每日金融论文简报｜LLM 配置评测、利率预测与 Agent 谈判

重点关注

以下均为 arXiv 预印本，尚未经同行评审；不构成投资建议。文中的结果均为作者报告，须区分回测/离线评测与真实可交易结果。

PortBench：LLM 投资组合管理的全流程压力测试

Yuxuan Zhao 等｜arXiv 2605.27887｜cs.AI、q-fin.PM｜PDF｜代码

仅依据摘要。 PDF 为 22.6MB，读取器无法解析全文。

• 核心问题、方法与基线。 现有金融 LLM 基准常只测股票问答，忽略跨资产相关性及从研究到配置的整条链路。PortBench 跨六类资产、十年数据，包含 6,269 道七模板静态 QA 与动态五阶段配置流程，以双层相关性分数和 CEPS 测量对冲/集中度及推理误差累积；在三种压力期、不同风险画像下比较 10 个前沿 LLM，并以等权组合作为经济基线。
• 作者报告的结果。 2024 年 90% 的“模型—风险画像”组合未胜等权；该缺口在其他市场状态仍在，满足程序约束的模型在压力下仍有大回撤。这里是历史回测/评测，不含真实成交、容量、冲击成本和执行滑点，不能推断可投资性。
• 创新、局限与阅读。 它把金融问答、相关性和多步骤决策合在一起，并试图用实时评测缓解预训练污染。完整方法、样本切分、交易成本、再平衡、超参和统计/经济显著性尚未由本次全文读取核验；适合量化研究与金融 Agent 团队，优先读数据切分、五阶段协议、压力测试和成本附录。

收益率曲线预测：宏观变量什么时候真正有用

Jeron Tan Kang｜arXiv 2608.07536｜econ.GN、q-fin.EC｜PDF

• 核心问题、方法与基线。 在相同的高维宏观信息集下比较逐期限直接预测与 Dynamic Nelson–Siegel/Svensson 因子预测；以 2015–2025 月度美国零息国债收益率做样本外评估，含随机游走、直接/因子模型、随机森林，并使用 FRED-MD、固定或 PSO 优化的衰减参数。交易部分用 duration 与 slope 规则，另与 carry、roll-down、动量风格规则对照。
• 作者报告的结果。 相对随机游走的增益集中在短端和斜率、并随期限变长而消退；直接模型短期斜率更强，因子模型长期更接近。作者还报告优化衰减参数改善样本内拟合却未改善样本外预测，说明统计拟合与预测并非同一目标。
• 创新、局限与阅读。 它明确把统计损失与经济回测拆开，且没有把宏观变量的预测增益说成因果效应。样本外期只有 2015–2025，交易规则是简化模拟；成本、可融券性、容量、参数选择和多重比较决定经济显著性，不能据此形成交易建议。适合固收量化研究；优先读第 3–5 节和 5.6–5.7 节。

LLM Agent 供应链谈判：能力之外是供应商与提示词

Chen Liang、Fasheng Xu｜arXiv 2608.07538｜cs.AI、cs.GT、econ.GN、q-fin.EC｜PDF

• 核心问题、方法与基线。 研究有私有需求信息的买方与不知情卖方谈数量—付款合同时，LLM 代理能否创造、分配并守住价值。作者对 OpenAI、Google、Alibaba 的九个模型进行 9,840 次 LLM 对 LLM 谈判，以经验证的完全贝叶斯均衡为比较基准，并分解能力、供应商身份和提示耐心。
• 作者报告的结果。 协议率 98.9%、未折现一阶最优盈余捕获 95.4%，但平均 2.98 轮对基准 1.25 轮，延迟侵蚀 21%–34% 盈余；基础模型接受个体非理性合约的比例为 19.2%，中高端为 0.0%–0.6%。提示词解释了盈余分配方差的 90%，而交换谁做卖方会令分配移动 7–18 点。
• 创新、局限与阅读。 以均衡作为经济与可靠性共同基线，而非只报谈成率。设定是规范化双边谈判，提示与模型版本可漂移；模拟盈余不是公司真实利润，安全护栏和合约验证仍是上线前提。适合采购自动化与机制设计读者；读模型设定、稳健性、附录提示模板及失败合约。

欧洲加密 ETP 异常：统计可预测不等于可交易

Julia Kończal、Rafał Połoczański｜arXiv 2608.09576｜q-fin.MF｜PDF

• 核心问题、方法与基线。 使用 2024–2025 年 Xetra/Nasdaq Stockholm 四只比特币、以太坊 ETP 的一分钟 bar，先以广义帕累托左尾阈值定义基准异常，再提出跨场所价差、十 bar 不恢复、正动量后的反转三类二元异常；用随机森林、逻辑回归、XGBoost、LightGBM 做一 bar 前样本外分类。
• 作者报告的结果。 各异常不到一分钟 bar 的 1%，但点差、流动性比率和订单流不平衡更高；四类异常的样本外 AUC-ROC 最高为 0.82，短期波动/回撤变量通常比微观结构变量重要。AUC 是区分能力而非扣成本后的收益、夏普或容量。
• 创新、局限与阅读。 它将极端尾部与跨市场/路径形态分开，对市场质量诊断有价值。仅四只 ETP、两地与两年；分钟频同步、标签的未来窗口、极端样本稀疏、交易费用和冲击成本都可能让预测优势无法变现。适合做市场微观结构与风险监测；读数据清洗、滚动切分、标签定义和经济检验。

