金融研报AI分析

【银河海外算力】行业周报丨高通组建6G联盟，商用节点提前落地

本周报告回顾美股通信板块小幅下跌但相对稳健的表现，重点跟踪英伟达对光学核心器件供应链的40亿美元注资以及高通牵头的6G产业联盟时间表（2028预商用、2029启动商用），并据此提出对运营商、卫星通信与光模块板块的配置建议与风险提示 [page::0][page::3]

乘风破浪 | 中金公司2026年春季投资策略会盛大开幕

本篇为中金公司对其2026年春季投资策略会的会务报道与现场要点回顾，介绍大会主题“乘风破浪”、参会嘉宾阵容、围绕宏观与政策、策略与行业趋势展开的讨论，并配有大量会场与演讲照片以呈现会议规模与氛围 [page::0][page::3].

OPTIMAL CONSUMPTION AND PORTFOLIO CHOICE WITH NO-BORROWING CONSTRAINT IN THE KIM-OMBERG MODEL

本文在 Kim–Omberg 框架下研究带常数劳动收入且受“不可借贷”约束的无限期最优消费-投资问题；通过拉格朗日对偶把原问题转为以边界形态控制的二维奇异控制问题，并借助一个带随机波动性的辅助最优停时问题刻画对偶值函数与自由边界，进而恢复原问题的最优消费、最优投资与财富反射机制，同时给出数值模拟说明经济含义 [page::0][page::3][page::24].

CANDIDATE MODERATION UNDER INSTANT RUNOFF AND CONDORCETVOTING: EVIDENCE FROM THE COOPERATIVE ELECTION SURVEY

本文基于Cooperative Election Survey (CES) 数据，构建若干一维空间模型并加入更现实的选民行为（如截断/子弹票、弃权、对候选人位置不确定等），发现当这些现实因素被考虑后，Condorcet 方法相比 IRV 的“更强调节化”优势大幅减弱，甚至在多数情形下差异消失；在某些模型下，Borda 或 Bucklin 比 Condorcet/IRV 更能选出接近中位选民的候选人 [page::0][page::10].

The Gibbs Posterior and Parametric Portfolio Choice

本文提出将Gibbs posterior（广义贝叶斯/基于损失的后验）应用于Brandt等(2009)的参数化投资策略，直接以投资者效用作为损失函数，构造关于策略系数θ及其出样回报的后验分布，并把温度参数λ作为核心正则化工具，通过后验协方差的几何（log-det 与 condition number）与KNEEDLE拐点法原位选择最优λ*，从而在不依赖外样本验证的情况下实现统一的学习与正则化框架；在美国股票（1955–2024）实证中发现：特征选股的效用收益主要集中于2000年前，λ* 随风险厌恶程度变化且受到高阶矩影响，非二次效用下尾部风险和峰厚度显著影响最优正则化与策略表现 [page::0][page::8][page::12][page::17]

NON-STANDARD ANALYSIS FOR COHERENT RISK ESTIMATION: HYPERFINITE REPRESENTATIONS, DISCRETE KUSUOKA FORMULAE, AND PLUG-IN ASYMPTOTICS

本文构建了基于非标准分析的统一框架，将总体层面的相干风险度量与有限样本相干风险估计器通过超有限（hyperfinite）表示联系起来，给出超有限稳健表示、离散Kusuoka表示、谱法插值估计的一致性及其自助法与中心极限定理的渐近结果，为风险估计的概率—统计字典提供了清晰工具 [page::0]

The Illusion of Collusion

本论文研究在重复囚徒困境下，使用多臂赌博机（bandit）算法的自主定价代理能否在无任何竞争信息的情况下“自发”学到合谋行为；核心发现是：算法的行为策略随机性决定合谋发生的可能性——持久随机策略长期不会合谋，贪婪收敛类策略在一定参数区间和路径下有非零合谋概率，而确定性策略（如UCB家族在对称情况下）将必然导致合谋，这些结论对监管和算法设计有直接含义 [page::0][page::2][page::24].

