每日金融论文简报｜2026 年 9 月 23 日

金融论文中的相关性、因果性、样本内/样本外、统计显著性和经济显著性不是同一件事。本文只转述论文报告的研究设计与结果，不构成投资建议；回测或预测优势也不等于真实可交易收益。

重点关注

1. MFAST：在市场摩擦下评估金融语言模型的新闻交易

• 作者：Kemal Kirtac
• 来源：arXiv 摘要页 · PDF
• 证据状态：已核阅公开 PDF；数字和结论均为论文报告，尚未独立复核。

核心问题。 金融语言模型从新闻中抽取的情感或方向信号，只有经过证券匹配、发布时间约束、执行时点、成本、容量和流动性检验，才有资格被称为交易系统的一部分。MFAST 试图把这些环节放在同一条可审计流水线里，回答模型输出在真实摩擦和样本外数据上是否仍然有预测与组合价值。

方法与基线。 数据来自 2010 年 1 月至 2026 年 1 月的 3,129,924 条 Refinitiv 美国新闻；经过单公司、创新性和流动性筛选后，保留 973,481 条可交易新闻、3,452 家公司。训练期为 2010–2023 年 701,928 条，验证/缓冲期为 2024 年 1–5 月 81,317 条，主要样本外期为 2024 年 6 月至 2026 年 1 月 190,236 条；标签是新闻发布后 3 日超额收益的方向，并限制在模型公开数据新鲜度之外的新闻。比较 LLaMA-3、OPT、RoBERTa、BERT、FinBERT 和词典情感，且加入公开金融文本与公开价格的复现臂。这里的预测关系不是因果识别：新闻可能与未观测信息共同驱动收益，模型也可能从训练语料见过部分事件。

论文报告的主要结果。 主要样本外分类中，LLaMA-3 的 Accuracy/F1/AUC/Brier/ECE 为 0.787/0.788/0.846/0.151/0.032，词典基线为 0.503/0.508/0.512/0.249/0.143。5bp 成本、10% ADV 容量上限的作者回测中，LLaMA-3 多空组合 Sharpe 为 2.85，平均日收益 0.34%，最大回撤 -12.3%，累计多空收益 180%；区块 bootstrap 给出的 Sharpe 95% 区间为 [2.31, 3.34]，日 alpha 区间为 [0.109%, 0.252%]，Diebold–Mariano、White reality check、Hansen SPA 和 DSR 的 p 值分别报告为 <.001、.018、.026、.014。公开复现臂上，PhraseBank 的 AUC 为 0.901，但 GDELT 新闻—收益样本的 AUC 只有 0.651，公开组合 Sharpe 为 0.92；这说明结果对数据源和部署条件敏感。

创新、局限与适用边界。 贡献是把分类、校准、执行可行性、成本、容量、推理延迟与统计检验统一起来，并报告 LLaMA-3 约 54.2GB、112ms/篇、8.9 篇/秒的运维代价。局限包括美国大盘股、新闻到证券的匹配误差、没有完整订单簿/排队/隐藏流动性，5bp 成本和 ADV 上限仍是设定，不等于真实成交；没有模型预训练绝对不含事件的可证明保证。组合结果是作者回测和公开复现，不是实盘收益，也不构成投资建议。建议读第 3–4 节数据与事件时间、第 6–9 节模型/交易评估、第 11 节限制；做金融 NLP、可复现回测和模型部署的人优先阅读。

2. Universal Diffusion：跨股票生成隐含波动率曲面动态

• 作者：Mingzhi Yang、Sheng Wang、Chao Zhang、Ruikun Li
• 来源：arXiv 摘要页 · PDF
• 证据状态：已核阅公开 PDF；波动率曲面、覆盖率和套利违约数字均为论文报告，尚未独立复核。

核心问题。 期权隐含波动率曲面（IVS）的下一日变化同时受横截面结构、底层收益和无套利约束影响。论文研究一个在多只股票上共享动态的条件扩散模型，能否在未参与训练的股票上生成更少静态套利违约、风险预测更合理的 IVS 情景；这是情景生成和预测问题，不是因果估计，也没有直接证明交易获利。

