每日金融论文简报｜2026 年 10 月 21 日

今日金融候选来自 arXiv 官方 q-fin / econ RSS，共 18 篇。重点关注优先选择能核对样本外、交易成本、风险和识别边界的论文；“论文报告”是作者自述，不等同于独立复现。金融结果须区分相关性与因果性、样本内与样本外、统计显著与经济显著，以及回测/仿真与真实可交易结果；本文不构成投资建议。

重点关注

More Mentions, Less Information? Diagnosing Identity and Alignment in Reddit Embeddings for Volatility Forecasting

• 作者：Zhiyu Zheng
• 来源/分类：arXiv（q-fin.ST）；论文主题：金融文本、波动率预测与数据泄漏诊断
• 论文要解决的问题：WallStreetBets 文本 embedding 预测波动率的表面拟合，究竟来自当天文本、公司身份，还是训练样本中的重复信息？论文把“预测得准”与“文本增量信息”分开检验。
• 方法与基线：使用 2015–2022 年 202,145 个 stock-day，采用滚动样本外评估；将冻结 LLM embedding 加入 HAR 波动率基线，比较看过/未看过公司的文本无关身份控制，按 firm-year 打乱日期—文本对应关系，并做 ticker masking、时段和覆盖范围分析。
• 关键结果：论文报告 embedding-only 的样本外 R² 为 0.13，但对训练中出现过的公司，文本无关公司基线 R² 达 0.32；打乱日期—文本配对仍保留原拟合的 89%–92%，遮蔽 ticker 后 standalone R² 降至 -0.005。embedding 加入 HAR 后 equal-date MSE 降低 1.22%，95% 区间为 [0.94%, 1.49%]；该小幅增量在控制公司身份和 ticker masking 后仍在，但在 2020–2022 年不再显著，增加 48% 的非交易时段/周末覆盖也没有可靠增量。
• 统计与经济含义：这是滚动样本外的预测相关性，不是文本对未来波动率的因果效应；MSE 的统计显著不代表扣除数据购买、清洗、延迟、冲击和换手成本后有经济显著或可交易收益。论文没有把 R² 或 MSE 改善转换成真实策略 P&L。
• 创新、局限与失败条件：优点是用对齐打乱和身份控制定位信息来源，而非把 embedding 当黑箱信号。局限是单一社区、2015–2022 窗口、冻结 embedding 和公司覆盖结构；2020–2022 的衰减提醒读者不能把早期相关性外推到当前市场。
• 适合谁读：做金融 NLP、波动率预测、数据泄漏审计和信号增量分析的研究者。建议优先读第 3 节诊断协议、第 4 节滚动样本外结果和第 5 节覆盖/时间稳定性。
• 证据状态：已阅读全文 PDF；以上数字是论文报告，未做独立复现。
• 相关链接：摘要页 · PDF · DOI

Cooperative Multi-Agent Reinforcement Learning for Market Making on Prediction-Market Order Books

