每日金融论文简报｜2026 年 10 月 2 日

重点关注

本期从 18 篇候选中选出 5 篇重点阅读。重点论文已核阅 arXiv 摘要页和公开 PDF；数字和结论均为作者报告，未做独立复现。下文区分相关性/因果、样本内/样本外、统计/经济显著性以及回测/真实可交易结果；论文简报不构成投资建议。

1. Mining Causality：LLM 可以扩展 IV 候选搜索，但不能替代排除限制论证

核心问题。 工具变量需要相关性、排除限制和独立性，但寻找候选 IV 以及解释排除限制往往依赖研究者的创造性叙事。论文问：LLM 能否在不把候选空间限制为已知文献的情况下，帮助经济学家发现新的、看起来更可能有效的 IV？

方法与基线。 论文在教育回报、供需和 peer effects 三类问题下使用 two-step prompting 与 role-playing prompting；角色先模拟经济主体/社会情境，再提出和筛选候选，而不是直接告诉模型“寻找 IV”。作者收集 9 位实证经济学专家对 70 个候选的 validity 与 novelty 评分，再用这些问卷训练和校准 LLM judge，用 5 种策略、6 个领域、10 次运行、每次 20 个候选比较角色扮演、两步和 direct prompting。

作者报告的主要结果。 专家评价中，作者报告 13 个候选在“相对新颖”条件下达到各领域既有 benchmark 的 validity；直接策略平均 validity 略高，但候选更常是已有文献中的工具，角色扮演提高新颖候选比例和新颖候选的命中率。对摘要之外的 PDF 结果，加入 role-playing 后 raw validity 至少为 3 的新颖候选 hit rate 提高约 33 个百分点，两步设计的对应提升约 15 个百分点。数据可得性检查在部分候选上找到可用数据集，但这仍只说明可以开始实证研究，不等于 IV 已满足排除限制。

因果边界、创新与局限。 论文评价的是“发现候选”的工具链，不是用这些 IV 估计出可信的 treatment effect；专家评分和由专家评分校准的 LLM judge 都不是排除限制的检验。候选仍需研究者查文献、论证制度背景、检查第一阶段强度，并在真实数据中做稳健性和反事实检验。样本只有 9 位专家，judge 继承问卷偏差，提示词可能诱发看似合理但不可测的叙事；作者也提醒 LLM 不能成为最终权威。

适合谁读、怎么读。 适合因果推断、经济学研究设计和 AI for science 读者。建议先读 IV 假设与 prompt 构造，再看专家评价/LLM judge 的校准，最后看数据可得性和 adversarial refinement；不要跳过排除限制的不可检验性讨论。

2. QuantCode：让模型写出能运行的交易代码，仍不等于得到可交易策略

核心问题。 交易代码生成不仅要语法正确，还要执行、产生交易、忠实实现自然语言策略并符合框架语义。论文比较两种专门化方式：继续预训练交易/回测框架代码，以及对 agent 验证过的 request-to-code 样本做监督微调（SFT）。

方法与基线。 QuantCode-Bench 含 400 个 Backtrader 任务，并有类似 SWE-bench 的仓库级 track。候选代码必须通过语法、执行、至少一笔交易和请求语义等阶段；训练沿 Qwen3.6-35B-A3B 的 base→continued pretraining→SFT lineage 比较，也测试 Qwen3.5-397B-A17B。作者另外检查结构化 tool call 的能力保留，避免只看交易代码通过率。

作者报告的主要结果。 对 Qwen3.6-35B-A3B，继续预训练把 single-turn Judge Pass 从 27.8% 提到 33.0%，成功回测从 46.0% 提到 53.8%；再做 SFT 后分别达到 58.2% 和 83.5%，成功生成交易为 60.0%。agentic 评测中，SFT 将 first-turn success 从 22.3% 提到 58.3%，最多 10 轮修复后的最终成功从 47.5% 提到 79.5%；继续预训练单独使用时 first-turn 变好，但最终修复成功反而降到 32.5%。作者还发现领域专门化会损害 parser-conformant tool calling，恢复格式不等于恢复仓库级 agent 表现。

金融边界、创新与局限。 这些是可执行性、语义遵循和模拟 backtest 指标，不是扣除滑点、手续费、容量和市场冲击后的样本外收益，更不是实盘可交易结果；论文没有用 Judge Pass 证明 alpha。继续预训练语料、Backtrader API 与任务模板可能造成分布重叠，仓库级结果也不能代表新市场或新框架。真正的工程结论是应分别评测“能否运行”“是否按要求交易”“是否保留通用 agent 能力”，而不是把领域微调后的单项分数当作策略质量。