方法与基线。 模型联合生成下一日 IVS 增量和底层股票收益，使用 FiLM 条件 MLP、8 个 block、DDPM 1,000 步和每次 1,000 个情景；训练池为 50 只股票，评估含 50 只训练内股票和 50 只训练外股票，样本划分为 2010–2022 训练、2023–2024 测试。曲面为 11 个 moneyness×9 个到期的 99 个网格，比较 VolGAN、纯 MSE、平滑、静态套利惩罚和混合目标，另做情景重加权；套利条件包括 calendar、spread 和 butterfly 约束。

论文报告的主要结果。 全样本重加权后，静态套利违约均值（×10^-3）为 VolGAN 1.90、DDPM-MSE 0.37、平滑 0.55、套利 0.54、混合 0.55；样本外 VolGAN 为 2.00，DDPM-MSE 为 0.42。95% 收益区间覆盖率在样本外由 VolGAN 的 76.33% 提高到 MSE 的 94.11%、平滑的 96.08%、套利的 94.60% 和混合的 95.76%，套利版本最接近名义 95%。样本外真实 PC1/PC2/PC3 方差解释为 80.62%/7.52%/3.96%，DDPM-套利版本为 83.14%/6.15%/3.99%，作者据此认为跨股票共享动态具有外推迹象；这些是分布与覆盖指标，不是可交易 P&L。

创新、局限与适用边界。 亮点是把曲面约束、收益联合生成和训练外股票测试放到同一实验。限制包括单日、固定网格和静态无套利条件，只有一个名义覆盖水平、未做动态对冲/交易检验，并且表格明确采用单随机种子；因此“更少违约”不能直接等于更好的期权定价或风险管理。建议读第 2–4 节模型与约束、第 5–6 节实验；适合做波动率建模、衍生品风险和生成式情景研究的人。

3. OrderFusion+：日内电力市场的买卖价格轨迹概率预测

• 作者：Runyao Yu、Derek W. Bunn
• 来源：arXiv 摘要页 · PDF · 项目与实现
• 证据状态：已核阅公开 PDF；预测指标和显著性检验均为论文报告，尚未独立复核。

核心问题。 传统模型常把一个交付产品单独预测，忽略相邻交付产品以及买卖盘随时间形成的价格轨迹。OrderFusion+ 研究邻近产品和动态历史窗口是否能改善德国 EPEX SPOT 日内市场的概率预测；它评估的是预测误差和校准，不是因果效应，也没有把预测准确率直接转成真实交易收益。

方法与基线。 模型对目标产品和相邻产品使用双向 cross-attention，动态选择 15/30/60/120/180 分钟窗口和 0/1/2/4/8/12 个邻居，输出买/卖价格轨迹的 0.1/0.5/0.9 分位数。数据是德国 EPEX SPOT 15 分钟产品订单簿，按三折滚动训练/验证/测试，测试覆盖 2024 年；对比 persistence、LQR、MLP、LSTM、Transformer 以及 TimesFM3、Chronos2、TabPFN-TS、Moirai2 等时间序列基础模型，并用 AQL、AQCE、AQCR、MAE、RMSE、R² 和单侧 DM 检验评价。

论文报告的主要结果。 OrderFusion+ 的 AQL/AQCE/AQCR/MAE/RMSE/R² 为 10.62/2.29/0/28.04/101.76/0.39；Transformer 的 AQL 为 11.72，persistence 基线的 AQL 为 12.07，TabPFN-TS 为 12.05。作者报告相对每个基线的 DM 检验均显著；动态 mask 最常选 30 分钟窗口（63%），零邻居（47%），临近交付时窗口会缩短。这里的“显著”是预测误差的统计差异，不等于经济显著性；论文没有给出扣除交易成本、冲击、限额和成交概率后的 P&L。

