本报告基于对600只主要美国基金（总计11.6万亿美元资产）调查，重点分析了种族和族裔多样性在资产管理中的现状与差距。研究发现，在本报告覆盖的股票基金（7.5万亿美元）中，仅有1.28%的资产由管理团队中至少33%来自少数族裔的多元团队管理，凸显极深刻的代表性不足。尽管少数族裔占美国人口约三分之一，基金经理中相关比例不足3%，种族和族裔多样性被严重低估。研究强调了改进数据采集和促进多样性的现实意义和潜在财务优势 [page::0][page::9][page::11][page::14]
本报告基于600只美国主流基金，涵盖11.6万亿美元资产，首次系统披露基金管理团队的性别多样性现状。结果显示，仅21.3%的资产由性别多样性在33%-67%的团队管理，女性基金经理管理资产仅占16.91%。规模较大的基金性别多样性更高，体现“聚光灯效应”：公众关注度提高了多样性。实现2033年33%多样性目标，需每年提升1.3%。本研究为后续探索多样性与绩效关系奠定数据基础[page::0][page::1][page::6][page::9][page::11][page::15]。
本研究首次实证模拟了区块链技术赋能的美国主权财富基金，评估了资产代币化配置及链上披露机制在不同监管和地缘政治不确定性下对风险调整收益及资本成本的影响，发现以太坊优化了投资组合绩效，指标表现受监管明晰度显著影响，而比特币高波动性不适合作为主权资产，加深了对主权财富基金政治经济机制和技术设计协同作用的理解，为政策制定和机构投资实践提供了新视角[page::1]。
本文基于2020年5月至2024年8月的月度数据，系统研究了后疫情时代印度市场中外资机构投资者（FIIs）与本土机构投资者（DIIs）对NIFTY 50指数的即时与滞后影响。研究发现，FIIs对市场有显著的即时正向驱动效应，且影响延续至下一个月；DIIs则呈现滞后且显著的稳定作用，短期内影响不显著，表明后疫情市场中机构投资行为的时效性和策略有所转变，突显新形势下的市场波动和投资者行为演变规律[page::0][page::11][page::12].
本文构建理论模型，阐释ESG治理中股东投票协调失败机制：ESG投资者若预期投票权不足，理性选择退出，导致改革提案无法通过，治理失败。这解释了为何资本流入未必引发企业实质变化，且治理效果取决于股东构成而非单纯资本配置 [page::0][page::5][page::6]。
本文提出了一种基于税收的多区域灾害风险集体风险分担框架，通过理论模型和数值算法，优化政府干预下的灾害损失再分配，实现帕累托最优且符合精算公平的税收规则。研究结合实际地理经济数据模拟风暴灾害，展示在空间相关且风险异质的多区域情况下，模型有效分配残余风险，有助于缓解保险公司违约带来的系统性风险，为公共和私营部门的灾害风险共担提供新思路 [page::2][page::8][page::14][page::24][page::29]。
本文基于多因子生产函数建立了经济复杂性指数（ECI）的理论基础。单能力模型中，ECI作为第二特征向量，将经济体按能力赋予概率的高低区分；多能力模型中，ECI是经济体平均能力赋予概率的单调函数，优于多样性指标。将模型推广到带价格、工资和消费的短期均衡环境，ECI仍能有效区分能力赋予水平。通过操控能力赋予矩阵结构，模型重现了产品空间核心-边缘结构、研究领域的环形结构及职业技能的哑铃结构，理论解释了复杂性度量与相关网络结构的内在联系。该研究揭示ECI的经济含义，坚实了其作为经济能力估计指标的理论基础，为经济复杂性与发展经济学和产业政策的融合提供了新路径 [page::0][page::1][page::3][page::4][page::5][page::9][page::14][page::16][page::17][page::21][page::27][page::33][page::35][page::37]
本报告介绍了澳大利亚央行基于人工智能的文本分析和信息检索工具，处理近25年高达22000条企业联系访谈文本，利用现代NLP技术对访谈内容进行主题分类、语调及不确定性分析，并提取定量经济指标（如工资增长率）。该工具显著提升了基于文本的工资增长现用预测(nowcasting)效果，表现优于传统模型，显示了文本数据在宏观经济分析中的潜力 [page::1][page::5][page::19][page::21][page::30][page::34]。
本文基于Peskir局部时间变换公式，推广了美式期权在时变扩散及跳-扩散模型中的价差分解和定价公式，推导了早期执行边界满足的二类Volterra积分方程，并结合COS方法利用特征函数处理无显式转移密度的问题。数值实例涵盖了多维扩散及跳跃扩散场景，验证了该方法的高效性与广泛适用性，提升了美式期权定价的准确度和计算效率[page::0][page::1][page::18][page::21]。
本文提出了基于概率图模型与因果推断的统一框架，系统建模债券多对一报价请求（RfQ）过程，重点解决定价优化、收益潜力评估及客户匹配等关键业务场景。通过对生成模型与判别模型（如逻辑回归和LightGBM）的实证对比，揭示嵌入经济约束和结构机制的生成模型在校准概率输出上的优势，同时保持优异的分类性能，验证了因果建模在MD2C平台量化定价中的实用性和有效性[page::0][page::1][page::24][page::27]。