适合谁读、怎么读。 适合量化研究基础设施、代码 agent、回测框架和模型专门化读者。建议先读成功判定流水线，再看两条训练 lineage 的单轮结果、agentic 修复曲线和 tool-call retention 实验；最后检查数据来源与仓库级 track 的外推边界。

3. 多期债券组合 MDP：收益改善与尾部风险并不自动同时出现

核心问题。 银行 treasury 组合需要同时管理收益、流动性和利率风险；静态持有长期债券可能在利率上行时出现显著 mark-to-market 损失。论文研究含比例交易成本的多期债券配置，能否用动态策略改善终值财富，以及这种改善是否也改善下行风险。

方法与基线。 作者用 Dynamic Nelson-Siegel 曲线和 VAR 因子动态构造收益过程，再把三种期限（2、5、10 年）离散为时变有限状态 Markov chain，求解有限期 MDP。每月可在 6 个离散配置中调仓；六个月/十二个月各用 10,000 条路径、5 个随机种子，比较 equal-weight buy-and-hold 与不再平衡的静态 mean-variance 组合，并用 common random numbers 做配对比较。

作者报告的主要结果。 六个月、无交易成本时，DP 的平均终值财富为 1.0860，静态 MVO 为 1.0463；交易成本为 1% 时，DP 为 1.0534，仍比 MVO 高约 0.71 个百分点。无成本到 1% 成本，累计 turnover 从 6.339 降至 1.096；0.5% 成本时累计成本反而达到初始财富的 1.434%。但六个月基准下 DP 的第 5 百分位终值为 0.9458（c=0.1%），低于 MVO 的 0.9616，平均最大回撤为 4.11%，也不优于 MVO 的 3.93%；高波动情景中 DP 回撤升至 5.20%。

因果/样本边界、创新与局限。 这是给定 DNS/VAR 数据生成过程下的模拟比较，不是样本外历史收益，也没有识别因果效应。动态策略优化的是期望终值财富，风险中性目标自然可能接受更大的 duration exposure；作者明确指出若 treasury desk 有 mark-to-market 或资本约束，应加入凹效用/回撤惩罚。状态转移截断保持均值财富近似不变，却会显著扭曲 drawdown 和尾部统计；动作空间只有 6 个配置，模型还假设已知数据生成机制。因此它说明了目标函数与尾部风险的冲突，不提供债券配置建议。

适合谁读、怎么读。 适合固定收益、银行资产负债管理、动态规划和风险敏感优化读者。建议先看 DNS/VAR 与状态离散，再看基准策略和 common-random-number 设计，最后读交易成本、波动率和初始曲线敏感性以及尾部限制。

4. 方差校正的多资产模拟：改善分布拟合不等于校准尾部 VaR

核心问题。 将每个资产的完整收益生成器与市场因子相加，会重复计算市场方差；另行拟合回归残差可避免该问题，但会牺牲现有生成器的复用。论文提出对每条资产路径先中心化、再按市场项调整方差的 correction。

方法与基线。 实验使用 424 个美国股票/ETF，2014–2024 拟合，2025 作为冻结参数的 holdout；423 个非市场资产用带 heavy-tailed emission 的 HMM 生成，并比较 naive composition、residual-fit HMM、block bootstrap、Gaussian SIM、GARCH 等。多资产 holdout 覆盖 416 条完整历史，分布拟合用 KS/AD/Wasserstein/方差比，尾部另用每资产 5,000 条 249 日路径估计单日 VaR 阈值。

作者报告的主要结果。 训练 scorecard 中，Hybrid 的 KS pass rate 为 73.6%，naive composition 为 7.1%；冻结参数的 2025 holdout 中，Hybrid KS pass rate 为 87.0%，naive 为 83.5%，合成/观测方差比中位数为 0.97，而 naive 为 1.29。Hybrid 的一日左尾 99% VaR exceedance rate 为 1.12%，residual-fit HMM 为 1.16%，名义率为 1%；作者把这些覆盖率汇总明确称为 descriptive coverage，而不是标准误意义上的校准检验。转移 SPY 的 jump settings 改善训练期波动聚类，却在 2025 holdout 上变差。