A MARKET RESILIENT DATA-DRIVEN APPROACH TO OPTION PRICING

本文提出基于“波动率标量（volatility scalar）+隐含波动率近似”的共表示空间以实现跨市场域适配，并在NIFTY50与BANKNIFTY历史及COVID异常期间的实证与合成数据上验证：域位移方法 A_DS 在异常波动样本上显著优于基于同质性提示的 A_HH，二者加权的集合模型 A_E 在典型与非典型样本上均表现稳健并通常取得最优或接近最优的RMSE [page::6][page::10][page::17]。

THE MARTINGALE SINKHORN ALGORITHM

本文提出并分析了 Martingale Sinkhorn 算法——一个在任意维度上构造 Bass 势与 Bass 测度的数值迭代方案，并证明在边际分布具有有限 p 阶矩（p>1）时算法收敛，因而在更弱的矩条件下也能保证 martingale Benamou–Brenier 问题的存在性与构造性解（Bass 测度/势）[page::3][page::14]。

Empirical Asset Pricing via Ensemble Gaussian Process Regression

Authors introduce an ensemble Gaussian Process Regression (GPR) to predict conditional expected stock returns and to quantify epistemic uncertainty, demonstrating superior out-of-sample predictive R-squared and information coefficient versus linear benchmarks, and showing that uncertainty-aware portfolios (UW, PUW) deliver large economic gains (higher Sharpe) compared to EW/VW strategies; the ensemble also reduces GPR computational burden and supports online learning [page::0][page::3][page::19][page::24]

A CDS Option Miscellany

本文系统梳理并扩展了单一名称与指数CDS期权的定价框架：给出一个实用且与Black’76一致的新RPV01（flat-hazard）近似公式，阐明当行权以部分或全部upfront结算时会如何改变单名期权价值并引入内嵌的恢复率期权估值；对指数期权提出以保护腿PV为标的并用Black–Scholes–Margrabe交换定价的简单构造以正确处理no-knockout与前端保护问题，且在本框架中“Armageddon”事件不需特殊处理 [page::0][page::15].

Generative Adversarial Regression (GAR): Learning Conditional Risk Scenarios

本论文提出 Generative Adversarial Regression (GAR) 框架，通过将可引导（elicitable）的风险函数作为回归目标，并在生成器与对抗性策略间建立最小-最大博弈，使生成情景在给定市场状态下保持与下游策略相关的条件风险一致性；实证（S&P500 风格资产集）显示 GAR 在 VaR/ES 联合评分和在策略迁移下的稳健性上优于无条件、传统计量模型与直接回归基线 [page::0][page::12].

Designing probabilistic AI monsoon forecasts to inform agricultural decision-making

We develop a decision-theory framework and an “evolving-expectations” Bayesian baseline to design and evaluate probabilistic monsoon onset forecasts that farmers can use despite heterogeneous constraints and priors [page::0][page::1]. By blending AI weather-prediction outputs (NGCM, AIFS) with the evolving-expectations statistical model via a multinomial logistic calibration, the blended system improves Brier Score by ~5–10%, RPSS by ~20–25%, and AUC by 3–5 percentage points relative to static climatology, and proved operationally useful in a 2025 dissemination to millions of farmers [page::3][page::11].

A Distributed Method for Cooperative Transaction Cost Mitigation

本文提出一种基于分布式凸优化（ADMM）的隐私保留交易协调协议，允许多名组合经理在不披露其目标函数或交易明细的前提下，通过中心实体交换汇总信号并反复调整，以显著降低全公司净交易的交易成本。回测（2000–2025）表明，即使仅进行少量协调轮次（如K=2或K=5），也能将累计交易成本大幅下降，并使公司层面Sharpe比率明显提升 [page::0][page::16][page::17].

HLER: HUMAN-IN-THE-LOOP ECONOMIC RESEARCH VIA MULTI-AGENT PIPELINES FOR EMPIRICAL DISCOVERY

本文提出 HLER（Human-in-the-Loop Economic Research），一种面向实证经济学的多代理人流水线，将数据审计、统计剖析、数据感知的假设生成、计量分析、论文撰写与自动评审串联起来，并在关键节点嵌入人工决策门以防止模型幻觉与不可行命题。实验在三套数据上进行（共14次流水线运行），结果显示基于数据审计的假设生成可行率为87%，显著高于无约束生成的41%，且端到端完成率为86%，平均每次流水线API成本约为$0.8–$1.5，证明了人机协作流水线在可扩展实证研究中的可行性与成本优势 [page::0]

Stochastic Attention via Langevin Dynamics on the Modern Hopfield Energy

This paper shows that a standard attention head implements gradient descent on the modern Hopfield log-sum-exp energy and that applying Langevin dynamics to that energy yields a training-free stochastic attention sampler controlled by a single inverse-temperature parameter β; the sampler interpolates between exact retrieval and open-ended generation, admits convergence guarantees due to the Hopfield energy’s analytic structure, and—via an SNR-based temperature rule—yields substantially higher novelty and diversity than learned baselines on image and financial pattern tasks [page::0][page::8].