arXiv 量化金融（q-fin）。
说明AlphaRLM：用金融文献引导语言模型生成符号化因子
简介该论文提出AlphaRLM，一个强化学习框架，训练大语言模型从金融文献出发，直接构建可执行的符号化量化因子，无需输入现成的因子表达式。方法包括文献引导的算子组装（LEGO）以及基于可执行有效性和分组收益分离的奖励设计。在CSI 300、CSI 1000和S&P 500上的实验显示，其年化超额收益优于部分因子挖掘与基于大模型的基线方法。
说明用于事件流可验证测量与预测的精确相型点过程
简介本文提出一种基于相型（Erlang 链）状态空间的点过程框架，既用于测量市场反应，也用于预测下一个事件，且似然为精确计算。在测量方面，模型在约 670 次宏观经济公告（2022-2026 年）中分析六个市场，发现 CPI、非农就业、PPI 和 FOMC 声明的直接反应约一秒内被吸收，而市场自身的回声使一半反应延长至 16-137 秒。在预测方面，作者提出 EPT-X 神经点过程，在多个数据集上取得最佳测试似然或与最佳已发表模型相当。
看点提出相型Hawkes过程与可验证的凹似然全局最优，并给出闭式响应及稳定性判据，同时用于测量与预测，理论与实证结合较紧密。
说明动态投资组合选择中事前与情景条件下的信息价值
简介本文研究投资者在对预期收益存在不确定、并随新信息修正信念时的组合决策。作者提出情景条件期望效用与信息价值概念，比较固定信念、价格观察与受注意力容量约束的投资者在有限期高斯模型中的表现。研究发现事前价格学习与辅助注意力均有价值，但在特定漂移情景下，学习既有修正收益也有波动成本，排序可能逆转。
说明条件归一化流在美国国债收益率曲线情景生成中的尾部不稳定与尺度控制
简介本文比较两种用于美国国债11个期限日收益率变化情景生成的条件归一化流模型。原始模型在一个未用过的60个交易日窗口中出现了极端样本，标准化坐标绝对值达3430万；采用高斯基分布并加强耦合尺度控制的模型则降至14.72。研究表明，数值稳定并不等同于预测更准确，历史模拟法在该窗口的分布评分和覆盖率上表现更好。