样本外、统计与交易边界。 这是冻结模型后的样本外模拟比较，但 2025 只有一个 249 日市场区间，且 VaR 阈值来自模拟路径，不是实际可交易 P&L；1.12% 接近 1% 也没有证明 tail calibration。零和 residual 约束会移除期末残差不确定性，未建模的资产残差依赖可能夸大再平衡收益。论文的稳健结论是 correction 能缓解方差 double-counting、改善部分分布拟合，而非提供投资组合或风险限额建议。

适合谁读、怎么读。 适合金融模拟、风险管理、生成模型和 Monte Carlo 验证读者。建议先读方差分解与 composition 公式，再看训练/2025 holdout scorecard，最后读 VaR coverage、jump transfer 和 residual-dependence 限制。

5. 收盘竞价清算：RL 的优势主要体现在库存风险目标，而不是无条件的交易价格优势

  • 论文：Learning Optimal Liquidation with Closing Auctions（arXiv:2601.17247）
  • 作者：Julius Graf、Thibaut Mastrolia
  • 来源与链接：arXiv · q-fin.TR、math.OC · 摘要页 · PDF
  • 证据状态：已核阅公开 PDF；结果是模拟市场中的作者报告，历史股票只提供 midprice 路径，订单流和竞价仍为模拟。

核心问题。 连续限价订单簿之后的 closing auction 可以吸收剩余库存，但也带来清算价、订单流和库存风险。论文研究 agent 是否会使用竞价阶段降低 inventory-penalized implementation shortfall，以及预测清算价的准确性是否真的转化为决策价值。

方法与基线。 连续交易 120 分钟后接 30 分钟竞价；比较 DQN、DDPG、TD3、SAC，使用 rough Heston 合成价格和 CAT、GOOGL、JPM、MSFT、PG 的历史 midprice 路径。训练 800 episodes，按独立 validation 的 inventory-penalized shortfall 选 checkpoint，每个 learner/市场用 10 个 master seeds、每个 seed 100 个测试 episode；基线为改造的 Avellaneda–Stoikov（AS）和 TWAP。作者把 ordinary shortfall 与带库存惩罚的评价分开。

作者报告的主要结果。 合成市场中，DQN 的 ordinary shortfall 为 -5.11 bps，inventory-penalized shortfall 为 -4.19 bps，相对 AS/TWAP 的配对改善为 2.79/9.81 bps；SAC 对应为 -5.39、-4.54 和 3.13/10.15 bps。五只股票 midprice 的历史输入中，四种 learner 在六个市场都比 AS/TWAP 有更低的 inventory-penalized shortfall，但没有 learner 全面支配其他 learner。收盘价预测在竞价阶段优于 contemporaneous midprice，不过显式加入该预测对 DQN 反而变差，对其他 learner 的增量价值不稳定；dense auction credit 对四种 learner 都有正向的合成对比结果。

样本外与可交易边界。 历史实验不是真实市场回测：订单流、auction update、clearing 仍是模拟，且连续交易与竞价被人为设为不重叠；普通 shortfall 甚至可能高于 AS，优势来自库存惩罚项和风险暴露。模型还依赖离散网格、rough Heston 和有限的五只股票输入，作者承认有限网格精度尚未建立。因此结果说明“把竞价纳入状态和奖励”值得研究，不构成执行算法或投资建议。

适合谁读、怎么读。 适合市场微观结构、执行优化、强化学习和 auction mechanism 读者。建议先读两阶段市场模型与 shortfall 定义，再看训练/validation/test 隔离、主表和 auction contribution，最后看 forecast ablation、dense credit 和历史模拟限制。

金融论文

1. Mining Causality: AI-Assisted Search for Instrumental Variables（arXiv:2409.14202）

  • 作者：Sukjin Han；来源：arXiv；分类：econ.EM、stat.AP、stat.ME、stat.ML。
  • 链接：摘要页 · PDF
  • 简介：重点关注第 1 节已详细展开。论文评价的是 IV 候选发现和专家/LLM judge 评分，不是对任何教育、供需或 peer-effects treatment effect 的因果估计；相关性、排除限制和样本外识别仍需研究者验证。

