本研究通过印度全国代表性高频劳动调查数据（2017-2023年），采用双重差分方法，实证检验了STEM学历对于COVID-19疫情期间及之后劳动市场韧性的影响。结果显示，STEM毕业生在疫情冲击期间及后疫情时期就业概率显著高于非STEM同侪，但工资优势不显著。主要机制包括STEM毕业生多集中于疫情积极影响行业、城市地区及职业生涯早中期阶段。研究提供了STEM教育提升劳动市场抗风险能力的证据，对发展中国家政策具有启示意义 [page::0][page::1][page::8][page::9][page::11][page::21]。
本研究基于179个国家的大规模农业残留物数据，结合中国上海某农作物颗粒化工厂案例，全面评估了农业残留物制备颗粒燃料的技术可行性、经济竞争力及减排潜力。结果显示，全球农业残留物技术可用量约为14.4亿吨，理论可替代4.5%的化石能源消耗，实现13.5亿吨二氧化碳当量减排，经济最优情景下年节省达1630亿美元。研究还分析了全球不同国家的产能布局、成本结构及燃料置换优先次序，明确了颗粒化技术在推动农村经济发展和实现能源低碳转型中的关键作用与政策需求[page::0][page::1][page::8][page::11][page::14][page::20].
本研究通过情景经济建模，评估了巴西利用甘蔗渣制备生物炭的经济可行性，发现中大型农场在合理资金支持下具备明显投资价值，土地施用场景最为经济适用。敏感性分析表明，碳信用价格高于120美元/吨和甘蔗渣利用率超过60%时项目经济性较好，强调规模效应及政策支持对推广至关重要[page::0][page::6][page::12]。
本文重新审视了基于二次指数样条的随机配点方法，用于期权价格的无套利插值。重点对比固定纵坐标优化横坐标与固定横坐标优化B样条参数两种方法，分析了其在保持无套利性及拟合市场数据的效率和稳定性上的表现。结合TSLA期权及合成市场数据实验，发现B样条方法在正则化处理后表现更稳定，且更易控制平滑度和概率密度特性。本研究为期权隐含波动率曲面的拟合提供了更完善的数学和计算框架，兼顾精度与无套利条件 [page::0][page::3][page::4][page::5][page::7][page::9]
本研究利用覆盖2千万全球企业及10亿跨境交易的公司级数据，构建以1228种产品为节点的有向加权供应链网络，揭示全球产品间的输入依赖关系及其结构特征。发现产品主要聚类为机械金属、化工食品和纺织三大群组，欧洲工业国家及中国主导关键中间品。产品复杂度与其供应链嵌入度高度相关，网络结构指标成功预测国家产品多样化模式。通过与AI生成网络、NAFTA数据及手工绘制供应链对比，验证网络有效性，揭示供应链脆弱性及政策潜力 [page::0][page::3][page::6][page::8][page::11][page::12]
本文针对在均值-方差目标下的公司最优分红问题，采用布朗运动带漂移模型描述公司剩余，提出并证明了一种新型verification定理以解决时间不一致性。研究发现，当公司风险厌恶系数较小时，最优均衡分红策略为障碍策略，即超越障碍水平时以最大速度支付分红，障碍点通过非线性方程确定并可数值求解。该策略实现了时间一致性，有理论及数值支持 [page::0][page::1][page::2][page::3][page::7][page::8][page::10].
本报告系统梳理了传统金融（TradFi）与去中心化金融（DeFi）中微观与系统性风险的形成、传导及交互，提出了两者风险的分类框架与风险传染的双向机制“crosstagion”，分析了两者在杠杆、流动性危机、治理失效等方面的共性与差异，揭示DeFi技术特性对风险加速传播的作用，强调对跨体系风险监管的必要性 [page::0][page::32][page::47][page::47][page::47]
本文提出递归构造的高阶通用组合（HOUP），扩展Cover的通用组合方法，理论证明高阶组合区别于一阶组合且可破除时间置换不变性。利用扰动连续时间模型，证明二阶组合Sharpe比率优于一阶组合。多组实际历史数据回测表明，高阶组合普遍优于传统通用组合，展示一定套利机会[page::0][page::1][page::4][page::8][page::13][page::15][page::22]。
本文构建了一个双阶段供应函数均衡模型，分析了虚拟交易如何影响多结算电力市场的价格效率和交易量配置。研究发现，虚拟交易可消除日前市场与实时市场的价格差距，但无法保证交易量的一致性，负荷服务实体的策略性低估需求仍然存在。模型并结合加州和纽约独立系统运营商的实证数据予以验证，确认虚拟交易有效提升市场效率。[page::0][page::3][page::22][page::23][page::24]
本报告设计了一个系统的多任务评估框架，针对学术文本输入，全面考察大型语言模型（LLMs）在内容再现、比较、评分及反思四大任务上的性能。以谷歌Gemini为测试对象，使用信息系统领域246篇高质量论文，结果显示：LLM在摘要及关键词生成上表现出可接受的可靠性，但在文本排序时的可扩展性较弱，评分具有偏倚且判别力不足，质性反思虽自洽却缺乏洞见。综合内外部指标和人类评价，这些限制在多种提示语下均具鲁棒性，提示当前LLM辅助学术同行评审存在显著不足，且不推荐不加限制地应用于完整的同行评审流程[page::0][page::5][page::17][page::19][page::21][page::25][page::28]
