Multi-Agent Reinforcement Learning for Greenhouse Gas Offset Credit Markets
该论文通过利用纳什 DQN 强化学习算法有效估算温室气体抵消信用市场的有限参与者纳什均衡，不仅验证了强化学习在气候主题金融市场中的适用性，还通过数值实验证明了遵循该均衡能为排放企业带来显著的经济节约。
💰 Category
q-fin
92 篇论文
Solution to the Equity Premium Puzzle with Time-Varying Variables
该论文通过构建基于消费资本资产定价模型的时变变量模型，在设定主观时间贴现因子为 0.97 至 0.99 且相对风险厌恶系数约为 4.40 的条件下，成功解释了股权溢价之谜并验证了模型的稳健性。
Do More Suspicious Transaction Reports Lead to More Convictions for Money Laundering?
该论文基于欧盟数据的研究表明，虽然可疑交易报告数量与洗钱定罪数量之间存在统计上的正相关，但这种关系主要由国家间差异和共同的时间趋势驱动而非因果关系，因此单纯增加报告数量并不能在统计上显著推动定罪率的提升。
VaR at Its Extremes: Impossibilities and Conditions for One-Sided Random Variables
本文研究了非负随机变量和的在险价值（VaR）极端聚合行为，证明了除完全正相关下的精确可加性外 VaR 子可加性不可能成立，并引入负单纯形依赖（NSD）和单纯形优势（SD）两个结构性条件，为刻画 VaR 完全超可加性提供了统一且易于验证的框架。
Evaluating Impacts of Traffic Regulations in Complex Mobility Systems Using Scenario-Based Simulations
本文提出了一种结合物理交通流与用户行为适应的多层仿真框架，利用真实数据与情景模拟对城市交通管制政策的直接及间接影响（涵盖交通状况、排放及经济可达性）进行前瞻性评估，并通过案例研究验证了其在支持政策设计与决策方面的有效性。
A Learnable Wavelet Transformer for Long-Short Equity Trading and Risk-Adjusted Return Optimization
该论文提出了一种名为 WaveLSFormer 的可学习小波 Transformer 模型，通过端到端的多尺度分解与风险感知正则化直接优化市场中性投资组合，在长短期股票交易任务中显著超越了传统基线模型，实现了更高的累计收益和夏普比率。
Optimal Risk-Sharing Rules in Network-based Decentralized Insurance
本文研究了网络结构下的去中心化风险分担问题，在仅允许“朋友”（即网络中直接相连的节点）之间进行风险分担的假设下，刻画了最优的线性风险分担规则，并探讨了朋友均担风险的特殊情形与图拉普拉斯矩阵之间的联系。
Market Inefficiency in Cryptoasset Markets
该论文通过检验共享主导风险因子但次级风险暴露不同的加密货币资产投资组合，发现实证结果强烈拒绝了均衡约束，从而证明了加密货币市场存在无法归因于风险定价错误的低效性及阻碍资本重新配置的摩擦。
Monitoring Limits in DAO Governance: Capacity Breakpoints and Endogenous Concentration
该论文通过实证分析指出，随着 DAO 提案数量增加并超出广泛参与者的监控能力，治理控制权会因“过大而无法监控”的机制而向少数活跃参与者集中，导致去中心化程度在负载过高时无法持续。
A Linear Model of Geopolitics
该论文构建了一个线性一般均衡模型，将贸易与边界作为内生变量，从而解释了单一因素外生假设下无法得出的地缘政治结果，并以此统一分析了国家内外的政治经济、安全及意识形态问题。
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。
Managing Cognitive Bias in Human Labeling Operations for Rare-Event AI: Evidence from a Field Experiment
该论文通过在医疗众包平台开展的实地实验证明，采用平衡反馈机制、概率标注界面以及流水线层面的线性对数几率重校准方法，能有效缓解人类标注者在罕见事件检测中的认知偏差，从而显著提升下游卷积神经网络的分类性能与概率校准可靠性。
One-Shot Individual Claims Reserving
本文旨在通过深化对基于链梯法新视角的讨论，解决现有个体赔款准备金评估方法过于复杂或缺乏灵活性的问题，从而推动微观测算准备金实践迈向新标准。
DatedGPT: Preventing Lookahead Bias in Large Language Models with Time-Aware Pretraining
该论文提出了 DatedGPT，这是一个包含 12 个模型的系列，通过严格的时间分割预训练和指令微调，有效防止了大型语言模型在金融预测中因“未来数据泄露”而产生的前视偏差，同时保持了与同类模型相当的竞争力。
Deriving the term-structure of loan write-off risk under IFRS 9 by using survival analysis: A benchmark study
该论文通过基准研究比较了离散时间风险模型、条件推断生存树与逻辑回归在 IFRS 9 框架下构建贷款核销风险期限结构的表现，发现离散时间风险模型在双阶段 LGD 建模中表现优异，但受数据"L 型”分布影响，单阶段 LGD 模型最终取得了最佳效果。
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。
How Vulnerable is India's Economy to Foreign Sanctions?
该论文利用 OECD 跨国投入产出表构建全球供应链模型，通过模拟外国对印度实施输入限制的情景，评估发现沙特阿拉伯是印度经济面临的最大制裁风险来源，其次是阿联酋、中国、新加坡、美国和俄罗斯。
Increasing intelligence in AI agents can worsen collective outcomes
该研究指出，在资源稀缺环境下，提升 AI 智能体的多样性与强化学习能力反而可能加剧系统过载并导致集体混乱，而这一风险完全取决于可预先计算的“容量与人口比率”。
Forecasting and Manipulating the Forecasts of Others
该论文首次通过构建基于原始布朗冲击的条件概率框架，将具有内生信号的有限参与者连续时间 LQG 博弈中的无限信念层级简化为确定性固定点问题，从而给出了精确的纳什均衡刻画，并定义了用于衡量操纵对手后验信念边际价值的“信息楔形”（information wedge）。
Interdisciplinary Papers Supported by Disciplinary Grants Garner Deep and Broad Scientific Impact
该研究通过分析海量资助与论文数据揭示了一个悖论：尽管跨学科资助旨在推动跨学科研究，但真正产生高影响力的跨学科成果往往更多源自深度学科资助，这表明跨学科创新离不开深厚的学科专长与投入。