金融论文

以下与重点关注合计 18 篇去重候选；均保留摘要页和 PDF。除已在上节全文核验的 3 篇外，均仅依据摘要。

PortBench：LLM 投资组合全流程基准【AI/金融】

Yuxuan Zhao 等｜arXiv 2605.27887｜cs.AI、q-fin.PM｜PDF｜代码

研究跨资产 LLM 配置评测；六资产类别、十年历史、6,269 道 QA 与动态五阶段配置流程覆盖相关性和误差传播。论文报告 2024 年 90% 的模型—风险画像组合不及等权，压力期有大回撤。历史基准和回测不等于实盘，市场污染、成本、容量、再平衡和经济显著性均需复核，不构成投资建议。

开放权重模型能否读懂金融文本【AI/金融】

Jan Spörer｜arXiv 2608.08634｜cs.AI、cs.CL、cs.IR、q-fin.GN｜PDF

研究开放与专有模型在年报理解的可靠性；更新版 Financial Touchstone 含 495 份国际年报、2,967 题，比较 20 个模型。论文报告 Opus 4.6 准确率 88.4%、Gemini 2.5 Pro 幻觉率 0.08%，检索问题占失败 48.9%。这是静态问答非投研/交易业绩；年报时效、污染、引用正确性及模型访问路径会限制外推。

机器学习收益率曲线预测

Jeron Tan Kang｜arXiv 2608.07536｜econ.GN、q-fin.EC｜PDF

研究直接期限预测与因子预测如何使用宏观变量；2015–2025 样本外美国零息国债上比较两类方法与随机游走。论文报告短端/斜率增益较大、期限变长减弱，宏观增强模型的斜率交易模拟更好。预测相关性并非宏观变量的因果效应，模拟交易也未证明扣成本、可成交的经济显著性。

多 Agent 生成式 AI 治理的联合 Lyapunov 证书

Sriram Nagaraj｜arXiv 2608.09087｜math.NA、cs.CR、cs.NA、q-fin.RM｜PDF

研究多个自适应模型耦合时单体稳定合格却集体漂移的模型风险；提出联合 Lyapunov 证明和对实时权重的 SNARK 证明。作者报告推导临界耦合阈值并以五个数值研究验证。它是理论/数值框架，不能直接推出监管合规或真实模型稳定性；模型假设、观测误差与证明成本是关键限制。

LLM Agent 供应链谈判【AI/金融】

Chen Liang、Fasheng Xu｜arXiv 2608.07538｜cs.AI、cs.GT、econ.GN、q-fin.EC｜PDF

研究私有信息下的自动谈判；以完全贝叶斯均衡对比九个模型的 9,840 场对局。论文报告 98.9% 达成、但谈判延迟会损失 21%–34% 盈余，低能力模型会接受非理性合约。规范模型中的盈余不等于真实供应链利润；合同、权限、对手策略与审计护栏不可被忽略。

有效认知人口：AI 时代规划容量

Kwan Soo Shin｜arXiv 2608.09642｜econ.GN、cs.CY、q-fin.EC｜PDF

研究人口、人力资本和 AI 准备度如何统一为规划口径；用 144 国 HCI+ 与 IMF AI Preparedness 构造 ECP。论文报告对 2024 总产出的 R² 从 0.849 升至 0.882，留一国 RMSE 从 0.723 降至 0.641，并明确交互项不显著。横截面拟合是相关性，不能识别 AI 准备度对生产率的因果影响，也不应作国家预测。

冻结时间序列基础模型的混合校正

Kasun Dewage 等｜arXiv 2608.08825｜cs.LG、cs.AI、q-fin.ST｜PDF

研究 TimesFM 在开盘高波动股票收益预测上的领域适配；在十只科技股、约 200 万点上组合注意力/低秩门控与随机森林残差。论文报告混合模型 pooled correlation 0.597、平均日相关性较冻结 TimesFM 高 6.4 倍，随机森林贡献最大。相关性并非方向收益，需严防日内泄漏、样本内调参、成本、滑点和容量问题，非交易建议。

自适应生成式 AI 的遥测与隐匿

Sriram Nagaraj｜arXiv 2608.09069｜cs.CR、cs.NA、math.NA、q-fin.RM｜PDF

研究生产中持续更新权重的模型为何不适用一次性验证；提出 Merkle 链、连续时间 Ito 推广、KL 停时日志及六类模型隐匿攻击。作者认为连续遥测必要但不能替代侵入式审计。框架与模型无关的主张仍取决于日志完整性、攻击者能力与实际部署成本，不能替代风险治理。

