本站已超过 12 小时没有更新（正常每 3 小时更新一次），下面的内容可能不是最新的。
本页没有符合条件的条目（筛选只在本页内进行）。
说明基于资金网络的Pumpfun迷因币团队跟随交易盈利回溯分析
简介该论文研究在Pumpfun平台十个独立记录的时段（2024年4月至2026年9月）中，若事先知道代币创建团队，跟随这些团队交易能获得多少回报，并区分仅使用上线前可得信息时的结果。作者以真实SOL储备状态和从一个SOL起步的有限资金账户重建模拟，团队由资金有向关联群组定义。结论显示，事后选择阈值时多数窗口的主账户超过一个SOL，但在线识别的结果明显弱化，且模型结果并非可执行的实际利润，也不构成SOL价格因果效应的证据。
说明基于强化学习的分数布朗运动环境下最优执行研究
简介本文研究带线性市场冲击的最优清算问题，资产价格由分数布朗运动驱动，而非标准布朗运动。作者发现，当Hurst指数H不等于1/2时，Almgren-Chriss提出的确定性解不再最优。为此，作者用神经网络参数化的策略梯度算法，以最大化CARA效用为目标进行训练，利用价格增量之间的相关性获取信息，相比原有方法取得了显著改进。
说明JUBILEE：债务催收中离策略评估的基准环境
简介本文提出JUBILEE，一个基于债务催收模拟器的基准环境，可生成百万级贷款面板，包含竞争风险、罕见回收事件以及同时影响结果与任务分配的隐藏因素。作者比较了表格型与梯度提升估计器，并用独立策略模拟提供参考值。结果显示，隐藏因素影响分配时，多数表格方法会低估实地走访策略的得分，而随机化决策的估计未出现同样的大幅偏差。
说明面向期权做市商的风险敏感强化学习：基于真实标普500期权的实证研究
简介本文研究期权做市商的对冲问题，比较用历史市场数据训练的强化学习对冲策略与传统delta对冲、简单对冲比例规则及模拟市场训练的策略在尾部风险保护上的表现。作者基于1996至2017年标普500期权数据构建实证回放环境，并以2018至2023年样本外测试。结果显示，基于实证数据训练的智能体将条件风险价值（CVaR）尾部损失相较delta对冲降低3.1%，在波动下跌市场中降幅达8.9%，但在上涨市场中成本增加7%至10%。
说明和简介生成中
说明评审通过，却失去发现？AI研究与同行评审的协同演化博弈
简介本文用双群体演化博弈模型研究自主研究系统与自动化评审之间的反馈。作者在追求录用与探索性研究之间选择，评审者在代理式评估与细致审查之间选择。模型给出了一种稳定状态的条件：它奖励发表成功，却降低已录用工作的科学价值。文中的数值示例说明，发表数量可能掩盖科学损失。