创新、局限与适用边界。 价值是把订单簿微观结构、相邻交付产品和概率价格轨迹合在一个可公开复现的预测器中。局限是单一德国市场、订单簿与产品制度具有地域性，模型之间的预训练资源与数据归属可能不同，且没有真实可执行回测；不要把 AQL 改善直接视为套利机会。建议读第 3–6 节、表 3 和图 4–6；适合电力预测、订单簿建模和概率预测。

4. Wasserstein-Barycentric Interaction Fields：用语言模型表示测量公司间信息结构

• 作者：Marcus Gawronsky、Chun-Sung Huang
• 来源：arXiv 摘要页 · PDF
• 证据状态：已核阅公开 PDF；样本外预测与 bootstrap 区间为论文报告，尚未独立复核。

核心问题。 空间资产定价通常把公司之间的交互结构当作给定，本文改用公司新闻的语言模型表示来估计“信息邻居”，再问这种结构能否解释因子模型没有捕捉到的残差协方差。它是有时间隔离的条件预测研究，不是新闻导致收益的因果证明，也没有构造可交易策略收益。

方法与基线。 作者以每家公司新闻 embedding 的分布作为对象，用以目标公司为锚的 Wasserstein barycentric reconstruction，从其他公司中找出非负、和为一且对角为零的加权组合，再把有向 peer field 放进带二次暴露调整的空间模型。embedding 来自 2018–2022 年新闻、Qwen3-Embedding-8B 4096 维表示，冻结后用 2023-01-03 至 2026-04-06 的 815 个交易日收益评估；基准包括 Fama–French 五因子加动量、同一 peer 集的距离/等权、新闻共同提及和行业结构，并比较 W1/W2 transport、RBF 与 centroid。

论文报告的主要结果。 以 held-out mean Gaussian quasi-log score 衡量，因子基准加入 W1 的增益为 0.0572（95% 区间 [0.0497, 0.0656]，peer 相关系数 0.684），W2 为 0.0571（[0.0496, 0.0653]，相关系数 0.687），空间系数 lambda 的区间约为 [1.92, 2.47]，QLR p=.0005。作者报告因子 beta 不变，增益集中在残差协方差；W2 barycentric 比同一 peer 的 centroid 的额外 gain 为 0.003266，bootstrap 区间 [0.001354, 0.005442]。联合字段中 barycentric 与新闻共同提及都带来样本外增益，而 W1/W2 信号相关约 .9998，提示两个距离版本的信息非常接近。

创新、局限与适用边界。 论文把语言模型 embedding 当作公司间信息结构的测量工具，并用 pre-period encoder、替代 embedding 和冻结窗口做了部分污染防护。限制包括幸存者条件、新闻到股票 ticker 的自动匹配误差、embedding 模型发布与语料时间的污染风险不能被完全证明为零，且预测分数改善未转化为交易成本后的收益；因此不能把 peer field 当作投资信号。建议读第 2–6 节、表 2–6 和第 7–8 节限制。

5. Spread THieF：面向日 ahead 电力市场的价差时间层级预测

• 作者：Arkadiusz Lipiecki、Nikolaos Kourentzes、Rafal Weron
• 来源：arXiv 摘要页 · PDF
• 证据状态：已核阅公开 PDF；五年样本外预测和模拟策略结果均为论文报告，尚未独立复核。

核心问题。 对电池套利而言，小时价格之间的价差比单独预测每个小时更接近决策目标。Spread THieF 同时预测 24 个小时价格和 276 个成对价差，再用 minimum-trace reconciliation 强制一致性，检验“直接预测经济相关目标”能否同时改善统计预测和简单储能决策。

方法与基线。 实验覆盖德国 EPEX-DE 与西班牙 OMIE 的五年样本外期（2021–2025），基础模型为 ARX、NARX 和 TabPFN-2；比较未协调的 hourly Base、Block THieF、Spread THieF 以及直接价差预测。滚动窗口下使用 RMSE、MAE、差分误差和单侧 CPA 检验。储能部分是 1MWh、每日一次充放、价格接受者、固定往返成本和不同 round-trip efficiency 的风格化回测，并以完美预见 Oracle 作参照，不是实际交易所成交回放。