本文提出了RL-BHRP方法，将贝叶斯分层风险平价与强化学习结合，实现跨行业和个股的动态风险分配。在2012-2025年美国股票市场中训练并测试，RL-BHRP在测试期实现了约120%的累计收益，年化收益超过静态基准，兼顾了分散性和交易成本，实现了更强且稳定的长期表现[page::0][page::10][page::14][page::15]。
本研究围绕多单元组织中集中化与分权之间的权衡问题，提出单位经理通过同伴行为的内在趋同性及促进知识共享的文化与沟通渠道，可解决绩效与组织同步性间的传统冲突。基于代理模型和不同通信网络结构的模拟结果表明，在特定条件下，分权不仅提升了单元绩效，也增强了组织同步性，摒弃了两者不可兼得的传统观念。该研究拓展了多单元组织管理的理论框架，为提升绩效与同步性提供了新的路径 [page::0][page::1][page::4][page::16][page::19][page::21][page::22]
本报告利用动态可计算一般均衡模型，分析欧洲联盟森林砍伐法规（EUDR）对阿根廷经济的影响。报道估计被法规覆盖的出口额约60亿美元，其中仅2.84%不合规，尤以大豆和牲畜生产链受影响最大。模拟结果显示，法规实施后阿根廷GDP平均下降0.14%，非合规生产将显著减少，带动森林砍伐量减少2.45%和温室气体排放减少0.19%。合规产品的合规成本可能进一步影响出口，造成更大影响。[page::0][page::2][page::4][page::19][page::20][page::25]
本文基于坦桑尼亚拉昂塞（TLO）多疾病卫生系统模型，融合经济学生产理论，对医疗健康系统中的人力、资本和消耗品资源限制进行建模，采用勒ontief生产函数描述资源之间的配比关系，模拟资源放松对健康结果的潜在影响，揭示通过优化医疗人员出勤率和资源配置可提升整体健康产出20%以内的空间[page::1][page::2][page::3][page::4][page::5][page::6][page::7][page::9].
本论文聚焦现实世界资产（RWA）代币化的流动性挑战，通过对多种资产类别的大规模链上数据与实证分析，揭示了代币化资产普遍存在的转手率低、持有周期长、投资者参与度有限等问题。研究指出法律、监管、市场结构及技术障碍是造成流动性受限的主要原因，提出了混合市场结构、激励机制、透明定价和合规创新等多维度改进路径，以推动代币化资产实现真正可交易性和流动性提升[page::0][page::4][page::7][page::9][page::11][page::12]。
本文提出以Hurst-Hölder指数作为金融风险的补充度量指标，克服传统波动率的局限性。基于多分数随机指数过程（MPRE）理论，本文建立波动率与局部路径正则性之间的解析关系，实现对“公平波动率”的定义，并通过对九大股票指数的实证验证，揭示金融市场中效率与非效率阶段的动态特征，为风险度量和市场效率提供新的理论框架与实证支撑 [page::0][page::5][page::15][page::17][page::19][page::21].
本研究基于A股逐笔成交数据，构建并优化了“条件成交不平衡因子”。通过划分孤立及非孤立成交，实现了对买卖单不平衡信息的深度挖掘，纯净反转残差非孤立成交不平衡因子在去除行业及风格影响后，年化信息比率达3.05，10分组多空对冲年化收益21.54%，最大回撤仅6.88%，表现稳健且显著优于基础因子。[page::0][page::3][page::8][page::10][page::14]
本报告提出了时间层级预测（THieF）方法，通过对小时、区块及基准负荷电价的预测进行协调，显著提升德国电力市场日内价格预测准确度，误差降低幅度最高达13%，且适用多种模型架构，推荐在实际预测中应用该方法 [page::0][page::1][page::2]。
本文提出了基于大型语言模型（LLM）的多智能体系统AlphaAgents，用于股票研究与组合构建。系统包含基本面、情绪和估值三类专业智能体，能够协作并进行多轮辩论以达成投资共识，有效缓解认知偏差和模型谬误。通过对15只科技股的实证回测，结果显示多智能体组合在风险中性环境下优于单一智能体及基准组合，体现了多智能体融合短期情绪与长期基本面信息的优势，为量化投资策略提供创新方法和实践路径[page::0][page::1][page::4][page::5][page::6][page::7]
本报告针对Ho et al. [2024]关于语言模型算法进步的估计方法，指出由于计算资源选择内生于算法质量可能存在选择偏差，导致算法进步率被高估。通过理论推导及蒙特卡洛模拟验证，发现正相关时算法进步被低估，负相关时被高估，实际估计值可能偏离真实值近九倍。报告建议采用实验法或工具变量解决内生性问题[page::0][page::1][page::2][page::3][page::4][page::5]。
