态分段与模式条件性预测的有效性，为高频波动市场提供了更具鲁棒性的预测框架 [page::0][page::1][page::4][page::11][page::13][page::14]。
本文创新构建Bullish Index衡量股票市场行为变化，结合局部Hurst指数通过宏观经济变量与技术指标，揭示美股中正负市场冲击对股权风险溢价预测的差异影响，展示其对投资策略和资产配置的显著经济价值，最高实现年化11.96%（正冲击）及13.16%（负冲击）的确定等效收益提升[page::0][page::4][page::10][page::16][page::35]。
本文提出了一种结合动量指标的多任务学习框架MiM-StocR，设计了基于动量线指标的分类任务和自适应k近似NDCG排序损失，显著提升了股票推荐的排名能力和盈利性能。同时，引入CQB优化方法，有效缓解了训练中的过拟合问题。实证结果表明，该方法在SEE50、CSI100和CSI300三个基准上均优于现有多任务学习基线，具备较强泛化能力和投资适用性 [page::0][page::1][page::4][page::5]。