论文报告的主要结果。 德国 ARX 中，Spread 相对 Base 的 RMSE 为 30.49 对 35.92，改善 15.1%；差分 RMSE 为 22.71 对 28.19，改善 19.4%；MAE 和差分 MAE 改善分别为 16.4% 和 19.7%。即使 TabPFN，Spread 的 RMSE 25.69 相对 Base 27.30 改善 5.9%，差分 RMSE 改善 7.3%；作者报告各模型、市场和绝对/平方误差的 CPA 单侧检验都在 1% 水平拒绝同等预测能力。1MWh 模拟在效率为 1 时，德国 ARX/NARX/TabPFN 的 Spread 利润约 €153,274/€154,265/€153,485；相对 Block 的利润增益约 1.1%–9.7%，但收益数字会随效率和固定成本设定变化，且没有市场冲击、排队和真实执行。

创新、局限与适用边界。 亮点是让预测目标与电池实际关心的价差对齐，并显示最小预测误差的模型不一定带来最高模拟利润。局限是价格接受者、每日单循环和固定成本假设，未覆盖容量、SOC、退化、网络费用和交易响应；因此“profit gains”是作者的风格化回测，不是可实现的实盘绩效。建议读第 2–6 节、表 1–2 和结论；适合电力预测、层级时间序列和储能决策研究。

金融论文

1. Asymptotic Invariance of Kelly Allocation：幂律资产动态下 Kelly 配置的渐近不变性

• 作者：Ivan J. Vera-Marun
• 来源：arXiv 摘要页 · PDF
• 简介：论文在价格 (P(t)=At^\alpha)、方差按 (t^{-2\gamma}) 衰减和零无风险利率假设下推导 Kelly 比例 (K^*(t)=(\alpha/\sigma_0^2)t^{2\gamma-1})，因此只有 (\gamma=1/2) 时严格时间不变；再用历史 Bitcoin 日价格估计幂律与滚动窗口波动率指数。作者报告 4–9 年窗口的指数均值 0.53、跨窗口标准差约 0.03，但这些窗口重叠，明确只是模型敏感性而非正式置信区间；这是理论和描述性证据，不是稳健的投资配置建议。
• 证据状态：仅依据摘要；未核阅全文，不能补充估计窗口、交易成本或真实可交易回测。

2. The Self Driving Portfolio：机构资产管理的 agent 架构

• 作者：Andrew Ang、Nazym Azimbayev、Andrey Kim
• 来源：arXiv 摘要页 · PDF
• 简介：论文提出由 44 个专门 agent 生成资本市场假设、用 21 种组合方法构建资产配置，并让 agent 相互批评和投票；researcher agent 可提出新组合方法，meta agent 对历史预测与实现收益比较后重写代码和 prompt，投资政策声明约束整条流程。摘要描述的是系统设计和治理逻辑，没有提供可核查的样本外净绩效、交易成本、基准或真实委托资产，因此不能把架构设想当成投资结果。
• 证据状态：仅依据摘要；未核阅全文，不能补充回测预算、模型版本和人机责任边界。

3. Firm Valuation When AI Shapes the Business Model：里程碑实物期权估值

• 作者：Walter Kurz、Wojtek Stricker、Stefan Marx、Frank Reinhardt、Florian Kollberg
• 来源：arXiv 摘要页 · PDF
• 简介：作者把企业分为 AI Integrator 与 AI Provider，并用 Integration Depth Level 描述 AI 融入程度，再以里程碑门控的实物期权和 AHP Success Readiness Index 分解继续投资概率。在一家 AI 原生能源 SaaS 公司的单案例中，框架产生可追溯的估值区间，并认为后期 continuation option 风险更集中；这是估值协议的示范，不是跨公司实证或因果估计，结果高度依赖主观成对比较与单一案例假设。
• 证据状态：仅依据摘要；未核阅全文，不能补充估值参数与实现后市场价值的验证。

