Empirical Asset Pricing via Ensemble Gaussian Process Regression
该论文提出了一种基于高斯过程回归的集成学习方法，用于预测股票条件预期收益，实证表明该方法在统计和经济指标上均优于现有机器学习模型，并能通过利用预测不确定性构建均值 - 方差最优投资组合，显著跑赢标普 500 指数。
💰 Category
q-fin.ST
15 篇论文
Bitcoin Price Prediction using Machine Learning and Combinatorial Fusion Analysis
该论文提出将组合融合分析（CFA）应用于比特币价格预测，通过融合多个模型的评分与排名特征，显著提升了预测精度，实现了 0.19% 的 MAPE 并优于现有模型。
Impact of LLMs news Sentiment Analysis on Stock Price Movement Prediction
该论文通过对比 DeBERTa、RoBERTa 和 FinBERT 三种大语言模型，发现 DeBERTa 在基于新闻情感分析的股价预测中表现最佳（准确率 75%），而三模型集成可进一步提升至 80%，并证实了情感特征能轻微提升多种时序预测模型的性能。
Hybrid Hidden Markov Model for Modeling Equity Excess Growth Rate Dynamics: A Discrete-State Approach with Jump-Diffusion
本文提出了一种结合拉普拉斯分位数离散化与泊松跳跃持续机制的混合隐马尔可夫模型，通过直接转移计数估计参数，在 SPY 数据实证中实现了分布保真度、时间结构及尾部覆盖率的综合最优表现，并扩展至多资产相关路径生成。
An operator-level ARCH Model
本文提出了一种适用于一般可分希尔伯特空间的算子级 ARCH 模型，该模型能够刻画条件协方差算子的完整演化，并建立了其平稳性、矩存在性及参数估计的一致性理论，同时通过模拟和高频日内收益数据应用验证了其实际效用。
Stock Market Prediction Using Node Transformer Architecture Integrated with BERT Sentiment Analysis
该论文提出了一种结合节点 Transformer 架构与 BERT 情感分析的集成框架，通过将股票市场建模为图结构并融合多源数据，在 S&P 500 股票预测中显著降低了误差并提升了方向预测准确率。
Beyond Polarity: Multi-Dimensional LLM Sentiment Signals for WTI Crude Oil Futures Return Prediction
该论文利用 GPT-4o 等大语言模型从能源新闻中提取包含相关性、极性、强度、不确定性和前瞻性在内的多维情感信号，发现结合 LLM 与传统金融情感模型能显著提升 WTI 原油期货周度收益的预测精度，并证实情感强度与不确定性等维度比单一极性具有更关键的预测价值。
Entropic signatures of market response under concentrated policy communication
该研究利用信息论框架，通过分析特朗普第二任期前 100 天全球主要股市的熵值与离散度，揭示了政策密集沟通期间市场波动与叙事约束的解耦特征，并证实累积熵能有效捕捉由政策驱动的区域性高信息密度事件。
Temperature Measurement in Agent Systems
本文针对经济物理学中温度变量难以测量的问题，提出了一种在新闻环境下基于双选项决策的代理系统温度测量方法，并展示了如何利用该方法通过影响竞争子系统来调控平均意见。
Broken Symmetry of Stock Returns -- a Modified Jones-Faddy Skew t-Distribution
该论文提出，股票收益的负偏态和正均值主要源于控制盈亏的随机波动率对称性破缺，并通过一种修正的 Jones-Faddy 偏态 t 分布，将收益分布有效拆分为增益和损失两部分，从而在单一有机分布中准确刻画这种不对称性及其尾部特征。
EDINET-Bench: Evaluating LLMs on Complex Financial Tasks using Japanese Financial Statements
本文提出了基于日本十年财报构建的开源基准 EDINET-Bench，用于评估大语言模型在欺诈检测等复杂金融任务上的表现，研究发现当前最先进的模型在该领域仅略优于传统逻辑回归，表明单纯提供报告文本不足以解决问题，亟需引入更贴近专业场景的推理支持框架。
Stealing Accuracy: Predicting Day-ahead Electricity Prices with Temporal Hierarchy Forecasting (THieF)
该论文提出了一种时间层次预测（THieF）方法，通过协调小时级与多时段块级电力价格预测，在德国和西班牙电力市场显著提升了预测精度，并建议将其应用于日常预测实践。
Asymptotic Separability of Diffusion and Jump Components in High-Frequency CIR and CKLS Models
本文提出了一种基于最小密度幂散度估计量（MDPDE）的稳健参数框架，利用扩散与跳跃增量在高频渐近下的尺度分离特性，通过标准化残差的极值分布构建渐近有效的检测阈值，从而在 CIR 和 CKLS 类跳跃扩散过程中实现了对跳跃与扩散成分的一致且稳健的统计判别。
Extreme Value Analysis for Finite, Multivariate and Correlated Systems with Finance as an Example
本文提出了一种针对有限多变量相关系统的实用极值分析框架，通过以金融高频数据为例，将股票收益旋转至相关矩阵特征基以分离集体与特异性效应，并结合考虑非平稳性的阈值超峰法，有效实现了从市场整体到行业层面的尾部风险评估。
Sentiment-Aware Mean-Variance Portfolio Optimization for Cryptocurrencies
本文提出了一种结合技术指标（RSI 和 SMA）与多源情感分析（VADER 及 Google Gemini）的动态均值 - 方差加密货币投资组合优化策略，回测结果表明该整合方法在风险调整后收益和累计增长方面优于传统基准，但也指出其在市场压力时期仍存在显著回撤，需进一步引入风险管理机制。