欧洲加密 ETP 的异常检测

Julia Kończal、Rafał Połoczański｜arXiv 2608.09576｜q-fin.MF｜PDF

研究四只欧洲加密 ETP 分钟级异常；用 EVT 阈值和三类路径/跨场所异常，再用四种分类器做一 bar 前预测。论文报告最高 AUC 0.82，异常时点差与订单流不平衡更高。样本外分类能力不代表收益，且标签未来窗口、费用、冲击和稀有事件稳定性须检验。

保险费率因子与事故机制的多尺度因果 DAG

Arthur Charpentier｜arXiv 2608.09441｜stat.AP、econ.EM、stat.ME｜PDF

研究年度保险理赔预测为何不能解释事故因果机制；用 72 条研究—边记录构建事故图、观测层和事故到理赔层。论文以法国数据说明年龄相对赔频在不同条件化下从 3.388 至 1.235，后者是不同的预测对比。贡献是明确相关性与因果识别界线；图是提议式且证据仍不足，需 trip-level 中间状态和关联事故—理赔数据。

生成式 AI 创新的“人类瓶颈”框架

Julian De Freitas 等｜arXiv 2608.07504｜cs.HC、cs.AI、econ.GN、q-fin.EC｜PDF

研究生成式 AI 如何影响创意、筛选、洞察、扩散和市场学习；提出瓶颈来自认知/社会约束的解释框架。论文主张 AI 会同时缓解和加深不同环节瓶颈。这是理论框架而非因果实证；生产率、市场结构和长期福利仍需可识别的现场研究。

AI 与科研团队规模

Johan Fourie｜arXiv 2608.08437｜econ.GN、q-fin.EC｜PDF

研究 AI 为何既与大团队相关又允许个人产出；用管理幅度模型推导团队规模对 AI 能力呈至多一个峰。论文报告完全可编码团队的峰值在明确先验下 90% 区间为 2026–2030。该结论依赖模型先验，不是团队组织的因果预测，也不应据此制定人事决策。

扩展状态依赖 Hawkes 限价簿模型

Akitoshi Kimura｜arXiv 2604.23961｜stat.AP、q-fin.MF、q-fin.TR｜PDF

研究订单簿状态消失导致的物理约束问题；提出 ExsdHawkes 并在三个月三菱 UFJ 高频 tick 上估计。论文报告该模型能复现波动签名图上升斜率，标准 SD-Hawkes 会出现爆炸分枝比。单标的、短样本与仿真拟合不等于预测或可交易优势；需样本外、多资产和执行摩擦验证。

ParlayMarket：联合合约的自动做市

Ranvir Rana 等｜arXiv 2603.22596｜cs.CE、econ.GN、q-fin.EC｜PDF

研究预测市场如何以一池流动性支持联合事件合约；以成对指数族信念把 2^M 状态压缩为 O(M²) 统计量。论文报告预期做市商损失至多随事件数二次增长，并在合成数据和 Kalshi 组合数据验证。理论收敛与历史回放不等于现场流动性、逆向选择或监管可行性。

部分信息下 Epstein–Zin 资产负债管理

Wilfried Kuissi-Kamdem｜arXiv 2511.02158｜math.OC、q-fin.MF｜PDF

研究未知风险价格、随机利率与终端负债下的连续时间消费—投资；以耦合线性 FBSDE 的解耦化简与 Malliavin 导数给出显式策略。作者还量化忽略学习的效用损失。结果依赖连续时间模型与参数假设，蒙特卡洛可实现性、估计误差与现实交易约束未获实证验证。

AI、数据与竞争

Zhang Xu 等｜arXiv 2403.06150｜econ.GN、q-fin.EC｜PDF

研究消费者标签数据如何改变定价算法竞争；在定价博弈中考察对称/非对称市场分割。论文报告算法可借市场分配形成默契协同，高支付意愿细分更易被分配。模型机制不是市场中算法串谋的因果证据；制度、探索规则、消费者异质性和监管识别仍须实证。

美国 AI 数据中心的环境与经济影响

Johanna Bolaños-Zuñiga、Alberto J. Lamadrid｜arXiv 2608.09882｜econ.GN、q-fin.EC｜PDF

研究数据中心的电力、冷却和备用系统外部性；按边际发电、输电、水、土地、噪声与监管分析。论文认为能效和冷却改进有效性依赖地点与时间的系统条件。它是综合评估而非对具体项目的因果估计；区域电网、用水和选址数据决定结论。

稳定币交易的标度律

Kundan Mukhia 等｜arXiv 2608.09378｜q-fin.ST｜PDF

研究 USDT/USDC 链上交易值的厚尾；分析 2024-06 至 2026-02 的约 3.7 亿笔以太坊交易，按 EOA/智能合约交互分四类并做幂律 MLE。论文报告 EOA 参与类别指数约 1.45–1.60，SC–SC 约 1.72–1.73，权重变化只能解释实际时间变幅的 10%–35%。统计标度不是价格预测或风险因果机制，地址分类、链外活动和拟合尾部选择均会影响结论。