• 作者：Skander Lejmi
• 来源/分类：arXiv（stat.ML、cs.LG、cs.MA、q-fin.TR）；论文主题：预测市场做市与多智能体强化学习
• 论文要解决的问题：预测市场订单簿薄、报价后果延迟，且公开 L2 数据没有订单身份，导致传统市场做市 RL 容易因逆向选择停止报价。论文研究更丰富的订单簿/流量观察、动作和库存控制，以及 quoter—risk manager 分工是否能改善持仓风险。
• 方法与基线：从 Polymarket 重构 417 个真实市场的订单级 LOBSTER 格式数据，在 JaxMARL-HFT 中比较重训的单智能体基线、扩大观察/动作空间的 WIDE_SPOONER，以及合作式 recurrent IPPO 的 D_SPLIT、D_BLEND、D_MARK 和带 loss-stop curriculum 的 D_BL_MARK_CURR。以留出窗口的 episode 末组合价值、价差捕获、库存 mark-to-market、交易量和不交易比例评估。
• 关键结果：论文报告 WIDE_SPOONER 留出组合价值为 -9.6 ticks，重训基线 PAPER_BASE 为 -46.1；朴素分工 D_SPLIT 为 -72.3，加入奖励混合为 -41.0，加入成交后 markout 为 -5.9，markout 加 curriculum 为 -4.3。D_SPLIT 在 48 个留出窗口中 45 个亏损，D_MARK 和 D_BL_MARK_CURR 分别为 6 和 8 个；后两者在 48 窗口合计为正，但所有配置在周期留出评估中的平均组合价值仍未证明为正。
• 统计与经济含义：这是历史订单簿重构环境中的仿真/留出窗口结果，不是实盘交易或正期望收益证明；每个配置只有一个随机种子，单智能体的观察、动作和库存改动没有被分别识别。重构的订单身份和排队位置是合成的，故成交动力学不能等同于真实排队执行。
• 创新、局限与失败条件：论文把奖励归因问题具体化，显示 markout 比简单把利润和库存损失分给不同 agent 更能减少尾部亏损。局限包括单一平台/工具、四个训练日和一个两周后的留出日、学习对手导致非平稳，以及没有跨市场、跨种子和真实成交验证。
• 适合谁读：做市场微观结构、做市、MARL 和交易仿真的研究者。建议优先读第 3 节环境重构、第 5 节奖励设计、第 6 节留出窗口结果和第 6.4 节局限。
• 证据状态：已阅读全文 PDF；以上数字是论文报告，未做独立复现。
• 相关链接：摘要页 · PDF · DOI

Rachev-Ratio Portfolio Optimization with TimeGAN Scenarios: Replacement versus Supplementation

• 作者：Yifan He
• 来源/分类：arXiv（q-fin.PM）；论文主题：合成金融数据与尾部风险组合
• 论文要解决的问题：TimeGAN 生成的收益场景，放进尾部敏感的 Rachev-ratio 组合优化后，是否真的改善未来净收益和尾部风险？论文强调分布拟合、优化器内部目标和实现后的收益是三个不同对象。
• 方法与基线：使用 12 只 ETF、5 个训练种子和 198 个滚动决策窗口；比较历史 RRP、纯替换 AI-RRP、保留历史样本的 Hybrid-RRP，独立改变合成概率质量与生成样本数。执行时使用延迟一天的交易、10bp 总交易名义成本、长期-only/fully-invested 约束，并与 IID 和 moving-block resampling 控制比较。
• 关键结果：论文报告生成场景低估波动和尾损并扭曲跨资产相关性；较高合成质量的 hybrid 年化净收益均值约 3.99%–4.25%，历史参考约 3.48%，等质量 hybrid 约 2.80%，但生成—历史的直接收益、Sharpe 和实现尾部比率区间均包含零。全周期 TimeGAN 均值高于 IID/移动块控制，六个直接收益/Sharpe/尾部比率区间仍均包含零；纯替换的日损失 CVaR 约 2.10%，高于历史约 1.45%，年换手约 840%，历史约 236%。
• 统计与经济含义：结果是同一历史路径上的条件比较和固定策略重采样，不是独立市场样本；“均值更高”不是经济显著的可交易优势，零包含区间也不等于等价。作者明确说生成误差与后续表现的探索性关联不能识别因果链，回测不构成未来收益保证。
• 创新、局限与失败条件：优点是将合成概率质量与生成行数分开，并把分布诊断、数值稳定、交易成本和真实执行收益放入同一评估。局限是指定的单一 GRU TimeGAN、一个 ETF 宇宙、一段历史、非预注册且没有外层未触碰评估；重构损失下降也未带来更好的跨资产相关性。
• 适合谁读：做生成式金融数据、组合优化、尾部风险和模型风险的研究者。建议优先读第 3 节滚动执行、第 5 节生成诊断、第 7 节表现区间和第 8 节 resampling/局限。
• 证据状态：已阅读全文 PDF；以上数字是论文报告，未做独立复现。
• 相关链接：摘要页 · PDF · DOI