2. QuantCode Model: Specializing Language Models for Executable Algorithmic Trading Code（arXiv:2609.39420）

  • 作者：Alexey Chernysh、Orkhan Ekhtibarov、Dmitry Zmitrovich；来源：arXiv；分类：cs.CL、cs.LG、q-fin.TR。
  • 链接：摘要页 · PDF
  • 简介：重点关注第 2 节已详细展开。83.5% successful backtests 与 79.5% 十轮 agentic success 是模拟代码 benchmark 指标，不是样本外、扣成本或真实可交易回报。

3. Stochastic Knothe-Rosenblatt: Light-speed Calibration of Stochastic Local Volatility Models（arXiv:2609.39256）

  • 作者：Mathias Beiglböck、Manuel Hasenbichler、Gudmund Pammer；来源：arXiv；分类：q-fin.PR、math.PR、q-fin.CP。
  • 链接：摘要页 · PDF
  • 证据状态：仅依据摘要。
  • 简介：研究期权 smile 只确定风险中性边际分布、却不确定跨期 coupling 的问题。作者以 adapted Knothe-Rosenblatt 方式在既有随机/路径依赖波动模型上递归构造精确匹配给定边际的 martingale，每步使用 Martingale Sinkhorn，并讨论 Heston、Bergomi 和多资产扩展。价值在于把校准 overlay 模块化；摘要没有给出数值误差、运行时间、市场数据和真实定价/对冲表现，不能将“快速校准”理解为实盘优势。

4. Multiperiod bond portfolio optimization with transaction costs using a Markov Decision process（arXiv:2609.38765）

  • 作者：Balaji Ramachandran、Srikanth Iyer、Shashi Jain；来源：arXiv；分类：q-fin.CP、q-fin.MF、q-fin.PM、q-fin.RM。
  • 链接：摘要页 · PDF
  • 简介：重点关注第 3 节已详细展开。作者报告的是 DNS/VAR 模拟下的期望终值财富差异；动态策略没有稳定改善第 5 百分位财富或最大回撤，不能转写成银行组合建议。

5. Agent-Facing Information Design in LLM Tool Registries: A Preregistered Test of Rhetoric, Position and Structure（arXiv:2605.23916）

  • 作者：Haochuan Kevin Wang、Zechen Zhang；来源：arXiv；分类：cs.IR、cs.AI、econ.GN、q-fin.EC。
  • 链接：摘要页 · PDF
  • 证据状态：仅依据摘要。
  • 简介：预注册实验让两个 OpenAI 模型在只改变工具描述的配对 listing 中做选择；作者报告叠加式赞美使选择率提高约 43 个百分点，首位排序带来约 72 个百分点优势，结构化字段在有数值限制时有帮助，但旁边放销售文案会削弱该帮助。结果只覆盖两个小模型，且盲法短语评分尚未完成；它说明 agent registry 有信息设计风险，不直接说明金融市场行为。

6. NMIXX: Domain-Adapted Neural Embeddings for Cross-Lingual eXploration of Finance（arXiv:2507.09601）

  • 作者：Hanwool Lee、Sara Yu、Yewon Hwang、Jonghyun Choi、Heejae Ahn、Sungbum Jung、Youngjae Yu；来源：arXiv；分类：cs.CL、cs.AI、q-fin.CP。
  • 链接：摘要页 · PDF
  • 证据状态：仅依据摘要。
  • 简介：以 18.8k 个 source-linked triplet 做金融领域 embedding 适配，覆盖英韩金融和通用 STS。作者报告 BGE-M3 在 FinSTS 由 0.1969 提到 0.2967、KorFinSTS 由 0.0512 提到 0.2732，但通用英语/韩语相关性分别下降 0.0391/0.0463；五个模型金融平均相关性提升，所有模型通用领域下降。摘要明确说尚未评估直接跨语言检索，因此不应把 STS 提升等同于检索或投研收益。

7. Jacobian Rank Collapse in Decision-Focused Learning（arXiv:2609.39261）

  • 作者：Aojie Yuan、Haiyue Zhang、Zijian Su；来源：arXiv；分类：cs.LG、q-fin.PM。
  • 链接：摘要页 · PDF
  • 证据状态：仅依据摘要。
  • 简介：论文用 predictor Jacobian 解释 decision-focused learning 中可用的参数更新方向，并用稀疏 index tracking 区分优化器读取的协方差项与真正的参数方向。作者报告 38 个单参数 equity 配置中 DFL 相对 MSE 的收益低于 1.8%；在 shortest-path/knapsack 中 full-capacity SPO+ 的 mean regret 下降 11.6%/10.6%，但八次比较校正后只有 knapsack 保留。匹配神经网络实验未发现整体 DFL 优势，说明局部几何、坐标依赖优化和 held-out decision quality 不能混为一谈。

