每日金融论文简报｜尾部风险、AI 治理与市场微观结构

重点关注

以下均为 arXiv 预印本，尚未经同行评审。预测、回测、模拟和统计显著性均不等于因果结论、经济显著性或真实可交易收益，也不构成投资建议。

1. Taming Tail Risk：非平稳组合 VaR 的保形校准

Marc Schmitt｜arXiv｜PDF

问题、方法与基线。 RWC 用指数时间衰减和状态相似权重，从历史分位数预测误差为任意 VaR 模型加安全缓冲；TWC 是其无状态特例。作者在 CRSP 指数和 16 个美国股票组合、99%/97.5% Basel 水平比较现代在线保形方法。
作者报告的证据。 摘要称 TWC 在漂移下是强默认方案，慢适应预测器在压力期可从状态加权改善校准，并给出任意数据驱动权重、平滑状态漂移下的覆盖界。这里检验的是违约率校准，不是损失规模、资本节约或交易 P&L。
创新、限制与阅读建议。 它针对尾部风险“错误集中于压力期”的实际问题。状态定义、窗口、指数样本、交易日依赖与极端制度断裂会改变覆盖；应独立检验真正未来样本和资本模型适用性。适合市场风险/模型验证；优先读理论假设、压力期诊断和附录。

2. Conformal Kelly：用预测区间缩放仓位

Robert Jacob Ryan｜arXiv｜PDF

问题、方法与基线。 作者将 75% 保形区间宽度作为分数 Kelly 的缩放器，区间越宽仓位越小，并比较不同适应速度、标准差缩放和同杠杆被动组合；开发期为 2016–2021，之后封存数据做一次预注册评估。
作者报告的证据。 开发期净对数增长年化 28.5%、Sharpe 1.34、最大回撤 27.7%，并通过漏报下行时降杠杆将回撤报为 20.3%；但 2022 年后的两项配置年化仅 8.5%/7.0%，低于被动基准，且事后基准原始增长更高、回撤 46%。
创新、限制与阅读建议。 最有价值的是明确报告样本内发现未在封存期保持，避免把校准等同获利。仍须审计费用、标的、再平衡、参数搜索（含 LLM 参与的 200 配置）和可成交性；没有实盘证据。适合研究可复现回测者；优先读预注册、样本外表和风控触发规则。

3. AI and Exchange Rate Predictability

Amin Izadyar｜arXiv｜PDF

问题、方法与基线。 作者让 ChatGPT、DeepSeek 解读主要货币对经济数据发布，构造强/弱基本面多空组合，并控制传统货币因子；基线是经典汇率不可预测性与传统因子。
作者报告的证据。 摘要称策略年化 Sharpe 超过 0.7，并做多项防前视/记忆检查，指出 Taylor rule 是可能机制。摘要没有说明样本外交易、成本、容量、提示和模型版本，因而尚不能判断经济显著性或真实可执行性。
创新、限制与阅读建议。 它把“模型对宏观文本的解释”变为可检验信号。需特别复查发布日期对齐、修订数据、提示版本、幸存偏差与多重试验；相关预测也不识别政策或基本面的因果作用。适合 FX 研究者；优先读时间戳、泄漏检查和成本敏感性。

4. AI Governance for Institutional Readiness in Finance

Irene Aldridge、Steve Krawciw｜arXiv｜PDF｜金融 × AI

问题、方法与基线。 论文认为持续更新的 agent 策略不适用于静态验证，提出政策、工程、组合、系统四层治理，以及以 regret-covariance 检测漂移和校准拥挤度模型；对照是传统确定性系统治理。
作者报告的证据。 作者调查称 88% 受访金融人士没有可操作框架；75 家披露使用 AI 的美国资管机构中仅 24 家披露正式政策。其拥挤模型把共同回撤概率从 39.2% 推至 79.3%，但这是校准模型情景，不能视为行业真实频率或因果估计。
创新、限制与阅读建议。 贡献是把治理落实为可计算监控而非口号。问卷代表性、披露遗漏、模型参数和单一部署策略案例均限制结论；90 天路线图需结合监管、数据及人工审批实施。适合模型风险/合规负责人；优先读统计量定义、案例边界与实施清单。

5. Data-Driven Measures of High-Frequency Trading

Gbenga Ibikunle 等｜arXiv｜PDF

问题、方法与基线。 作者在带真实 HFT 标签的专有数据训练机器学习分类器，再投射到 2010–2023 年美国全股票公开日内数据，区分供给流动性与需求流动性的 HFT；基线是常见 HFT 代理变量。
作者报告的证据。 其指标据称更能捕捉时间变化，对 speed bump 和数据源升级等准外生变化有反应；作者称供给型 HFT 改善财报周边价格信息性，需求型则抑制。速度坎/数据源虽增强机制一致性，但不能自动识别所有信息性差异的因果效应。
创新、限制与阅读建议。 有价值之处是把 HFT 异质性而非单一强度纳入大样本测量。专有标签迁移、分类误差、市场制度变化和信息性指标定义是核心风险；不报告可交易回测。适合微观结构研究；优先读训练标签、外部验证和事件识别。