The Control Layer Behind Rule-Following Agents Trading Across Market Conditions

• 作者：Saad Naja、Nasser Odtallah、Jake Van-Praag、Sarah May
• 来源/分类：arXiv（q-fin.TR）；论文主题：AI 交易控制层与可审计性
• 论文要解决的问题：交易 agent 的盈利叙事很容易掩盖风险控制、真实成交比例、账户级复利和市场状态覆盖。论文以四个有明确策略框架的 AI agent 为例，优先审计规则是否被执行，再讨论观察期内的表现差异。
• 方法与基线：分析 2026-02-12 至 2026-08-27 的 2,627 个已平仓头寸，按 momentum、reversal、breakout、trend-following 分 agent；使用九项交易日志审计，包括止损内损失、波动率下风险稳定性、连亏后行为、仓位上限、资产混合、命中率—盈亏比和市场状态。交易日志中 2,144 笔是对实时价格的模拟纸面头寸，483 笔（18.4%）是真实 Hyperliquid 订单，纸面净收益按 0.09% 往返费估算。
• 关键结果：论文报告 97.5% 的毛损失落在声明止损内，24 个 agent-run 中 23 个遵守仓位上限；四 agent 汇总每笔期望净收益约 +0.050%，但 Agent-1 占 1,507 笔、约 57%，等权平均则约 +0.221%，两者不是账户复利收益。论文还记录一次运行超仓 28 天、基础设施迁移期间 13 天止盈/止损执行被禁用；盈利排名更像由各自命中率相对 break-even 命中率的余量决定，而非简单资产混合。
• 统计与经济含义：这是公司内部、短窗口、以交易日志为单位的描述性审计，不是随机实验、因果估计或独立样本外收益验证；纸面交易没有真实订单簿、资金成本和账户级持仓，真实订单只占 18.4%，总和的 percentage points 也不是账户回报。市场窗口只有一次回撤—恢复周期，不能证明未来盈利或抗风险能力。
• 创新、局限与失败条件：最有价值的是把“控制层是否遵守规则”和“策略是否赚钱”分开，并公开可重跑的审计思路。局限包括作者与公司关系、内部资助、Agent-1 的权重、资产集中、单平台、短周期和未测 front-running/信息泄漏；任何投资决策都不能只看该样本。
• 适合谁读：做可审计交易系统、agent 风控、实盘评测和金融产品尽调的读者。建议优先读第 2.5 节纸面/真实边界、第 3 节定义、第 4 节九项审计和第 7 节样本限制。
• 证据状态：已阅读全文 PDF；以上数字是论文报告，未做独立复现；论文为 arXiv 预印本，尚未经过期刊同行评审。
• 相关链接：摘要页 · PDF · DOI

