【银河公用陶贻功】行业动态 2025.5丨各省136号文细则陆续出台，国家级绿电直连政策落地
本报告聚焦2025年5月绿色电力行业动态，详解山东、广东、蒙东各省136号文细则出台进展及差异，解析国家层面绿电直连政策落地对新能源消纳和终端用户用电成本的影响。4月用电量增速基本持平，水核发电量增速下降，风光发电量增速加快。报告综合政策及市场数据，提出在煤炭价格低位、水核利率利好、新能源政策护航下的投资建议，为行业布局提供参考[page::0][page::1]
金融研报AI分析
【银河公用陶贻功】行业点评丨开展新型电力系统建设试点，多管齐下助力新能源消纳
本报告解读国家能源局发布的新型电力系统试点通知，重点围绕构网型技术、新能源友好并网、大规模新能源外送、新业态新模式及新一代煤电清洁降碳和高效调节三个方向展开，提出多维度推进新能源消纳和清洁转型的投资建议，助力绿色能源应用提升和煤电转型升级 [page::0][page::1].
【银河汽车石金漫】行业双周报丨车企5月销量亮眼，小鹏计划26年推新人形机器人
报告系统梳理了2025年5月中国车企销量表现，自主品牌整体销量同比环比双增，新能源车渗透率维持高位，多品牌新品不断推出。小鹏汽车确认2026年推出人形机器人，标志智能汽车与机器人跨界融合迈进，行业景气度延续但竞争加剧和机器人量产存在风险[page::0][page::1].
【银河晨报】6.6丨公用事业：各省136号文细则陆续出台，国家级绿电直连政策落地
报告分析了各省136号文细则陆续出台及国家级绿电直连政策的落实情况，指出存量新能源项目盈利保障增强、增量项目盈利分化，且绿电直连有助于新能源消纳优化及用户用电成本降低，为公用事业行业发展带来新机遇与挑战，提供系统性的政策和市场动态解析 [page::0][page::1].
科创板全能选手来袭，增强策略锦上添花 泰康上证科创板综合指数增强基金即将发行
本报告深入分析科创板的成长属性和创新优势，特别聚焦上证科创板综合指数（科创综指）作为指数增强策略的优质标的。科创综指覆盖广泛、成分股集中度低及快速纳入新股机制，增厚增强策略的Alpha来源。指数表现优于同类科创及主流宽基指数，且研发投入、成长性、民企和专精特新占比显著领先。泰康基金即将推出的相关增强型基金，凭借量化组合管理，致力于捕捉科创板的Beta与Alpha收益，为投资者提供长期价值增值机会 [page::0][page::1][page::7][page::8][page::9][page::10][page::14][page::16]
Neural Jumps for Option Pricing
本报告提出了一种神经跳跃随机微分方程模型（NJSDE），利用Gumbel-Softmax方法使跳跃过程可微分，从而可通过反向传播算法对跳跃参数进行训练。模型结合了神经网络的非参数拟合能力和跳跃扩散模型的经济结构，有效提升了期权定价的准确性。实证结果显示，NJSDE模型在模拟和真实标普500指数期权数据中均优于传统模型，在存在跳跃风险时表现最优；无跳跃时表现仍稳定，体现其鲁棒性和适应性[page::0][page::3][page::4][page::12][page::16][page::21][page::25]
Becoming Immutable: How Ethereum is Made
本研究首次系统分析以太坊2024年12月3日8分钟内拟入链的区块，包括非赢得区块交易内容。发现85%的区块收入来自专属交易，且约21%的用户交易存在延迟，部分交易在延迟后暴露于攻击风险。两大套利机器人Titan-bot与Rsync-bot竞争激烈，推断其在中心化交易所的隐含价格优于市场价3.4至4.2个基点，体现了区块构建和交易执行的深层机制与博弈 [page::0][page::2][page::3][page::4][page::10][page::13][page::14][page::20]
Can Artificial Intelligence Trade the Stock Market?