6. Certificates without Electrons？AI 电力需求的理论与证据

Dana Golden、Aruna Balasubramanian、Niranjan Balasubramanian｜arXiv｜PDF｜金融 × AI

问题、方法与基线。 作者建模数据中心在 REC、PPA、表后共址间选择及发电商进入，提出消费与可再生记账发电的时间缺口；再以 LLM 分阶段发布为自然实验，对连接 AI 活动和地方电网结果的数据做 DiD。
作者报告的证据。 摘要称处理 PJM 区域批发价最高增加 25%、每年停电多 0.5–1 次，现场发电符号反转；这些是作者在模型与 DiD 设定下的结果。平行趋势、AI 活动/数据中心定位的内生性、政策同期变化与电价传导仍决定因果可信度。
创新、限制与阅读建议。 将 AI 算力的成本外部性具体化为电力采购设计。不能把区域均值当作单个项目影响，亦非任何资产或能源交易建议。适合能源金融/基础设施读者；优先读识别设计、样本地图、预趋势和反事实。

金融论文

以下 12 篇与上文重点合计为 18 篇去重候选；均仅依据 arXiv 官方 RSS 摘要，应区分相关性与因果、样本内与样本外及回测与实盘。

CLQT：闭环投资组合 Agent 诊断基准

Bo Qu、Mingguang Chen｜arXiv｜PDF｜金融 × AI

仅依据摘要。 该框架以时间闸门、成本与策略一致性审计 LLM 投资 agent，并称能力领先者不一定 Sharpe 领先。它是评价协议而不是一项投资策略；回测/少量实盘轨道、LLM 裁判和环境设定都不能转化为可交易收益结论。

EnergyAgentBench：实时能源基础设施数据上的 Agent 基准

Eliseo Curcio｜arXiv｜PDF｜金融 × AI

仅依据摘要。 基准含 70 个数据中心选址、成本—碳权衡、LCOE、组合优化和因果电网任务，需 3–48 次实时工具调用；1,414 次运行中作者报 Sonnet 4.6 总分 0.900，Haiku 4.5 在长周期选址 0.986。分数受工具端点、XGBoost 真值与价格版本约束，不能替代真实选址尽调。

信息几何的贝叶斯信用风险监控

Lorenzo Quirini｜arXiv｜PDF

仅依据摘要。 论文把借款人信用认知表示为线性高斯后验，并以 Fisher 度量、KL/Jeffreys 散度比较组合段；演示基于模拟。方法为不确定度提供几何解释，但不包含违约预测的样本外比较、因果识别或资本/利润结果。

Axient：杠杆事件市场的链上信贷与损失分配

Maksym Nechepurenko｜arXiv｜PDF

仅依据摘要。 作者形式化 LP、做市、清算与后备层的债务优先级和瀑布，报告 31,082 项确定性检查、7,020 万项标量不变量计算零失败；固定种子模拟称 5 倍杠杆加大资本压力。形式验证和作者行为假设下的模拟不等于智能合约安全、流动性或违约预测。

最优通胀率元分析

Matej Opatrny 等｜arXiv｜PDF

仅依据摘要。 基于 116 项研究的 777 个估计，作者以可审计 LLM 管线抽取资料，报长期最优通胀约 0.6 个百分点；结构设定解释异质性。指数测量误差可能缩小、扩大甚至反转其与 2% 目标的缺口，元分析不是对具体央行的因果政策建议。

非布朗运动下的回撤风险

Francesco Landolfi｜arXiv｜PDF

仅依据摘要。 作者将封闭式回撤结论改写为蒙特卡罗，并放宽高斯、短记忆假设，提供最大回撤、最大损失和恢复时间表。它指出同一 Sharpe 下偏度、厚尾与波动聚集的风险不同；模型校准和收益过程假设决定结果，不是实盘止损规则。

条件深度 Lévy 模型与奇异期权诊断

Helin Zhao、Junchi Shen｜arXiv｜PDF

仅依据摘要。 在八个中美指数 6,824 个时间序窗口的时间顺序测试中，作者报 DLPM 终点 CRPS 0.0485，对状态匹配经验对照从 0.0633 降 23.3%；物理—风险中性收益诊断的 vanilla/Asian 差为现货 0.91%/0.36%。这是生成分布与定价诊断，不是期权面校准、对冲后 P&L 或可套利证据。

AI 算力资产定价

Federico M. Bandi、Yinan Su｜arXiv｜PDF｜金融 × AI

仅依据摘要。 作者指出算力不可储存使期现无套利失效，用长期租约构造合成期货面板，并提出合成价可能是真实期货上界。其正风险溢价证据是市场上线前的初步结果，不能充当资产配置或价格预测依据。

动态数据生成与动态组合选择

Ahmad Aghapour、Erhan Bayraktar、Fengyi Yuan｜arXiv｜PDF｜金融 × AI

仅依据摘要。 自适应 score-based diffusion 通过条件 score matching 生成非前视轨迹，并以 adapted Wasserstein 误差联系均值—方差策略稳定性；作者称真实市场优于 Markowitz、等权和标普。未给摘要中的成本、调仓、样本外数值，故不能判断经济显著性或实盘可交易性。