Amortized Neural Filtering for Calibrated Posteriors in Statistical Arbitrage

• 作者：Minkey Chang
• 来源/分类：arXiv（q-fin.GN、q-fin.RM、q-fin.ST）；论文主题：统计套利、状态不确定性与校准
• 论文要解决的问题：传统统计套利把均值回归状态压成点估计，选出最有利的价差后又面临 winner’s curse。论文研究能否用模拟训练的神经过滤器输出后验概率，把估计不确定性纳入仓位，而不是只追求更激进的点预测。
• 方法与基线：提出 Neural Filter Estimator（NFE），在带状态切换、随机波动和非对称创新的模拟价差上做 amortized posterior estimation，再应用于韩国股票的残差组合。用分类器 two-sample test 选择更接近真实残差的创新分布，比较 OU 点估计、混合密度网络、直接后验、Attention Factor Model 以及零信号/随机基线；使用 60 天窗口、20 天持有期、5bp 换手成本和 1bp/日空头基准成本。
• 关键结果：论文报告实证数据上 OU 点估计的预测—实现收益差约 1,084bp/持有期；amortized OU 后验差约 572–593bp，direct variant 约 120–150bp，缩小约 2–8 倍。模拟真值下所有实际估计器 AUC 约 0.61–0.66，远低于知道真状态的 0.93；后验仓位的 Sharpe 与 AFM 基础规则在该时期噪声内相当且没有更高风险，模型没有相对于无条件基线证明额外 alpha。
• 统计与经济含义：论文的主要收益是校准“不知道”的程度，而不是证明策略赚取新 alpha；韩国数据结果是历史样本上的 after-cost 评估，并未覆盖韩国交易税和部分空头限制，不能直接当作可实施收益。two-sample test 选出的生成过程仍与真实数据可区分（代表性 AUC 约 0.678），因此模拟训练的外部有效性有限。
• 创新、局限与失败条件：贡献是把 posterior uncertainty 作为交易决策变量，并用 null/positive control 约束解释。局限是生成模型核、窗口长度、特征构造和先验选择敏感；后验改进部分等价于对点预测做统一 shrinkage，尚未证明真实市场中能稳定改变风险调整收益。
• 适合谁读：做 statistical arbitrage、simulation-based inference、概率校准和金融机器学习的研究者。建议优先读第 3 节生成模型、第 4 节真值/实证评测和第 5 节结论及 null model。
• 证据状态：已阅读全文 PDF；以上数字是论文报告，未做独立复现。
• 相关链接：摘要页 · PDF · DOI

When Better Opportunities Backfire: Service Worker Responses to Parallel AI Deployment in Customer Acquisition

• 作者：Xinyu Fu、Shulong Luo、Narayan Ramasubbu、Peng Shen、Xincheng Wang、Yucheng Wang
• 来源/分类：arXiv（econ.GN、cs.AI、cs.ET、cs.HC、q-fin.EC）；论文主题：AI / 金融（双主题）、劳动与服务运营
• 论文要解决的问题：AI 语音 agent 吸收低意向客户后，人工坐席得到的客户质量提高，是否必然提高人工转化？论文用 sequential search 理论提出相反机制：未来机会变好可能提高保留阈值，让坐席更快放弃当前机会。
• 方法与基线：研究中国在线健康保险经纪公司的部署事件，使用 2024-08-28 前后各 60 天、超过 50 万条外呼记录和约 13,000 个 agent-day，采用带坐席、日期、小时固定效应和十天 donut 的 regression-discontinuity-in-time；按工作日内第几通电话估计高意向比例、转化、重新分配和通话时长，并做校准的 ordering/conduct 分解。
• 关键结果：论文报告人工接到高意向线索的概率在前 1–3 通增加 23.4 个百分点，随后衰减至日末零；人工转化率在前 1–3 通下降 4.5 个百分点、接下来三通下降 2.5 个百分点，日末反而增加 3.4 个百分点。早期重新分配上升 8.1 个百分点，通话时长下降约 13%。作者的会计分解给出 ordering effect +0.58%、conduct effect -17.58%、总 hot-lead yield -17.00%，日层面的净绩效接近零；该分解是校准会计模型，不是结构因果中介识别。
• 统计与经济含义：RDiT 提供围绕部署日期的因果解释线索，但处理在日期层面发生，不是随机分配；主估计量是相对同日平均的工作日内形状，不等于绝对日总量变化。报告的“每人工通话产出上升”部分来自人工通话量下降，不代表公司总转化或真实收益上升。
• 创新、局限与失败条件：价值在于指出 AI 不只改变谁做任务，也改变人工对未来机会的预期；可迁移边界是共享任务池、人工有放弃/努力裁量且未来机会仍可见。局限是单家公司、单次部署、一个工作流和校准分解，不能外推到所有呼叫中心，也不是金融投资回测。
• 适合谁读：做 AI 部署、劳动经济学、服务运营和人机协作的研究者。建议优先读第 3 节识别策略、第 4 节工作日内结果、第 5 节分解和附录 H 的 RDiT 解释。
• 证据状态：已阅读全文 PDF；以上数字是论文报告，未做独立复现；论文为 arXiv 预印本，尚未经过期刊同行评审。
• 相关链接：摘要页 · PDF · DOI

