金融研报AI分析

【广发金工】2026年A股打新展望与策略

本报告回顾了2025年沪深北三市新股发行与网下打新特征，统计显示网下打新入围率高、报价趋于集中且上市首日涨幅显著；基于IPO规模、首日涨幅与A类投资者数量建立回归模型，预测2026年1.5亿元A类账户在悲观/中性/乐观情形下的打新收益率约为2.1%/3.3%/4.4%，并给出首日卖出（时间/涨幅/换手率）策略建议以优化收益与回撤管理 [page::0][page::15][page::12]

The Impact of LLMs on Online News Consumption and Production

本研究基于SimilarWeb、Comscore、HTTP Archive与Revelio高频面板数据，识别出四个早期效果：新闻网站流量在2024年8月后出现显著下降；将GenAI爬虫在robots.txt中屏蔽与后续总流量和真人流量下降相关；短期内未见新闻编辑/内容岗位被大规模替代，编辑岗位的招聘占比反而上升；出版方并未扩张文本产出，而是增加多媒体、互动组件与广告/定向技术以调整变现策略 [page::0][page::2][page::3][page::17].

Welfare Reform: Consequences for the Children

本论文基于丹麦全人群登记数据，采用比较事件研究（以2016年3月通过改革为锚）评估福利上限与工作要求的改革对母亲劳动供给、家庭可支配收入及儿童学业与福祉的短期影响 [page::0][page::9]. 我们发现母亲的领取福利概率略降、平均月工时小幅上升且家庭等效可支配收入约下降≈€300；短期内未见显著负向学业冲击，但学生自报的学校幸福感小幅下降且儿童受到社会服務通報（child protective services）显著上升，尤其在单亲家庭中更为明显 [page::2][page::16][page::17][page::18].

All That Glisters Is Not Gold: A Benchmark for Reference-Free Counterfactual Financial Misinformation Detection

本报告提出 RFC-BENCH：一个面向金融段落级、reference-free 的反事实误导检测基准，包含多类最小扰动（方向翻转、数值扰动、情感放大、因果歪曲）并由专家验证构建，支持单段检测与原文-扰动对比两项任务。大规模评测 14 款开/闭源 LLM 显示：在仅给单段的 Reference-free Detection 中性能接近随机（≈52% 左右），而在 Comparative Diagnosis（给出原文对比）中准确率激增至 0.85–0.97，揭示 LLM 在无外部对照时存在“先接纳再解释”的系统性弱点，为提高金融场景下的参考自由可判定性指明研究方向 [page::1][page::5]

Diversification Preferences and Risk Attitudes

本文系统研究在不同依赖结构（如反同向、可交换、独立、同分布等）下的组合偏好如何映射为风险厌恶性质：在弱连续性下，对反同向且同分布的对的分散化可推出弱风险厌恶；对可交换（或同分布任意依赖）的分散化等价于强风险厌恶；而对独立对的结论需更强的紧致上半连续条件；文中并给出构造性反例并推广到 L^p 空间（包括一个负相关序列的 L^p 大数定律）以说明假设的必要性 [page::2][page::3][page::17]

Trade-R1: Bridging Verifiable Rewards to Stochastic Environments via Process-Level Reasoning Verification

本文提出Trade-R1框架，通过检索增强的两阶段验证与“三角一致性”度量（Evidence↔Reasoning↔Decision）将可验证的推理与噪声市场回报相连接，从而抑制金融RL中的reward hacking并提升跨市场泛化能力 [page::0][page::4][page::6].

Sharp Transitions and Systemic Risk in Sparse Financial Networks

本文构建在稀疏有向Erdős–Rényi网络上的同质资产负债表模型，提出“单击”（single‑hit）传染机制并引入发送者截断图G_sh，将级联问题化为前向可达性问题；在分支均值ρ_out<1时，任意对数级别初始冲击只会产生多项式对数规模的传播，随机冲击触发系统性事件的概率趋于0；在ρ_out>1时，G_sh进入强巨集/弓形结构，线性规模的输出集合存在，故对数规模随机冲击会以高概率触发系统性事件 [page::0][page::3][page::5]

Smart Predict–then–Optimize Paradigm for Portfolio Optimization in Real Markets

本文提出并系统评估了基于 Smart Predict–then–Optimize (SPO) 的决策驱动投资框架：使用可解释的线性预测器并在训练中嵌入组合优化层（含交易成本、换手惩罚与正则化），通过滚动窗口月度回测（2015–2025 美股 ETF 数据）验证了决策导向训练在风险调整后收益和逆境鲁棒性上持续优于传统 predict–then–optimize 与若干基准模型 [page::0][page::14][page::16].