4. Risk Measures under Paired-Ambiguity：深度学习反射 BSDE 风险框架

• 作者：Nacira Agram、Jan Rems、Emanuela Rosazza Gianin
• 来源：arXiv 摘要页 · PDF
• 简介：论文研究概率模型和贴现率同时存在歧义时的动态风险与最优停止，用上反射 BSDE 刻画价值，针对 entropic 风险给出若干显式停止规则，并用离散反射、截断和神经网络逼近构造深度学习方案。American option 数值实验展示贴现率/熵歧义对停止值和行权决策的影响；这是理论和数值方法验证，不是市场数据下的期权交易或对冲绩效。
• 证据状态：仅依据摘要；未核阅全文，不能补充收敛常数、网络预算或数值稳定边界。

5. CFOs Meet LLMs：用 LLM 构造高频企业预期指标

• 作者：John R. Graham、Campbell R. Harvey、Manish Jha
• 来源：arXiv 摘要页 · PDF
• 简介：作者让 LLM 在指定公司和日期扮演 CFO，回答 2002–2025 年 Duke–Federal Reserve CFO Survey 中的宏观乐观度，再与真实 CFO 回答比较，并控制公司、季度和滞后回答。摘要报告 LLM 分数能预测个人 CFO 的回答，加入更多公司信息和按季度聚合后关系仍存在，也扩展到公司自身乐观度和收入预期；这是预测相关性，不等于 LLM 理解管理层真实信念或产生因果信息，且摘要没有给出样本外预测和交易价值。
• 证据状态：仅依据摘要；未核阅全文，不能补充提示冻结、训练污染、系数大小和真正实时部署成本。

6. Social Influence and the Allocation of Scientific Attention in AI Populations

• 作者：Maxim Chupilkin
• 来源：arXiv 摘要页 · PDF
• 简介：论文把 Music Lab 式社会影响实验改造成学术注意力市场，让 1,000 个 AI agent 从 2025 年 AER 的 114 篇论文标题/摘要中选择，并比较独立选择与可见先前选择的社区。社会信息条件下每个 agent 选择数少 17.2%，集体覆盖 73 篇而独立条件覆盖 90 篇；在 200 个 agent 的第二实验中，随机给论文五个初始选择使后续选择率提高 45.55 个百分点（95% CI [41.20,49.90]）。随机信息赋值支持对“社会信号对人工种群选择”的因果解释，但外推到真实研究者、市场价格或论文质量仍是外部有效性问题。
• 证据状态：仅依据摘要；未核阅全文，不能补充 agent 模型同质性、选择预算和跨学科复现。

7. An Operator-Based Visual Analytics Pipeline for Synthetic Systemic Risk Dynamics

• 作者：Ana Isabel Castillo Pereda
• 来源：arXiv 摘要页 · PDF
• 简介：工作用六个算子把潜在风险映射、概率分数、金融网络构造、距离型传染、视觉编码和投影连接起来，用受控合成实验展示风险状态和最短路径冲击传播。作者明确说目标不是提出新的预测模型或传染机制，而是让可视化成为可复现的分析阶段；因此没有真实市场的样本内/样本外性能，也不能把合成网络图解释为真实系统性风险概率。
• 证据状态：仅依据摘要；未核阅全文，不能补充合成过程、参数校准或敏感性分析。

8. Prediction Markets Beat the Weather Forecast on Tomorrow’s High Temperature

• 作者：Alexander W. Crosier
• 来源：arXiv 摘要页 · PDF
• 简介：作者用 Kalshi 七个美国城市五年数据提取逐小时市场隐含高温预测，与美国和欧洲天气产品竞速；摘要称六个城市的市场超过最准确的单一公共预测，开市第一小时按城市日汇总的 RMSE 约好 10%，并观察到 NBM 发布间隔之间向市场移动的幅度约是市场向 NBM 移动的四倍。结果是预测比较和信息时序描述，不是市场交易收益或“市场导致预测改进”的因果证明；天气产品与合约流动性、结算规则也决定可比性。
• 证据状态：仅依据摘要；未核阅全文，不能补充样本选择、统计检验和交易成本。