金融论文

以下 12 篇为其余候选。它们保留官方摘要页和 PDF；本轮未逐篇核读全文，因此均标记为“仅依据摘要”。NBER 工作论文规则不适用于本轮：当前项目配置只采集 arXiv 官方 RSS；所有条目仍应视为尚未经过期刊同行评审的预印本或工作稿。

Teacher Supervision, Fixed Representations and Calibration: Exact Risk Calculations for Candidate-Scoring Decision Models

• 作者：Agus Sudjianto、Denis Burakov
• 来源/分类：arXiv（stat.ML）；论文主题：候选评分、教师偏差与概率校准
• 简介：论文在可精确计算风险的 Gaussian surrogate 中分析软标签、冻结表示和 temperature calibration。摘要报告学生会继承教师偏差，更多学生数据不能消除；CFPB 231,521 条信用卡投诉中，结果监督的学生决策成本比教师低 8%，30B 模型零样本校准后仍差于教师，且偏离 log-sum-exp 一致性约 17.5 decibans。这里的“风险”是决策模型风险，不是投资回测收益。
• 证据状态：仅依据摘要；未核对 surrogate 到真实业务的外推、概率校准后的样本外损失和标签可得性。
• 相关链接：摘要页 · PDF · DOI

Optimal Trading Filters and the Value of Predictive Signals

• 作者：Matteo Smerlak
• 来源/分类：arXiv（q-fin.TR）；论文主题：交易执行、预测信号与市场冲击
• 简介：论文用 Wiener–Hopf 分解求带瞬时/暂时价格冲击的平稳二次交易问题，恢复指数恢复下的 Gârleanu–Pedersen aim portfolio，并推导幂律冲击下需要长记忆的分数交易滤波器。摘要的核心结论是无摩擦时相同即时预测强度有相同 Markowitz 价值，但有成本时净价值由摩擦加权预测决定；OU 信号存在中间最优均值回复速度。它是结构模型推导，不是历史回测或真实成交证明。
• 证据状态：仅依据摘要；未核对冲击核、风险惩罚、可观测信息和模型参数的现实校准。
• 相关链接：摘要页 · PDF · DOI

SHADE: Shrinkage via Halted Alpha-stable Denoising for Heavy-Tailed Probabilistic Time Series Forecasting

• 作者：Jiahao Weng、Jiyu Liu
• 来源/分类：arXiv（q-fin.PR）；论文主题：重尾预测与概率校准
• 简介：SHADE 用 alpha-stable Lévy diffusion 并在非零噪声深度停止，把残余稳定核作为分布级 shrinkage；摘要报告在 α≤1.3 的极重尾合成设定中 median CRPS 改善 21.7%，NLL 下降，在加密货币/外汇数据上改善尾部校准，而轻尾或高 SNR 时退回 Gaussian/full denoising。它评估的是分布预测，不等于交易收益。
• 证据状态：仅依据摘要；未核对合成噪声与真实市场尾部的匹配、滚动样本外设置、概率区间覆盖和交易成本。
• 相关链接：摘要页 · PDF · DOI

AuDQ: Auditable Data Quality through Agentic Rule Discovery

• 作者：Jacopo Biggiogera、Nicolas Colombo、Krati Saxena、Bhaskarjit Sarmah、Stefano Pasquali
• 来源/分类：arXiv（cs.AI、q-fin.CP）；论文主题：金融数据质量与 agent 规则发现
• 简介：论文把数据质量规则设计成有版本、溯源、可重放和不可变执行记录的治理制品，比较 Full-Agentic、Guided 和 HITL 规则获取，在金融与零售两个真实行业数据集上初步比较规则质量和多样性。摘要没有给出完整数值或下游模型收益，因此更像审计基础设施的早期验证，而不是策略研究。
• 证据状态：仅依据摘要；未核对专家标注规模、规则覆盖、误报/漏报成本、提示污染和跨机构迁移。
• 相关链接：摘要页 · PDF · DOI