Quantum computing for multidimensional option pricing: End-to-end pipeline

本论文提出一个端到端框架：用可校准的指数NIG模型从真实期权报价恢复无套利边际风险中性密度，并通过高维余弦级数逼近联合分布后，采用量子加速蒙特卡洛(QAMC)（基于QAE）进行多资产期权定价，理论上将CMC的O(1/ε^2)收敛提升为O(1/ε)并在实证中证明在高精度场景下QAMC需约10–100倍更少的查询以达成相近精度，从而展示了将严谨市场一致性建模与量子算法结合的可行路线与规模化潜力 [page::0][page::22].

Class of topological portfolios: Are they better than classical portfolios?

本文提出基于拓扑数据分析(TDA)的“Topological Risk”，利用持久性景观(persistence landscape)的Lp范数度量资产拓扑波动并定义每只资产的拓扑风险，进而通过求解二次规划最小化组合的拓扑风险。对近十年S&P500成分股进行滚动窗口实证，TDA构建的组合在超额均值与多项风险调整比率上显著优于七类传统优化模型与两个基准策略，且对持仓规模与窗口长度稳健 [page::0][page::3][page::18].

A comprehensive review and analysis of different modeling approaches for financial index tracking problem

本综述系统比较了三类指数跟踪建模范式（优化、统计与数据驱动），并在S&P500上进行实证对比：追踪误差方差（TEV）在精确复制方面表现最好，凸协整（Cvx-CoInt）在风险调整表现上最优，而带固定噪声的深度神经网络（Deep-NNF/DNNF）在成交量和计算效率方面具有显著优势。[page::50][page::38][page::42][page::46]

Women Worry, Men Adopt: How Gendered Perceptions Shape the Use of Generative AI

Using a nationally representative UK survey (N≈8,000), the paper shows women use generative AI substantially less than men and that gender-differentiated societal-risk perceptions (mental health, privacy, climate, labour-market) are a primary driver—explaining roughly 9–18% of variation in adoption and outranking many skill/demographic predictors; synthetic-twin analyses indicate raising societal AI optimism can substantially increase young women's GenAI use (e.g., from ~13% to ~33%), narrowing the gender gap [page::0][page::4][page::6].

Optimal execution on Uniswap v2/v3 under transient price impact

本文研究在Uniswap v2 (CPAMM) 与 Uniswap v3 (CLAMM) 上，在包含瞬时、永久及瞬态（指数或近似幂律）价格冲击下的最优清算问题。对CPAMM在一般基础价格动态下给出一阶近似下的闭式最优解；对CLAMM在两层流动性框架下采用动态规划并通过离散化数值求解，展示了在不同恢复核、波动率和流动性配置下的策略形态差异与灵敏度分析，为DeFi大宗交易调度提供可操作结论 [page::4][page::16].

An Algorithmic Framework for Systematic Literature Reviews: A Case Study for Financial Narratives

本文提出一个结合Transformer句向量、降维与聚类的可复制算法化系统文献综述框架，并将其应用于金融叙事研究领域，识别出研究从情感/主题统计向基于深度学习与图结构的叙事建模演进的趋势；算法化筛选将初始288篇文献精炼至16篇核心研究以进行深入分析，证明该框架在提高选择一致性与可复现性方面的有效性 [page::0][page::13]

Artificial Intelligence and Skills: Evidence from Contrastive Learning in Online Job Vacancies

本文基于14百万条中国上市公司线上招聘数据，构建了基于对比学习的Extreme Multi-Label Classification (XMLC) 管线，将招聘文本映射到ESCO技能框架，证实企业AI能力因果上显著提升岗位中既有（occupation-aligned）和非既有技能的表达，并推动“前瞻性”技能的提前出现，表明AI既能减少招聘信息噪声又能帮助企业提前识别未来技能需求 [page::5][page::6][page::7]

Governance of Technological Transition: A Predator-Prey Analysis of AI Capital in China’s Economy and Its Policy Implications

本文使用广义Lotka–Volterra捕食-被捕食框架，基于2016–2023年中国AI资本、固定资产投资与劳动（工资总额）数据估计交互参数，发现AI资本在与物质资本和劳动的相互作用中表现为“被捕食者”（stimulating capital and wages but weakly constrained），体系收敛到稳定节点；Sobol敏感性分析表明劳动均衡高度受AI侧参数支配，而物质资本均衡则更多受其自身饱和效应影响，为制定有区分度的产业与劳动政策提供可量化的政策杠杆指引 [page::0][page::21].