arXiv 量化金融（q-fin）。
说明衡量预测市场的成交方向：以结算数据为基准的交易成本测量（Polymarket）
简介本文以 Polymarket 公开成交记录的链上结算数据为基准，检验各成交的买卖方向判定是否准确。作者比较了 Lee-Ready、tick 测试和回溯式批量成交量分类等方法，并分析它们对有效价差、已实现价差和中点冲击等交易成本指标的影响。文中指出，方向判定的误差会改变测得的交易成本，但这些数量属于交付报价的会计度量，并不能识别因果影响或私有信息。
说明经专家核验的AI学习材料：在一门大学课程中学习收益的分布情况
简介本文比较了两届大学一年级经济学课程：其中一届学生可使用由AI生成、经研究生助教核验的播客、常见问题和测验式学习指南。研究以双重差分设计分析340个考试分数，发现使用该材料与平均成绩提高2.34分（满分50分）相关，低分段学生获益更明显。作者认为，只报告平均效应的评估无法判断真正需要帮助的学生是否获益。
说明比较信用卡违约损失率建模的两种方法：Run-off三角与回归模型
简介论文比较了银行业常用的Run-off三角法（ROT）与基于回归的两阶段模型，用于估计信用卡违约损失率（LGD）。结果显示，回归模型能够呈现典型的U形LGD分布，而ROT方法做不到；其整体损失率时间序列也比ROT更贴近实际经验值。作者认为，在强调准确性的IFRS 9会计框架下，回归方法可能更合适。
说明个人AI助手的收益归谁？卖家调整与未使用者：语言模型市场模拟
简介这篇论文用基于智能体的语言模型租赁市场模拟，考察个人AI助手的收益如何随卖家调整而变化，以及未使用助手的消费者受到的影响。结果显示，执行型助手在卖家固定价格时使使用者每租赁日少花13.7美元，卖家调整后约回收三分之一；未使用者的平均消费变化接近零，并不像预测的那样增加负担。论文认为应在市场层面评估助手效果。
看点通过语言模型代理市场模拟，发现卖家适应会收回约三分之一的助手收益，且对未使用者的负担预测不成立，结论具新意。
说明用于精确多变量分布可信度的狄利克雷混合隶属模型
简介本文提出一种狄利克雷混合隶属模型（DMMM），把投保人风险表示为潜在风险类别上的稳定组合。基线特征决定先验评估，重复的多变量经验逐步更新后验评估。后验预测分布可精确写成组合成分与经验成分的凸组合，把经典可信度因子结构推广到条件均值之外。作者通过模拟实验和车辆远程信息处理应用进行了研究。
说明限价订单簿动态中的潜在连续状态谱
简介该论文分析欧洲斯托克50指数期货高频限价订单簿数据（2022至2025年约987个交易日），检验市场状态究竟是离散的几种制度，还是对一个连续谱的离散化。研究发现状态空间的有效维度约为1.4，一个主导的潜在坐标能解释约83.66%至85.27%的协方差状态变化，并在不使用制度标签的情况下跟踪VSTOXX。文中称，细粒度的连续信息仍具预测性，其离散化是预测表现下降的原因，预测在约十分钟时达到峰值，最高汇总样本外R2为0.7483。
看点以黎曼几何刻画限价订单簿状态并论证连续体而非离散状态，结论新颖；依托987个交易日数据与17种方法对比，证据较扎实，对子领域有参考价值。
