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）。
说明能源危机后北欧电价联动与价格信息出现分化
简介2021至2022年能源危机后，北欧各竞价区的日前电价不再同步变动。本文比较了挪威、瑞典各区与德国-卢森堡区在2018至2025年间的电价联动情况，并用同一模型预测2025年各区电价。结果显示，南部四个区与德国-卢森堡区联动较强，北部四个区联动较弱，但价格信息的价值并未随之分化，主要差异来自各国的发电体系，因此一个区与欧洲大陆的联动程度并不能说明该区风电、光伏预测的价值。
说明面向多资产ETF的动态情景组合优化：交易约束比收益建模更影响结果
简介本文比较了历史滚动窗口收益与基于ARMA-GARCH模型和Student-t Copula生成的条件情景，对30只美国上市ETF进行组合优化。在多头和有限多空两种权重约束下，分别构建均值-方差和条件风险价值组合，并在946个交易日内评估。结果显示，历史方法在多数比较中的观测收益风险比更高，但经多重检验调整后差异均不显著；条件情景也未能稳定降低实际下行风险。文章还区分了目标权重变化与市场波动后再平衡所需的交易，并指出放宽调仓限制对持仓、换手率和部分收益的影响大于改变情景数量或随机种子。
说明TAPES：面向金融扩散采样器的终端伴随误差传播时间网格调度方法
简介金融扩散采样器在少量函数评估次数下使用时，时间网格的数值误差可能扭曲协方差、尾部风险等终端指标。本文提出TAPES方法，在冻结的概率流常微分方程框架下，离线优化时间网格：先用Richardson比较估计局部误差，再通过伴随方法传播到终端报告，并最小化其带符号和的平方范数。在Regime-SV模拟数据和Mag7数据上，该方法在所有测试的24组数据、预算与报告组合中误差最低，且部署时的函数评估次数保持不变。
说明准确不等于福利：在合成双寡头市场中评估AI购买代理在策略性价格复杂性下的表现
简介本文在合成双寡头市场中评估价格比较流程，分别测试固定菜单与经验相关均衡博弈两种场景。文章发现，计算器辅助选出最优报价的比例为84.00%，高于经核实总价披露时的68.57%，但披露方式下消费者最坏均衡剩余高出20.14个单位。文章认为，准确率、损失严重程度、卖方激励与福利影响需要分别衡量。
说明人力资本情境化：就业存续揭示的劳动者与企业匹配度
简介本文提出一种衡量劳动者与企业匹配质量的方法，将匹配视为劳动者与企业这一配对的属性，并通过雇佣关系的存续情况进行学习。研究使用双塔神经网络分别对劳动者和企业进行嵌入，以余弦相似度衡量匹配质量，并以离职风险作为唯一估计目标。基于超过十亿人次的数据，文章报告匹配质量每提高0.1，离职几率下降48%，且约四分之一的匹配质量变异仅属于特定配对。
看点将匹配质量视为worker-firm配对属性，用生存数据学习并用双塔网络表示，新意明显；摘要报告在十亿级人-期数据上估计，并检验工资、企业增长与专利等结果。
说明全球季节性因子投资：利用日历规律预测全球期货市场风险调整后收益的研究
简介本文以季节性作为因子，研究其在全球期货市场中对风险调整后收益的预测作用，涵盖债券、商品和股票市场。作者在各个市场上分别拟合非线性季节性模型，并通过滚动样本外检验评估其表现。结果显示，按星期和按月日等快速变化的季节模式毛收益强但换手率极高，扣除交易成本后业绩为负；按季、半年和年内日期等较慢的模式在扣除成本后仍有正收益（按季除外）。加入季节性因子后，全球因子组合的样本外夏普比率约提高30%。
说明全球时间序列动量中的个体市场效应
简介本文研究金融市场中的时间序列动量现象，即市场近期历史平均收益对未来收益具有正向预测作用。作者在全球非线性因子模型的基础上，对各个市场单独拟合模型，发现单个市场的响应曲线与全局模型不同，并提出让每个特征与市场组合表达其独特预测行为的框架。实证结果显示，尽管样本量小得多，对单个市场拟合非线性模型仍是一种稳健且常被忽视的建模方法，样本外表现可能有小幅提升。
说明用于已实现协方差矩阵模型的简约且灵活的参数化方法
简介本文提出一类新的协方差模型参数化方法，用于描述金融资产收益的条件协方差矩阵随时间的动态。该方法为每个方差和协方差设定各自的时变系数，同时只需有限数量的参数。作者推导了保证所得协方差矩阵为正定的充分条件，并通过蒙特卡洛模拟和实证应用进行评估。结果表明，该模型能够刻画复杂的相依结构，同时保持计算上的可处理性。