8. Say, Echo, Do: Strategic Narratives and Revealed Positioning in Financial Markets（arXiv:2609.38545）

  • 作者：Ali Atiah Alzahrani；来源：arXiv；分类：q-fin.TR、cs.LG。
  • 链接：摘要页 · PDF
  • 证据状态：仅依据摘要。
  • 简介：理论上区分机构发言（Say）、媒体重复（Echo）和实际持仓/交易（Do），并给出文章回声的后验、回报对齐 embedding 与 path-signature 统计。作者在已知真值的受控市场中报告 29 个模拟市场的 echo sentiment 均为显著负号，Say-Do 相关性识别 false alarm 的 AUC 为 0.90；这是模拟识别工具，不是现实新闻信号的样本外收益或因果证明。

9. Basket implied volatility skew and stickiness（arXiv:2609.38230）

  • 作者：Masaaki Fukasawa、Jun Maeda、Tatsuya Ogiwara；来源：arXiv；分类：q-fin.PR、math.PR、q-fin.MF。
  • 链接：摘要页 · PDF
  • 证据状态：仅依据摘要。
  • 简介：论文推导连续、可能 rough 的随机波动率下，basket 的短期限 near-the-money implied volatility 展开，把成分方差波动与权重波动分开；在 Gaussian Volterra factor 模型中给出 skew 系数，并证明 skew stickiness ratio 趋于 (H+3/2)。这是理论极限结果，摘要没有市场校准、定价误差或对冲效果，不能视为交易信号。

10. Variance-Corrected Multi-Asset Equity Simulation with Hybrid Hidden Markov Marginals（arXiv:2603.10202）

  • 作者：Abdulrahman Alswaidan、Jeffrey D. Varner；来源：arXiv；分类：q-fin.ST、cs.LG、q-fin.RM。
  • 链接：摘要页 · PDF
  • 简介：重点关注第 4 节已详细展开。2025 holdout 的方差比和 99% 左尾 exceedance 提供了样本外诊断，但 1.12% 对名义 1% 的差异只是描述性覆盖；未建模的残差依赖仍可能夸大再平衡收益。

11. Causal Inference in Possibly Nonlinear Factor Models（arXiv:2008.13651）

  • 作者：Yingjie Feng；来源：arXiv；分类：econ.EM、stat.ME、stat.ML。
  • 链接：摘要页 · PDF
  • 证据状态：仅依据摘要。
  • 简介：研究存在大量带噪 proxy、且 proxy 与潜在 confounder 之间关系可能非线性时的 treatment effect 估计；方法将局部主子空间、KNN、PCA 与 doubly robust score 结合，允许部分 proxy 无信息并允许测量误差与 treatment/outcome 相关。作者给出 ATE、counterfactual distribution 和 conditional effect 的大样本性质，并用金融企业政治关系—股票回报应用及 Monte Carlo 展示；摘要未提供应用估计量、置信区间、敏感性或样本外预测，理论条件是否适用于该应用需要全文核查。

12. Learning Optimal Liquidation with Closing Auctions（arXiv:2601.17247）

  • 作者：Julius Graf、Thibaut Mastrolia；来源：arXiv；分类：q-fin.TR、math.OC。
  • 链接：摘要页 · PDF
  • 简介：重点关注第 5 节已详细展开。作者把竞价纳入状态和奖励后，在模拟市场中降低 inventory-penalized shortfall；普通 shortfall、订单流真实性和真实执行成本仍是不同问题。

13. Spouse-Protected Tontines: Household Decumulation via Neural-Network Optimization（arXiv:2609.39569）

  • 作者：Duy-Minh Dang、Yukan Perumal；来源：arXiv；分类：q-fin.PM。
  • 链接：摘要页 · PDF
  • 证据状态：仅依据摘要。
  • 简介：论文构造首位配偶去世后仍保留账户、进入 spouse-only continuation phase 的 tontine，给出合约级 actuarial fairness、有限池 mortality-credit 分配和 ex post budget balance；代表家庭以 withdrawal/rebalancing 控制最大化实际支付并惩罚终值短缺的 CVaR，再用全时域神经网络参数化策略。作者用澳大利亚校准报告 spouse-only phase 是一阶且持久的家庭事件，大池分散化消除大部分代表合约的超额上尾成本但不改变预期每合约成本；跨国死亡率比较显示并非澳大利亚特有。摘要未给出保费、福利与监管适用性，不能作养老金产品建议。

