经济学、金融学、统计学顶刊最新论文，每日 10 篇：中文标题、摘要翻译与主要贡献，按研究方向（机器学习与金融 / 组合决策 / 金融科技与普惠 / 创新与可持续 / 信息·不确定性·价格主线）筛选。
按方法论卖点与经济价值挑出的本期重点。
本期最值得关注的三篇：Energy Economics（A+）的《贸易战、地缘政治风险与能源 ETF 的波动动态》——TPU/GPR 对绿色/棕色 ETF 条件波动率的冲击传递在期限与品种上显著非对称，频域 TVP-VAR 连通性框架直接对位特刊"地缘经济碎片化"主题；Mathematical Finance（A+）的《重尾 Hawkes 过程的收敛与粗糙波动率的微观结构》——把重尾核 Hawkes 的标度极限推到粗糙 Heston，新的紧性证明方法，与高频数据家底直接衔接；The Accounting Review（A+++）的《国家审计监督与外国投资》——一国建立公共审计监督机构后外国证券投资平均增加约 110 亿美元，制度质量→资本流动的经济价值非常明确。
每篇含中文标题、方向关联、摘要翻译与主要贡献，点击 DOI 查看原文。
The Cost of Regulatory Inaction: Evidence from IFRS Nonadoption
方向关联信息、不确定性与价格主线：监管（不）作为如何通过信息生产与流动性进入价格；跨境制度变迁的负外部性
尽管大量研究考察新披露监管的成本与收益，但对"监管不作为"后果的研究很少。我们考察：当外国同行采纳国际财务报告准则（IFRS）时，未采纳国企业是否会承担超出放弃收益之外的额外信息损失。未采纳者承担了绝对的流动性成本，与 IFRS 及其配套改革存在负外部性一致。利用未采纳国之间的异质性，我们发现：与 IFRS 同行机构投资者重叠度更高的企业，流动性恶化更显著；当 IFRS 同行所在国同步实施执法改革或可比性改善更大时，效应更强。进一步证据表明，共享中介（投资者与分析师）会减少对未采纳者的信息生产。总体而言，监管不作为恶化了信息环境：资源向新制度转移，旧制度下企业的流动性随之恶化。
National Audit Oversight and Foreign Investment
方向关联制度质量与跨境资本流动；结论有明确经济价值（平均每国 FPI 增加约 110 亿美元）；特刊"资本流动壁垒"的反向切题
2002 年美国 PCAOB 成立后，公共审计监督机构（POB）在全球普及，但其经济含义（如果有的话）研究很少。我们用双重差分考察一国建立 POB 与跨境投资的关系：建立 POB 后，该国吸引更多外国资本——平均而言，建立 POB 使一国外国证券投资（FPI）增加约 110 亿美元。POB 对外国投资的影响取决于 POB 提高审计质量的有效性与该国现有制度环境强度。本研究为全球审计监督的真实经济效应提供了证据，也为审计师监督文献与监管经济后果文献添砖加瓦。
Frontiers: Reducing Disparity Between LLMs and Humans: Optimal LLM Sample Calibration
方向关联机器学习与金融方向的方法参考：如何把大模型输出校准到人类偏好基准；模型无关的构造，跨时间/地理/行业可迁移
大语言模型（LLM）越来越多地被用于度量人类偏好与意见，但其输出可能偏离人类回答。我们提出"人类拟态校准"（HuMCal）：一种事后、模型无关的方法，利用聚合人类基准数据学习如何组合来自不同提示、角色与模型检查点的 LLM 输出。在消费交易数据与公众意见调查中的应用表明，HuMCal 比标准聚合规则更接近人类基准，且校准权重通常在时间、地理、行业与问题簇之间保持有效。
State-Varying Model Averaging Prediction
方向关联样本外预测最优的模型平均新方法；呼应"样本外与经济价值是最终裁判"的方法论直觉；适用于状态相依的变系数设定
本文为变系数模型提出一种新颖的状态可变模型平均预测器，可容纳参数不确定性与模型误设。我们发展了留-h-向前验证准则来选择状态相依的组合权重；证明该平均预测在一类模型平均估计中渐近最优（达到最低可能的样本外预测风险）；当候选模型包含正确设定模型时，该方法渐近地把全部权重赋予这些模型。此外该方法灵活，可涵盖超高维模型与状态可变因子增广回归等特例。模拟与实证应用凸显了其相对现有模型平均与模型选择方法的优势。
Convergence of Heavy-Tailed Hawkes Processes and the Microstructure of Rough Volatility
方向关联高频微观结构与粗糙波动率；高频行情数据家底可直接衔接；方法论卖点是新的紧性证明方法
我们建立了重尾核近不稳定 Hawkes 过程强度的弱收敛；用它推导一个金融市场模型的标度极限，其中资产买卖订单按幂律核 Hawkes 过程到达。适当重标度后，价格-波动过程弱收敛到粗糙 Heston 模型。该收敛结果强于已有文献（以往仅限轻尾核或仅积分波动过程收敛）。关键是建立重标度波动过程族的紧性——为此引入基于经典 Kolmogorov-Chentsov 紧性准则的新方法，证明 cadlag 过程的 C-紧性。
Do crises integrate or fragment energy transition metals markets? Evidence from a connectedness-based crisis typology
