Counter-monotonic Risk Sharing with Heterogeneous Distortion Risk Measures
本文研究了具有异质扭曲风险度量(且不一定风险厌恶)的代理人之间的风险分担问题,在温和假设下推导了无约束和反单调 inf-convolution 的显式解,并证明其可表示为扭曲风险度量的推广形式。
92 篇论文
本文研究了具有异质扭曲风险度量(且不一定风险厌恶)的代理人之间的风险分担问题,在温和假设下推导了无约束和反单调 inf-convolution 的显式解,并证明其可表示为扭曲风险度量的推广形式。
该论文通过引入描述攻击聚集特征的 Hawkes 过程,将经典的 Gordon-Loeb 模型扩展为连续时间随机最优控制问题,从而确定了在动态威胁环境下更有效的网络安全投资策略。
该论文通过提出“单篮定理”,揭示了在重尾且均值无限的损失分布下,分散化投资不仅无法降低风险,反而可能在所有阈值上导致比随机集中投资更高的尾部风险,从而颠覆了分散化总是有效的传统认知。
该论文将集中不等式理论推广至具有重尾系数的简单随机张量,通过建立广义最大不等式和基于 Nagaev 型不等式的鞅分析,刻画了亚高斯与重尾机制之间的相变并给出了相应的欧几里得函数集中界。
该研究通过模拟 GPT-5.1 代理在信息不对称的信誉商品市场中的互动,发现与人类相比,LLM 市场虽表现出更高的消费者参与度和更低的价格,但欺诈行为更顽固且市场集中度更高,表明针对 AI 代理的市场制度设计需从根本上转向社会偏好对齐,而非依赖传统机制。
该研究利用庆应义塾的个体面板数据发现,19 世纪日本明治政府通过调整征兵豁免规则,成功激励了户长入学,显著提升了教育参与率,但并未实质改善学业表现。
该论文建立了随机梯度下降(SGD)权重矩阵与投资组合配置矩阵之间的直接对应关系,通过揭示其谱结构如何编码因子分解与财富集中模式,将 SGD 的三种驱动力统一转化为投资组合动态,并提出了谱不变性定理以连接跨截面财富动力学与神经网络诊断。
本文提出了一种名为“滑点风险(SaR)”的前瞻性流动性风险框架,通过结合订单簿微观结构、集中度调整及自动去杠杆机制,利用 Hyperliquid 实证数据验证了其作为系统性压力领先指标的有效性,并建立了与最优资本要求的直接映射关系。
本文提出了 AlgoXpert 阿尔法研究框架,通过结合关注稳定参数区的样本内测试、防信息泄露的滚动样本外分析及严格锁定的最终验证,并辅以多层防御机制,系统性地解决了量化策略从回测到实盘过程中因过拟合和参数选择偏差导致的失效问题。
该研究提出了一种基于数学解析解的投资组合优化基准框架,用于评估大语言模型在金融决策中的量化推理能力,并通过实验揭示了不同模型在风险与收益目标及约束条件下的性能差异。
该论文通过标准化问卷测试发现,GPT、Gemini 和 Llama 三款大语言模型虽普遍倾向于长期投资,但在风险容忍度、回答一致性以及受年龄、财富等特定人设提示的影响程度上表现出显著差异。
该研究利用2016至2024年的个体面板数据发现,新冠疫情不仅提升了男女对女性积极工作的整体支持度,还逆转了性别态度差异(女性支持度反超男性),并促使老年群体和已婚男性在疫情后更倾向于支持女性工作。
该研究利用包含超过 19,000 个观测值的个体面板数据,发现跨性别者在主观幸福感、健康状况及独立职业决策方面显著低于非跨性别者,且在性别议题态度上未呈现预期的进步倾向,同时表现出更高的对他人的不信任感。
该论文通过建立耦合偏微分方程系统,推导了去中心化交易所(DEX)在动态费用竞争下的近似纳什均衡,揭示了竞争如何改变费用切换边界,并指出增加竞争者数量会降低战略交易者的执行滑点,但对噪声交易者的影响则取决于市场活跃度。
该论文提出了一种结合银行与企业资产负债表数据来重构经济多层网络结构并模拟冲击传播的统一框架,利用意大利经济数据识别了系统重要性实体并评估了系统性风险,从而在无需详细网络数据的情况下实现了对经济数字孪生的压力测试。
该论文指出,量子力学与金融中的数币不变性对应于投影弯曲状态空间,其中自旋系统距离展开中的非零立方项所引发的基本不对称性,构成了热力学第二定律、麦克斯韦妖失效及序列交易者局限性的共同几何根源。
该论文利用期权隐含波动率构建动态网络,发现波动率冲击的净输出国货币因承担特定的国家风险而获得更低的超额收益,因此通过买入波动率冲击最弱、卖出最强的货币可获取显著的经风险调整后的超额回报。
该论文利用分位数因子分析发现,个股收益分布的尾部存在共同冲击,且其左尾因子的创新能带来显著的年化 7-8% 超额收益,该溢价在控制其他风险因子后依然稳健,并在中介资本薄弱和市场流动性不足时增强,同时能预测市场整体超额回报。
本文从强化学习视角出发,通过引入随机停止时间和累积剩余熵正则化,将连续时空最优停止问题转化为有限燃料奇异随机控制问题,进而利用动态规划原理确定最优探索策略,并提出了具有策略改进保证且适用于高维场景的模型基与模型无关(Actor-Critic)强化学习算法。
本文提出了一种将六大主流标准整合为单一透明指标的“连续沙里亚合规指数”(CSCI),旨在解决传统二元筛选规则的不一致性问题并优化投资组合设计,但研究发现该指数本身并非新的定价因子,其严格度提升仅带来适度的风险调整后收益下降。