Uncertainty-Aware Deep Hedging
该论文提出了一种基于深度集成学习的确定性感知对冲框架，通过量化模型分歧来指导对冲策略与经典 Black-Scholes 模型的动态融合，从而在考虑交易成本的随机波动率市场中显著提升了风险对冲性能。
💰 Category
q-fin
92 篇论文
Towards macroeconomic analysis without microfoundations: measuring the entropy of simulated exchange economies
该论文通过计算机模拟验证了“热力学宏观经济学”理论中无需微观基础即可通过类比量热法实证测量经济熵函数的可行性，证明了该熵函数具有状态函数特性且为凹函数，从而能够用于推导价格、货币价值及预测经济互动效应。
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。
Weighted Generalized Risk Measure and Risk Quadrangle: Characterization, Optimization and Application
本文建立了加权广义风险度量（WGRM）的解析特征，将其与加权风险四边形（WRQ）结合以保留风险、偏差、后悔、误差和统计量间的内在关系，并将复杂优化问题转化为可解的线性规划，最终通过实证分析证明该框架能有效整合异质风险评估，提升投资组合的风险调整后表现及下行韧性。
A Bipartite Graph Approach to U.S.-China Cross-Market Return Forecasting
该论文提出了一种基于有向二分图的结构化机器学习框架，利用中美股市交易时间差构建稀疏可解释的特征选择层，研究发现美国收盘价至收盘价的收益率对中国日内收益率具有显著预测力，而反向影响则十分有限。
Win-score promotion gates in aggregator-routed RFQ markets: A two-tier stochastic control model
本文提出了一种针对聚合商路由 RFQ 市场的两层随机控制模型，该模型通过分离报价竞争与基于获胜分数的宏观路由机制，揭示了在长记忆和陡峭推广门限下，分数动力学可能产生的分岔与滞后现象，从而解释了最优报价策略中内生的“推广与收割”模式。
When David becomes Goliath: Repo dealer-driven bond mispricing
该论文利用英国国债回购交易的专有数据，揭示了交易商的市场权力及其相互关联所引发的融资市场摩擦，是导致债券收益率出现显著偏差（0.5 至 4 个百分点）的关键因素。
Risk-Adjusted Harm Scoring for Automated Red Teaming for LLMs in Financial Services
该论文针对金融服务领域大语言模型的安全评估局限，提出了一种结合领域特定危害分类、自动化多轮红队测试及风险感知判罚机制的框架，并引入了风险调整危害评分（RAHS）以量化操作严重性，揭示了高随机解码与持续对抗交互会显著加剧金融披露风险。
SPX-VIX Risk Computations Via Perturbed Optimal Transport
该论文提出了一种基于扰动最优传输的模型无关框架，通过结合费雪信息线性化与偏度粘性比（SSR）动态，实现了无需完全重新校准即可快速、准确地生成 SPX 和 VIX 风险情景并提升对冲表现。
On Utility Maximization under Multivariate Fake Stationary Affine Volterra Models
本文针对非马尔可夫且非半鞅的多变量伪平稳仿射 Volterra 环境，利用随机因子解 Riccati 倒向随机微分方程并结合鞅最优性原理，推导出了 Merton 投资组合优化问题的半闭式最优策略，并通过数值模拟展示了平稳粗糙波动率对策略的影响。
Information Structures in Stablecoin Markets
该论文通过构建全球博弈模型，揭示了信息结构（包括公开与私有信号的精确度）如何影响稳定币在面临大额抛售或储备资产质量不佳时的挤兑概率，从而解释了不透明稳定币的稳定性并划分了不同风险主导的区域。
Identifying the post-pandemic determinants of low performing students in Latin America through Interpretable Machine Learning methods
该研究利用 2022 年 PISA 数据，通过可解释机器学习方法识别出拉丁美洲低绩效学生的关键决定因素，包括家庭贫困、语言少数群体、学业留级、缺乏数字设备、兼职工作以及学校基础设施薄弱和教学质量低下等结构性不平等现象。
Nonlinear Fiscal Transitions and the Dynamics of Public Expenditure Reform
本文构建了一个非线性理论框架，以乌拉圭 2026-2030 年预算为参照，分析了公共支出改革中因制度刚性和调整成本导致的 J 型支出轨迹，揭示了结构性改革在短期内因过渡成本而增加支出、长期才实现效率提升的动态特征。
The Widening Gap in Tax Attitudes: Role of Government Trust in the post COVID-19 period
这项基于日本数据的研究表明，新冠疫情后，日本社会对再分配的支持从基于社会规范的无条件态度转变为依赖政府信任的条件性利他主义，导致高收入群体对再分配的支持度与政府信任之间的关联显著增强，从而加剧了不同群体间的态度鸿沟。
Preference for redistribution and institutional trust: Comparison before and after COVID-19
该研究利用日本 2016 至 2024 年的个体面板数据发现，新冠疫情后高收入群体的再分配偏好显著下降，且这种下降幅度随着对政府信任度的提高而减弱，但普遍信任与互惠心理并未对此产生显著影响。
Sleep and redistribution preferences: Considering allowable tax rates
该研究利用在线调查和回归分析发现，睡眠时长与可接受税率之间呈倒U型关系，且高质量睡眠、高收入群体以及特定的再分配情境会显著增强睡眠对支持更高税收偏好的正向影响。
Convergence of Neural Network Policies for Risk--Reward Optimization
本文提出了一种基于神经网络的两步反馈策略框架，用于解决具有不连续状态约束的多周期风险 - 回报随机控制问题，并证明了在增加网络容量和训练样本时，经验最优值依概率收敛于真实最优值，同时通过数值实验验证了其收敛性、控制策略准确性及样本外鲁棒性。
Onflow: a model free, online portfolio allocation algorithm robust to transaction fees
本文介绍了 Onflow，一种基于强化学习和梯度流的无模型在线投资组合分配算法，它能在无需假设资产回报分布的情况下，通过动态调整策略在考虑交易成本时实现优于传统方法的性能，并在零成本下复现马科维茨最优组合。
Finance-Informed Neural Network: Learning the Geometry of Option Pricing
该论文提出了一种名为 FINN 的金融信息神经网络，通过基于动态对冲的自监督学习目标，将金融理论直接融入机器学习，从而在无需依赖期权市场价格数据的情况下，能够一致且稳健地推导出无套利定价、希腊字母及隐含波动率曲面，并适用于缺乏流动性的资产定价。
Arbitrage-free catastrophe reinsurance valuation for compound dynamic contagion claims
本文在假设市场无套利的前提下，利用 Esscher 变换为具有动态传染特征的复合巨灾索赔构建了一个停止损失再保险定价框架，通过蒙特卡洛模拟和敏感性分析，量化了气候变化、网络攻击及大流行病等新兴风险下的再保险保费。