本论文系统研究了Deep Reinforcement Learning（DRL）在股票市场及多资产交易中的应用效果，比较了DDQN与PPO两种算法结合神经网络和Transformer架构在不同市场环境下的表现。结果表明，PPO结合Transformer表现最佳，在多资产与时间周期均优于传统买入持有及完美年化策略，且能有效规避风险，展示了DRL在量化交易中的巨大潜力与可行性[page::0][page::30][page::47][page::53].
The Determinants of Net Interest Margin in the Turkish Banking Sector: Does Bank Ownership Matter? Central Bank Digital Currencies
本研究基于2001至2012年土耳其商业银行季度数据，采用动态面板模型系统GMM方法，实证分析了银行净息差（NIM）的决定因素，重点考察了银行所有权结构的影响。结果显示，经营多样性、信用风险、不良贷款比例、经营成本及隐性利息支付是NIM的重要影响因素；管理效率高的银行表现出较低NIM，通胀率对NIM有显著正向作用。此外，不同所有权的银行在风险厌恶程度、银行规模、市场集中度等关键因素对NIM的影响存在显著差异，外资银行规模和风险厌恶对NIM影响显著为正，国有银行流动性比率对NIM呈正影响，私人银行市场集中度影响显著为正[page::0][page::6][page::9][page::15][page::18][page::22][page::26].
Interpretable LLMs for Credit Risk: A Systematic Review and Taxonomy
本文系统回顾了2020-2025年间基于大语言模型（LLM）的信用风险评估研究，通过选择60篇相关文献并采用PRISMA方法，构建了涵盖模型架构、数据类型、可解释机制和应用领域的分类体系。研究揭示了当前主流的模型类别（如编码器、解码器、混合模型及FinLLMs）、多模态数据融合、解释性方法（后验解释、链式推理及内在透明模型）及其在零售信贷、欺诈检测和资产管理等多领域的应用趋势，同时指出了可解释性不足、鲁棒性、偏差风险和评估标准缺失等研究空白，为未来研究指明方向[page::0][page::5][page::7][page::8][page::12][page::13]
A Causation-Based Framework for Pricing and Cost Allocation of Energy, Reserves, and Transmission in Modern Power Systems
本文提出了一种基于因果关系的电能、备用和输电定价与成本分摊框架，明确区分了上调备用、下调备用及输电服务的价格并引入安全费机制。该框架能够实现收入充足性和中性，促进发电机的可靠性激励及输电设备的合理报酬，解决传统定价机制存在的资金缺口和不公平分摊问题。数值案例验证了该机制在现代电力系统市场的有效性和公平性 [page::0][page::1][page::2][page::8][page::19][page::20].
A NEW ARCHITECTURE OF HIGH-ORDER DEEP NEURAL NETWORKS THAT LEARN MARTINGALES
本文提出一种基于高阶弱逼近算法的深度神经网络架构，用于高效学习随机微分方程中的鞅过程，特别适用于金融衍生品定价。核心创新在于将显式Runge–Kutta型高阶弱逼近方法整合至神经网络，通过迭代组合和线性运算实现SDE的近似。数值实验表明，所提架构在美式期权定价中相比传统ResNet优化效果更优，学习速度更快，且具有更高的逼近阶数[page::0][page::10][page::15][page::16]
Correlation and Beyond: Positive Definite Dependence Measures for Robust Inference, Flexible Scenarios, and Stress Testing for Financial Portfolios
本文提出了一种新方法Nonparametric Angles-based Correlation（NAbC），用于在真实金融数据复杂条件下，对所有正定的依赖度矩阵进行稳健推断。NAbC通过角度空间参数化，实现了对Pearson、Kendall、Spearman、尾部依赖矩阵等多种依赖度的精确有限样本分布估计，支持矩阵和细胞级别的置信区间和p值计算，允许灵活冻结任意子矩阵元素进行场景分析和压力测试。相比以往方法，NAbC提高了推断的稳健性、灵活性和解释力，实证结果显示其在多种真实世界数据条件下优于传统特征值方法，同时可扩展至因果建模和多样本比较[page::2][page::3][page::44][page::56][page::64][page::74]