本论文提出了一种基于贝叶斯广义帕累托回归的方法，对印度Nifty 50指数极端负收益进行建模与预测。通过将尺度参数与市场波动等协变量关联，模型动态反映尾部风险。采用四种贝叶斯正则化先验进行比较，结果显示Cauchy先验在预测精度与模型简洁性之间取得最佳平衡。实证分析揭示国内外波动率（Nifty、S&P500、黄金）均显著影响尾部风险，体现了全球溢出效应与避险行为，为金融市场系统性风险管理与压力测试提供了有效工具[page::0][page::1][page::7][page::8]
本论文提出了一种基于机器学习的实证模型，利用30年SPX指数期权数据，结合GARCH波动率与深度神经网络、随机森林和线性回归模型，实现对欧式看跌期权价格的动态模拟和预测。神经网络模型在不同窗口训练下，在深度价外期权和波动性高涨期表现最佳，且无风险套利条件基本满足。SHAP分析揭示关键特征影响，模型提供稳健的时序路径模拟，有助风险管理和尾部风险对冲 [page::0][page::1][page::5][page::33][page::39][page::40]
本报告研究了大语言模型（LLMs）在金融信贷决策中存在的种族偏见问题，通过构建反事实测试框架，发现模型在贷款批准率和利率定价方面对黑白申请人存在显著差异，且偏差程度超过历史数据。利用层级内部表示分析，揭示敏感属性在模型内部的传播路径，并提出一种基于表示工程的控制向量干预方法，有效减少种族偏差达70%而不损害模型性能，为金融机构部署合规AI提供切实可行的技术手段[page::0][page::3][page::5][page::10][page::23][page::31][page::35]。
本文提出自主商务模型（ABMs）概念，探讨在agentic AI（具有自主决策和执行能力的AI系统）的驱动下，企业战略和业务模型如何从人类主导转向AI作为核心执行者，实现价值创造的自主化。通过分析创业公司Swan AI和假设的Ryanair案例，展示了从AI增强到自主业务模型的演进路径，阐释agentic AI如何成为战略资产，带来数据反馈护城河和算法驱动的战略精度，推动“合成竞争”即AI系统间的高速竞争，并探讨了治理、领导力和未来研究方向 [page::0][page::6][page::9][page::12][page::15].
本文提出了一个创新的混合CMG框架，融合了混沌理论、马尔可夫过程和高斯过程，结合Transformer与LSTM深度学习结构，针对全球160多个市场指数的OHLC数据进行短期情绪预测。实证结果显示，该框架在不依赖特征工程和高计算资源条件下，明显优于传统统计与深度学习模型，提供了一种高效、准确且具不确定性量化能力的情绪预测新方法[page::0][page::5][page::9][page::16][page::18]
本研究构建了包含忠诚与理性消费者的供应链价格博弈模型，考虑价格离散性和运营成本影响，发现制造商存在非零正利润的纳什均衡，且价格粒度显著影响均衡稳定性。数值模拟揭示供应商定价策略对制造商竞争及市场份额的深远影响，提出了供应链定价博弈的新理论框架，且小面额价格导致均衡不存在与边沃斯周期出现，指明未来研究方向[page::0][page::4][page::5][page::6]
本文提出一种基于市场交易的投资组合方差描述，创新性地考虑了证券交易量的随机性，推导出组合方差为相对持仓比例的四次多项式，与传统Markowitz二次型不同。该理论揭示了现有马科维茨模型在假设交易量恒定时的局限，强调大规模资产管理及宏观模型中需纳入交易量波动以提升风险评估准确性，为投资组合优化提供更现实的量化基础[page::0][page::10][page::14][page::15][page::29]。
本论文提出了一种基于风险中性等价（RNE）方法的模型不确定性资产定价框架，区分模型风险与非模型风险，实现定价分离，提出了唯一且简洁的模型风险定价公式。核心参数为模型风险推断的动态守恒量，揭示了动量和低风险等显著价格异常的经济含义，实现了风险溢价与偏差的分离，为状态维持偏差及相关资产价格动态提供了理论基础和实用工具[page::0][page::2][page::12][page::18][page::20]。
本文提出通过引入新闻传播范围、上下文数据及明确指令，提升基于大型语言模型的情绪驱动股票短期走势预测能力。采用新闻聚类方法量化新闻影响力，结合日度股价细化信息和指令微调LLM，实验展示预测准确率较现有方法提升8%，验证了传播感知与上下文增强的重要性。[page::0][page::1][page::3]
本论文围绕各国收入（GDP人均）与人口健康（以出生时预期寿命LEB衡量）长期趋势数据，质疑两者的协整关系是否真实反映因果连接。研究指出，在多国及虚拟数据中均能发现统计上显著的协整，但多数为伪协整，表明传统协整检验难以区分因果与虚假关系。作者强调该领域存在对协整方法的严重误用，警示“协整不等于因果”原则 [page::0][page::4][page::10][page::13]