14. Optimal Estimation of Large-Dimensional Nonlinear Factor Models（arXiv:2311.07243）

  • 作者：Yingjie Feng；来源：arXiv；分类：math.ST、econ.EM、stat.ME、stat.TH。
  • 链接：摘要页 · PDF
  • 证据状态：仅依据摘要。
  • 简介：针对观测变量是潜在因子的未知非线性函数这一设定，论文提出 KNN matching + local PCA 估计 factor structure 与 loadings，给出 nearest-neighbor discrepancy、sup-norm error 和 uniform convergence 结果，并声称在温和条件下达到非参数回归最优 uniform rate。Monte Carlo 与税收减免—经济增长应用用于展示方法；摘要没有报告应用中的识别与推断敏感性。

15. Exchange Rate Determination for Cryptocurrency Mergers: A Formal Framework（arXiv:2609.39264）

  • 作者：Massimiliano Sala、Daniela Visetti；来源：arXiv；分类：q-fin.GN。
  • 链接：摘要页 · PDF
  • 证据状态：仅依据摘要。
  • 简介：论文让合并后的网络价值内生于交换比率：交换比率影响用户迁移，迁移改变网络状态，再由公理化估值函数定价；在财富、采用、安全、治理、流动性五个公平条件下推导可行区间。作者证明破坏价值的交换比率不能同时保全财富，并讨论线性、Metcalfe 与幂律网络价值的凸性。它是形式框架，不是对任何加密资产合并价值的实证预测；用户重叠、治理和流动性函数的假设决定结论。

16. VaR at Its Extremes: Impossibilities and Conditions for One-Sided Random Variables（arXiv:2512.07787）

  • 作者：Nawaf Mohammed；来源：arXiv；分类：q-fin.RM、math.PR。
  • 链接：摘要页 · PDF
  • 证据状态：仅依据摘要。
  • 简介：研究一侧支持风险在所有概率水平上 VaR 次可加、精确可加或超可加的极端条件。对 ([0,\infty)) 风险，作者证明次可加、精确可加和 comonotonicity 等价，并把全局超可加性分解到 negative simplex dependence 和 simplex dominance；还给出无限均值分量下界与有限端点的 reflection principle。理论条件不等于现实组合在任意置信水平下的风险指标表现，也不提供风险限额建议。

17. Constrained Classification and Policy Learning（arXiv:2106.12886）

  • 作者：Toru Kitagawa、Shosei Sakaguchi、Aleksey Tetenov；来源：arXiv；分类：econ.EM、math.ST、stat.ML、stat.TH。
  • 链接：摘要页 · PDF
  • 证据状态：仅依据摘要。
  • 简介：论文研究可解释性/公平性约束使模型集合不再包含 first-best classifier 时，surrogate loss 是否仍能保持 policy learning 一致性。作者证明只限制预测集合时，hinge loss 是保留 second-best consistency 的唯一候选；若还限制函数形式，即便 hinge loss 也不保证一致性，并给出单调分类的计算方法。结论是统计决策理论条件，不是某个金融风控模型的公平性或收益证明。

18. Food Insecurity Among Military Veterans（arXiv:2609.39932）

  • 作者：Senan Hogan-Hennessy、Seungmin Lee、Christopher B. Barrett、John Hoddinott、Matthew P. Rabbitt；来源：arXiv；分类：econ.GN、q-fin.EC。
  • 链接：摘要页 · PDF
  • 证据状态：仅依据摘要。
  • 简介：使用 PSID 研究服役对长期粮食不安全的影响，并以越战时期 lottery draft 作为识别来源。作者报告 veteran-headed households 粮食不安全率更低、营养援助参与更少，并称 lottery design 的估计没有发现服役造成不利影响；这是作者的准实验因果主张，不是简单相关，但摘要未给出第一阶段、估计区间、样本外稳健性和异质性。政策含义集中在现役人员和不以传统家庭为户主的退伍军人，不应外推成其他社会结果。
每日论文
#论文 #金融
每日金融论文简报｜2026 年 10 月 2 日
https://www.polarishaw.top/2026/10/02/daily-finance-papers-2026-10-02/
作者
Polaris
发布于
2026年10月2日
许可协议