Leveraging Machine Learning for High-Dimensional Option Pricing within the Uncertain Volatility Model
本文探讨了机器学习技术（高斯过程回归和神经网络）在不确定波动率模型（UVM）下高维期权定价的应用。UVM通过设定波动率及相关系数的上下界，刻画波动率不确定性，形成稳健的期权估价框架。文中提出的GTU方法结合高斯过程回归与多维树结构，通过时间向后递归动态优化波动率和相关参数；NNU方法则利用神经网络直接学习最不利的波动率和相关系数控制策略，并通过蒙特卡洛仿真完成估价。数值实验证明，两者均在高维路径相关期权估价中表现出色，提升了精度与计算效率，为风险管理和超额对冲策略提供有力工具 [page::0][page::4][page::5][page::8][page::14][page::28][page::34]。
The Dynamic Persistence of Economic Shocks
本文提出一种新的框架，利用局部回归技术对经济时间序列中的冲击持久性进行动态、多尺度分解，实现持久性时变建模。通过对美国通胀和股市波动率的实证应用，揭示了随时间变化的异质持久性结构及其对应的“可预测性口袋”，显著提升预测准确度，具重要经济和政策意义 [page::0][page::1][page::8][page::13][page::21].
CHAOTIC HEDGING WITH ITERATED INTEGRALS AND NEURAL NETWORKS
本文提出基于迭代Stratonovich积分的Lp-混沌展开理论，证明任意Lp可积金融衍生品均可用有限展开逼近，并利用（随机）神经网络实现函数近似，进而近似求解Lp对冲问题，实现对复杂衍生品的有效定价与对冲 [page::0][page::1][page::5][page::6].
Commodity Trading Strategies, Common Mistakes, and Catastrophic Blowups
本报告由Hilary Till于2017年发布，系统讲解了商品期货交易的常见策略（如趋势跟踪、日历价差交易）、常见误区（如过度追求绝对收益、仓位不当、心理纪律缺失）及致命风险事件案例（Amaranth和MF Global爆雷）。报告通过丰富的历史数据和案例分析，揭示了商品交易中风险管理的关键要素与教训，帮助投资者理解避免爆雷风险的实践路径 [page::0][page::3][page::11][page::17][page::24][page::35]。
Innovations in Commodity Trading and Investing
本报告系统阐述了商品期货收益的驱动因素，重点分析了整体组合层面的均值回归与再平衡效应及个别合约的结构曲线形态对长期收益的影响，指出结构性的期货曲线形态（如逆价差）与库存水平密切相关，尤其是原油市场，并提出利用逆价差策略可能重现良好回报的投资机遇 [page::4][page::6][page::9][page::11]。
STRUCTURAL SOURCES OF RETURN IN COMMODITY FUTURES INVESTMENTS
本报告深入分析了商品期货投资的结构性收益来源，包括再平衡效应、远期结构（主要是期货曲线的逆价差）对长期回报的决定作用、短期动量效应以及稀有趋势转变等，结合多个实证图表展示不同因素对收益贡献的显著影响，揭示了CTA策略中趋势跟踪与期货曲线形态对收益的重要驱动机制 [page::1][page::2][page::3][page::4][page::5]。
Commodities: Sources of Returns and Investment Alternatives
本报告系统介绍了商品期货的主要收益来源，包括结构性因素如期限结构、动量效应和再平衡，结合历史数据展示了不同商品指数的业绩差异，强调罕见的现货价格大幅波动对收益的影响，并探讨了商品对冲基金在捕捉资产Beta和控制下行风险上的作用，为投资者提供了基于多维因素的商品投资视角 [page::2][page::3][page::5][page::7][page::10]
