本报告构建了包含区域配额约束的可转移效用匹配模型，评估配额限额与补贴两类干预措施对社会福利的影响。基于日本住院医生匹配计划的实证数据，发现当前配额基政策导致效率大幅损失，而小规模定向补贴能实现相似分布目标且社会福利显著提高，表明配额限额作为“钝器”远低于最佳税收补贴的效率。[page::0][page::1][page::4][page::7][page::35][page::41]
本文研究了不包含无风险资产的半鞅市场中均值方差组合优化与二次对冲问题，提出了无需选用基准资产或进行标的变换的“标的物不变”（Numeraire-invariant）问题表述和优化策略表达式。通过引入机会过程和相关条件，获得了高效边界的简洁计算公式，并给出优化策略的显式表达，统一了有无无风险资产的情况，显著推进了该领域的理论发展。数值示例展示了方法在离散与连续时间模型中的应用及优势 [page::0][page::6][page::12][page::19][page::20][page::30].
本论文提出了新的英国脱欧相关不确定性指数（BRUI），结合文本挖掘、自然语言处理及大语言模型等多种方法，从2012年至2025年1月的经济学人智库月度报告中提取数据，实现了脱欧与新冠疫情相关不确定性的有效区分。基于VAR模型的实证结果显示，脱欧不确定性对英国宏观经济如GDP、生产者价格指数、贸易、汇率、就业等多方面产生显著负面影响，强调该指标在政策分析与学术研究中的应用价值 [page::0][page::9][page::15][page::18]。
本文针对金融领域中高维机器学习方法的理论基础与实际表现进行了系统性研究。首先证明了在随机傅里叶特征（RFF）方法中普遍采用的样本内标准化破坏了原有的高斯核近似性质，导致核函数训练样本依赖性增强且违反了平移不变性。其次，基于PAC学习理论，构建了信息论下的样本复杂度下界，揭示在典型金融信号强度与样本规模条件下，高维学习的可行样本规模超过实际应用中使用的训练窗口多年，说明实际成功源于简化机制非真正复杂学习。最后，详尽的数值实验证实上述理论断言，展示了标准化对核近似误差的普遍且显著破坏，且对经典高维预测参数配置具高度相关性。研究为金融高维预测模型的理论正确应用与误区识别提供重要指导[page::0][page::3][page::6][page::14][page::15][page::18][page::24][page::31]
本论文提出一个行为奇异随机控制问题的抽象优化框架，涵盖有限变差控制过程，适用含交易成本的库存管理和多资产投资问题，建立了含有累计前景理论偏好的最优策略存在性，并采用Meyer–Zheng拓扑简化证明，首次系统研究了行为库存管理的良定性，且实现了市场模型与目标泛函的假设分离[page::0][page::1][page::3][page::9][page::11][page::12][page::13][page::14]
本文提出扩散因子模型，将潜在因子结构嵌入扩散生成过程，有效解决高维资产收益数据中维度灾难和样本不足问题。通过分解扩散模型中的分数函数，设计结构感知的神经网络，实现高效训练和理论误差界。实证和数值研究表明，模型能精准重构因子子空间，提升均值-方差组合优化表现，在实证股票数据中的投资组合夏普比率显著优于传统方法。[page::0][page::3][page::16][page::28]
本文提出了ChronoBERT与ChronoGPT两套时间一致的大型语言模型，通过限制训练数据仅使用当时可获得的信息，解决了传统语言模型中存在的“未来数据泄露”问题。实验证明，即使在严格的时间约束下，这些模型依然在语言理解任务及资产定价预测中表现优异，能显著提升基于金融新闻的股票收益预测的Sharpe比率，且在财务领域应用的未来偏见影响有限，确保了模型预测的可信性与实用性[page::0][page::1][page::3][page::11][page::26][page::28]。
本论文提出一种基于绩效的变动保费方案，用于再保险定价，该方案使保费同时依赖于分出损失的分布及实际实现损失，带来保费随机性。研究从保险人的角度刻画了最优再保险策略，采用凸序保持且具法律不变性的风险度量，特别是扭曲风险度量，推导出最优策略的结构。当保险人与垄断再保险人之间存在博莱最优关系时，数值实例表明此变动保费方案显著降低再保险人的风险暴露，优于传统期望值保费原则[page::0][page::2][page::3][page::9][page::11][page::27]。
本报告提出了一种结合已知渐近行为和无约束深度神经网络（DNN）的方法，通过乘以特殊多项式实现渐近形式，在函数逼近和回归问题中显著提升了拟合精度和收敛速度。以线性渐近形式为例，展示了该方法在一维函数及Black-Scholes定价函数拟合中的优越性能，固定渐近参数优于可训练参数，且包含导数信息的差分机器学习（DML）较单纯函数值拟合（VML）进一步提升效果[page::0][page::3][page::6][page::9][page::22]。