Conflicting History in Foundation Model Return Forecasts

• 作者：Levent Bulut
• 来源/分类：arXiv（q-fin.ST）；论文主题：收益预测、概念漂移与上下文冲突
• 简介：论文构造共享近期收益但旧历史不同、且下一期条件分布相同的成对序列，比较 5 个 foundation-model 预测过程在 3 个模拟过程和 1,024 次独立重复中的抗冲突能力。摘要报告高信号的 30 个比较中，冲突历史都降低超过零收益的概率；56 个资产的探索比较中，输入从 256 缩到 64 会让 MAE 增加 1.77–4.58bp，但两种长度都没有在整体观察期超过零基线。
• 证据状态：仅依据摘要；模拟冲突机制与真实制度变化并不等价，尚未核对资产筛选、费用、样本外窗口和多重比较。
• 相关链接：摘要页 · PDF · DOI

Arbitrage-Free Implied Volatility Surface Reconstruction via Additive Martingales

• 作者：Haochen Luo、Sifan Lin、Xiaolong Luo、An Binh Minh、Yuan Zhang、Chen Liu
• 来源/分类：arXiv（q-fin.CP、cs.LG）；论文主题：无套利波动率曲面
• 简介：AddMart 不直接回归 IV，而是把稀疏报价映射为指数加性鞅的非负增量密度，从结构上生成静态无套利的风险中性边际，再恢复 IV、VaR、CVaR 和 crash probability。摘要报告在 10 个真实期权数据集上重构精度有竞争力且没有实质静态套利，但没有给出真实报价、流动性、动态对冲或 P&L 结果。
• 证据状态：仅依据摘要；未核对稀疏报价覆盖、跨期限外推、模型风险、动态无套利和训练/测试时间隔离。
• 相关链接：摘要页 · PDF · DOI

Regime-Aware Interpretable Ranking for Sector Rotation

• 作者：Kelvin J. L. Koa、Ziling Liu、Xinyang Li、Shuowei Feng、Ruoyu Liang、Mathieu Giroux、Eugene Y. Wen、Xuan Yao、Ke-Wei Huang、Hugo Lamarre
• 来源/分类：arXiv（q-fin.PM、cs.LG、q-fin.CP）；论文主题：行业轮动与可解释排名
• 简介：RegimeRank 用专家定义的基本面/技术时间特征、宏观因子 cross-attention 和行业 self-attention，直接排序相对基准的未来风险调整表现，并用 expected-gradient 和 attention 图解释信号。摘要报告在 2002–2024 年 S&P 500 周度数据、combinatorial purged cross-validation 下超过代表性 ranking/ML 基线，消融支持宏观状态、状态调节和行业关系模块；摘要没有给出净收益、换手和费用后的结果。
• 证据状态：仅依据摘要；排名指标超越不等于经济显著收益，未核对 purging、宏观数据发布日期、交易成本、容量和多重检验。
• 相关链接：摘要页 · PDF · DOI

Deep-$\pi^*$: A Neural Network Estimate of Trend Inflation

• 作者：Carlos Montes-Gald\’on
• 来源/分类：arXiv（econ.EM）；论文主题：通胀趋势与宏观预测
• 简介：Deep-π* 用神经网络把趋势通胀创新表示成宏观指标的非线性函数，并分别定义拟合当前通胀的 current trend 与预测未来一年的 forward-looking trend，用 Shapley 值分解贡献。摘要报告 forward trend 在 2021 年初、专业预测仍低于 3% 时已发出持续通胀信号，并比 UC-SV 和随机游走预测更准确；这是宏观预测相关性，不是可交易策略回测。
• 证据状态：仅依据摘要；未核对实时数据可得性、修订数据、滚动重估、模型选择和预测提升的经济显著性。
• 相关链接：摘要页 · PDF · DOI