9. Adapting Pairs Trading to Gambling Markets：美国总统选举博彩市场案例

• 作者：Haoyu Liu、Len Thomas、Benjamin Baer、Carl Donovan
• 来源：arXiv 摘要页 · PDF
• 简介：论文将两党候选人隐含概率之和建模为带时变均值的 Ornstein–Uhlenbeck 过程，用状态空间似然估计参数，再用参数 bootstrap 上界识别信号，并用 Bradley–Terry 型模型选择候选报价；2020 数据训练、2024 数据样本外评估。作者报告 2024 年 130 个信号、一步覆盖率 95.1%、平均合成赔率价格收益 1.86%、未年化 per-trade Sharpe-type 1.12，但明确称这些是无摩擦描述性数字而非可执行交易所利润；样本外存在，但没有真实成交、价差、限额和冲击检验。
• 证据状态：仅依据摘要；未核阅全文，不能补充信号选择的多重检验和可交易性细节。

10. Biased Agents, Extreme Beliefs：竞争模型下的动机性推理

• 作者：Zhongheng Qiao
• 来源：arXiv 摘要页 · PDF
• 简介：论文建立偏好驱动的模型选择与信念更新框架，并在实验中区分跨模型平均的 Bayesian updaters 与选择最匹配模型的 best-fit updaters。相对对称收益，非对称收益使 best-fit 参与者对偏好状态的报告信念提高约 8 个百分点，而 Bayesian 组影响接近零；这是实验条件下的行为因果证据，不是对金融市场投资者或资产价格的直接估计，且“报告信念”与真实信念、交易行为不同。
• 证据状态：仅依据摘要；未核阅全文，不能补充实验样本、预注册和统计功效。

11. Recidivism Prediction, Peer Effect Estimation, and Prediction-Powered Inference with LLM Text Measures

• 作者：Shanjukta Nath、Jiwon Hong、Jae Ho Chang、Keith Warren、Subhadeep Paul
• 来源：arXiv 摘要页 · PDF
• 简介：作者从低安全级别监狱居民超过 200,000 条书面交流中生成 embedding 和 zero-shot 分类，用 LASSO/LoRA 预测再犯，并提出允许网络内生、稀疏连接和多维潜在同质性的工具变量 peer-effect 估计器，再结合少量人工标注提出 prediction-powered peer inference。摘要报告文本特征使样本外再犯预测相对入监前协变量改善最多 30%，并发现显著 peer effects；预测改善是样本外关联，peer effect 的因果解释依赖网络工具变量、稀疏性和潜在同质性假设，不能直接用于刑事决策。
• 证据状态：仅依据摘要；未核阅全文，不能补充伦理审查、外部验证、误差校正和公平性结果。

12. Concave Shape of the Yield Curve and No Arbitrage

• 作者：Jian Sun
• 来源：arXiv 摘要页 · PDF
• 简介：论文从交易和融资视角解释不同期限利率组成的收益率曲线为何通常呈凹形，讨论水平、上升和倒挂曲线的形状与无套利约束。摘要只描述理论解释，没有给出样本内/样本外估计、债券组合回测或统计检验；因此不能把“通常凹形”当作跨市场稳定的交易规则。
• 证据状态：仅依据摘要；未核阅全文，不能补充无套利设定、数据和可检验预测。

13. Extremal Mean-Variance Functionals over Wasserstein Balls：风险分担应用

• 作者：Wenjun Jiang、Yiying Zhang、Zhenfeng Zou
• 来源：arXiv 摘要页 · PDF
• 简介：论文在 2-Wasserstein 球上刻画均值—方差泛函的最坏/最好值，用分位数表示将无限维问题化为标量方程，并把极值分布构造成参考分布的 location-scale 变换，再推导异质信念下的比例风险分担。作者报告同质信念时经典比例配置在任意歧义半径和 alpha-maxmin 权重下仍最优，另对形状也可变化的 distortion-variance 泛函给出凸包刻画；这是鲁棒风险理论结果，不是金融市场数据上的绩效或投资建议。
• 证据状态：仅依据摘要；未核阅全文，不能补充数值验证、分布假设和参数校准。