本论文利用日本BizReach私营高技能在职求职平台2014-2024年专有数据，采用Lange和Papageorgiou（2020）提出的非参数方法估计匹配函数，发现私营平台匹配效率更高且波动更大，匹配弹性对用户约为0.75，对职位约为1.0，较公营平台“Hello Work”更为平衡且响应灵敏。此外，不同行业间存在显著匹配效率和弹性差异，反映出行业异质性[page::0][page::1][page::10][page::11][page::13]。
本论文构建了基于批判水平功利主义的动态最优规划框架，在带有资本积累和回转式生产的模型中，内生确定了王朝的最优代际长度。研究表明，即使在无折现条件下，最优世代数也不必趋于无穷，且为兼顾代际公平，限制王朝长度是合理的。通过有限期限动态规划，得到显式最优消费轨迹，并数值分析了技术参数和时间偏好对最优规划的影响。不同参数设置下，模型展示了有限最优规划期和无穷规划期的多样性，且未来代际的权重影响当前消费和代际间财富不平等的走向[page::0][page::2][page::3][page::4][page::9][page::12]。
本文利用博弈理论模型研究了人工智能（AI）对金融危机的影响，指出AI通过信息处理能力、共用数据源及交易速度优势，放大了金融体系的杠杆、流动性压力与不透明等脆弱性，导致危机发生更快且更剧烈。文章同时提出金融监管应构建自主AI系统，促进AI间通信，实施自动化危机应对措施，实现对AI使用的动态监控，以有效缓解AI驱动的系统性风险 [page::0][page::1][page::15][page::17]。
本论文提出6种替代性指标衡量欧洲冠军联赛小组赛阶段竞争均衡性，基于Elo评分和动态排名对比，在2003/04至2023/24赛季间未发现竞争均衡性的长期下降趋势，挑战以往基于HHI指标的结论，提示未来研究应采用更丰富的衡量方法 [page::0][page::1][page::5][page::9][page::10][page::11]。
本报告针对去中心化金融（DeFi）广泛使用的总锁仓价值（TVL）指标存在的双重计数问题，提出了更精确稳健的总可赎回价值（TVR）框架，剔除因包装和杠杆效应带来的虚增额。实证发现，DeFi系统中双重计数量巨大，TVL在2021年12月达到峰值时，TVL与TVR之差高达1398.7亿美元，比例约为2。敏感性测试显示，TVL对ETH价格下跌更为敏感，衍生代币加剧了市场风险传染。研究还首次定义了DeFi货币乘数，揭示其与加密市场指标正相关、与宏观经济指标负相关。整体上，TVR优于传统TVL，能更真实反映DeFi系统价值，为投资决策提供理论与数据支持 [page::0][page::1][page::10][page::12][page::14][page::15]
本论文基于Malliavin微积分技术，系统推导了粗糙Volterra随机波动率模型下多种希腊字母的计算公式，涵盖Delta、Gamma、Rho、Vega以及新引入的粗糙度参数灵敏度。针对粗糙Volterra模型族中的αRFSV模型（包含粗糙Bergomi和SABR特例）、混合αRFSV模型及粗糙Stein-Stein模型做了详细分析，证明其定理公式的收敛性，并通过蒙特卡洛模拟验证数值表现，首次展示了Delta对Hurst参数的依赖关系，有效推进了粗糙波动率模型希腊字母的量化计算方法研究 [page::0][page::1][page::15][page::17][page::18][page::22].
本文提出一套简明框架，测量收入冲击对消费的保险程度，特别考虑收入分布的高阶矩特征（偏度与峰度）。基于1999-2019年PSID数据，发现永久性负面冲击对消费传递率（17%）显著高于同等正向冲击（9%），且随着冲击恶化传递率进一步增加。该传递率随年龄、财富和收入分布位置存在异质性，表明尾部风险对消费影响显著，为评估家庭收入风险和消费不平等提供定量依据 [page::0][page::3][page::4][page::5][page::30][page::39][page::64]
本论文研究了在成员具有多样化贴现率时，中央规划者如何基于一种聚合态度函数构建时间不一致的最优停时策略，提出迭代一致性规划方法并给出一维扩散过程中的平衡策略刻画，结合典型模型分析了贴现率分布及态度函数对最优均衡的影响，展现了最优策略与传统单一贴现率模型的显著差异 [page::0][page::2][page::4][page::6][page::8][page::15][page::22][page::28]
本文探讨了二元选择模型稳定性指标（如PSI和KS）与模型判别能力（Gini指数）之间的关系。研究推导出实际Gini指数应低于观测Gini，提出基于KS指标校正Gini误差的公式，并通过理论推导和实证数据验证了PSI与KS的关联性及其对Gini值的影响，为风险评分模型的稳定性评估和误差考量提供了量化工具及方法 [page::0][page::2][page::7][page::9][page::10]
本论文介绍了skfolio，一个基于Python并与scikit-learn兼容的开源组合优化库。它涵盖从传统均值-方差优化到最新的聚类和集成方法，支持多种风险度量和先验估计技术，并提供适合金融时间序列的先进交叉验证方法，有效解决过拟合和数据泄漏问题，实现组合优化的数学严谨性与实践透明性的统一 [page::0][page::1][page::3][page::4][page::5]。