方向关联系统性风险连通性的新测度；"碎片化悖论"（供给冲击碎片化、需求冲击一体化）直接对位特刊"碎片化"主题
本文发展了二维危机分类学，沿 11 个危机事件（2017–2025）对 17 种能源转型金属（基本金属、贵金属、电池金属、技术金属）日度数据，滚动估计 Diebold-Yilmaz 连通性并分类：连通性移动的方向（一体化 vs 碎片化）与响应的稳定性（波动 vs 稳定，后者以危机前市场的自举阈值为基准）。分类揭示"碎片化悖论"：供给侧冲击（武装冲突、双边贸易限制）持续降低市场连通性，而需求侧冲击（疫情、货币紧缩、金融危机）持续提高连通性。该二分法在全部 25 种事件研究窗口设定下稳健，挑战了"危机均匀放大系统性风险"的通行假设。机制植根于共同因子与异质性传导渠道的区分：供给扰动因地理暴露不同而非对称地影响单个金属，导致市场碎片化。
Trade wars, geopolitical risk, and volatility dynamics in sustainable and conventional energy ETFs
方向关联地缘经济碎片化（TPU/GPR）× 资产波动；频域连通性方法；特刊"贸易壁垒与资本流动"直接切题
本研究考察贸易政策不确定性（TPU）与地缘政治风险（GPR）是否在长短投资期限上，对可持续（绿色）能源 ETF 的条件波动率传递比传统（棕色）能源 ETF 更高的冲击贡献。方法采用频域时变参数 VAR（TVP-VAR）连通性框架；为考察对波动连通性的调节效应，仅用两类 ETF 重新估计频域 TVP-VAR，得到总体与长短期波动总连通性指数（TCI），再用分位数回归把 TCI 对 TPU 与 GPR 回归。主要发现：长短期内，GPR（TPU）对可持续（传统）能源 ETF 条件波动率传递更高的冲击贡献；单只 ETF 层面，短期内 FAN 与 QCLN（PXE）对 TPU 冲击暴露最低，长期 IXC 与 VDE 最不脆弱；GPR 冲击下，短期内 PXE、VDE、XOP 最具韧性，长期 FCG、IXC、PXE、XOP 相对不易感；TPU 在所有期限显著正向强化波动连通性，GPR 仅在短期显著正向调节。结论为基金经理在 TPU/GPR 升级中设计韧性策略提供指引。
Rare-event pricing and risk management of financial derivatives: A subset simulation framework
方向关联风险与不确定性定价的新算法（子集模拟）；障碍期权、Heston 模型与 CDS 的三重应用；"风险与模糊性分开定价"的方法对位
标准蒙特卡洛对价值依赖低概率事件的金融衍生品定价与风险管理效率低下：固定样本下，罕见事件概率估计的变异系数随目标概率平方根的倒数放大。本文发展基于子集模拟（SubSim）的通用罕见事件模拟框架，把小目标概率分解为适度条件概率的乘积并用马尔可夫链蒙特卡洛估计。在三个场景中演示：Heston 随机波动率下障碍期权定价、这些期权的似然比对冲敏感度、单名 CDS 利差隐含触发示例；据我们所知，还首次给出了 Heston 下障碍期权条件波动率敏感度的似然比得分。在正收益区域，SubSim 相对 MC 的估计离散更低，报告网格上 MC/SubSim 价格变异系数比最高约 2.52。
Human judgment as a design variable in AI-enabled decision systems
方向关联AI 驱动的金融再调整；呼应"预测可黑箱但决策必须开箱"的方法论直觉；"专业知识悖论"对金融从业者有警示
AI 正在改变组织决策，能力日益向自主决策与行动迁移。核心挑战已从"人还是机器决策更好"转向"如何设计人机结合的系统以提升决策质量"。本文主张：AI 赋能系统中人类判断应作为系统级设计变量——判断在流程何处进入、何时干预、保留多大权限、需要何种形式的判断。这把分析单元从个体决策者/AI 模型转向"人-AI 决策系统"。文章还指出 AI 决策责任扩张的新兴风险，并识别"专业知识悖论"：AI 自动化了人类本可借以积累监督自主系统所需经验的工作。这为智能决策系统设计与决策者角色本身提出了重要研究议程。
Forecasting global trade networks under partial disruption: a network-attack framework and machine learning benchmark
方向关联地缘经济碎片化（贸易网络扰动）× 机器学习基准；"攻击算子"的网络建模构造；特刊"脱钩/贸易壁垒"直接切题
全球经济频遭油价波动、疫情、关税争端等冲击，暴露全球贸易的脆弱性，亟需更好预测复杂全球贸易网络中的扰动。本文提出网络理论信息处理框架，把不可预见事件形式化为全球贸易网络上的"攻击算子"，并按其诱发的结构特征对扰动分类。基于此提出新方法（命题+算法），利用冲击下网络演化预测：(i) 未来双边贸易（价值与数量）；(ii) 各国的动态状态（网络属性）。该方法用网络分析随时间度量脆弱性与韧性，识别出主要经济体的不同扰动画像（如意大利/德国 vs 法国/西班牙/美/英）。预测基准测试中，网络模型预测精度超 80%，ANN 与 XGBoost 在 ML 基线中最强且各期表现相当。研究为设计稳健贸易网络结构、算法化评估政策干预提供系统级可操作洞见。
每日一期，期刊分组轮换，一周覆盖全部 369 家刊物。