💰 财经精选 2026-08-26
每日财经精选(仅财经,覆盖宏观/国际金融/量化投资)。来源:arXiv econ.GN 等公开研究。
1. 债务减免与侨汇能否对冲援助削减?多数国家可弥补,部分国家仍被锁死
- 原文: Debt relief and remittances can offset foreign aid cuts for most countries, but some remain locked out
- 来源: arXiv econ.GN
- 链接: https://arxiv.org/abs/2608.21843
- 标签: 宏观、发展金融、国际援助
2025年全球双边援助下降23%,波及130多个受援国。本文用网络冲击模型测算发现:对多数国家而言,减免债务本息或增加侨汇流入,足以弥补约260亿美元的援助损失;但少数债务高企、侨汇渠道薄弱的国家仍无法被有效对冲,暴露出全球发展金融体系的脆弱性。
2. DeFi 真的去中心化了吗?一个融合网络理论与模拟的四维框架
- 原文: Is Decentralized Finance Actually Decentralized? An Interdisciplinary Framework
- 来源: arXiv econ.GN
- 链接: https://arxiv.org/abs/2206.08401
- 标签: DeFi、金融科技、加密资产
去中心化金融(DeFi)虽降低了参与门槛,但活动、网络位置与底层基础设施仍高度集中。研究提出覆盖「参与—活动分布—结构位置—基础设施依赖」四个维度的分析框架,并结合 Aave、GHO 稳定币及跨链扩张的纵向数据,揭示 DeFi 名义上去中心、实质上权力高度集中的现实。
3. 机器学习分类 vs 回归做投资组合:损失函数到底重不重要?
- 原文: Machine Learning Classification and Portfolio Construction: Does the Loss Function Matter?
- 来源: arXiv econ.GN
- 链接: https://arxiv.org/abs/2108.02283
- 标签: 量化投资、机器学习、资产组合
在资产组合构建中,分类模型整体优于回归模型。将梯度提升树、随机森林与神经网络堆叠集成后,分类方案的价值加权年化夏普比率达1.83,而回归方案仅1.11,且优势在多分类设定下依然存在。结论提示:量化选股里「预测方向」比「预测数值」更关键。
4. 正则化集成预测:从历史与当前预测中「学」出最优权重
- 原文: Regularized Ensemble Forecasting for Learning Weights from Historical and Current Forecasts
- 来源: arXiv econ.GN
- 链接: https://arxiv.org/abs/2602.11379
- 标签: 预测、集成方法、风险管理
将多个专家预测组合往往优于单一预测。本文提出一种正则化集成方法,在经典线性意见池基础上,同时利用当期预测与各预测者历史表现来设定权重,从而在连续结果的预测任务上取得更稳健、更准确的结果,对宏观与金融预测场景有直接的实用价值。
评论