Probabilistic Limit Order Book Forecasting with Conditional Diffusion Models

• 作者：Junyu Chen、Franklin Liu、Moshu Xu、Lijian Yang
• 来源/分类：arXiv（cs.LG、econ.EM、q-fin.TR）；论文主题：限价订单簿概率预测
• 简介：LOBGrad 用自回归 RNN 编码窗口、DDPM 生成未来 LOB，并在指数 mixing 与 contractive dynamics 假设下给出一步噪声预测的 excess-risk oracle inequality。摘要报告在 BTC/USDT、GOOGL、META 上优于无 encoder 消融、与其他基线有竞争力，能复现部分微观结构 stylized facts 并给出较校准的队列区间；下游只是 stylized task，不是实盘执行结果。
• 证据状态：仅依据摘要；未核对交易时钟、数据切分、延迟和 queue-position 假设、概率覆盖和真正的 after-cost 策略收益。
• 相关链接：摘要页 · PDF · DOI

How exposed is work to robotics? Occupational, industry, and geographic measures

• 作者：Sebastian Sartor、Robert Seamans、Neil Thompson
• 来源/分类：arXiv（cs.RO、cs.CY、econ.GN、q-fin.EC）；论文主题：机器人暴露度与劳动力市场
• 简介：论文从 78 个学术、行业和标准来源构建 16 项机器人能力，再用 LLM 映射至 52 个 O*NET 工作能力，生成 774 个职业、250 个行业和县级 ROE/RIE/RGE。摘要报告暴露集中于建筑、农业、运输、生产、采矿和仓储等体力工作，且相关职业平均工资和教育要求更低；作者明确把指标解释为技术相关性的上界，而非成本、准备度或实际采用率。
• 证据状态：仅依据摘要；未核对 LLM 评分一致性、能力权重、就业结构变化和地域测量误差，不能把暴露度直接解释成失业因果效应或投资信号。
• 相关链接：摘要页 · PDF · DOI

A Pricing and Hedging Framework for Infinite-Dimensional Financial Markets

• 作者：Hanchao Liu
• 来源/分类：arXiv（q-fin.MF、math.FA、math.PR）；论文主题：无限维金融市场定价与对冲
• 简介：论文将资产价格写成可分 Hilbert 空间中的随机演化方程，推导无限维 Black–Scholes 方程、强解的精确复制和 mild 解的 Yosida 近似复制，并讨论无套利、完备性、有限维噪声截断和等价鞅测度。摘要还给出 Hilbert 空间几何布朗运动和若干可处理例子；这些是理论条件与渐近结果，不是市场数据检验或对冲 P&L。
• 证据状态：仅依据摘要；未核对算子域、噪声截断误差、可交易资产解释和风险中性测度的经济可识别性。
• 相关链接：摘要页 · PDF · DOI

Probability-Weighting Functions for Normal Tempered-Stable Laws: Orthogonal Channels and Information-Theoretic Indices

• 作者：Akash Deep、Bhathiya Divelgama、A. Alexandre Trindade、W. Brent Lindquist、Svetlozar T. Rachev、Frank J. Fabozzi
• 来源/分类：arXiv（q-fin.MF、q-fin.RM、q-fin.ST）；论文主题：概率加权与尾部风险偏好
• 简介：论文由先验/后验收益分布构造 PWF，在保持方差固定时分别改变 NTS 分布的 scale、skewness 和 tail thickness，并提出 Fisher-normalized logit shift、signed Jensen–Shannon divergence 与 log-odds elasticity。摘要报告 scale 改变 40% 可使累计概率移动 7–8 个百分点，偏度 ±0.5 或 tail index ±0.3 约 2 个百分点；用 2015–2025 S&P 500 ETF 参数校准时扭曲约 2–7 个百分点。
• 证据状态：仅依据摘要；这些是分布和决策权重变化，不是风险偏好导致收益的因果估计，也没有交易策略或真实可交易结果；未核对 NTS 校准和代码复现。
• 相关链接：摘要页 · PDF · DOI