董事会性别多元化与排放绩效:来自面板回归、机器学习与可解释AI的研究发现
一项针对2016至2022年欧洲企业样本的研究,结合面板回归、机器学习与可解释AI方法,发现董事会性别多元化与排放绩效呈非线性关系:当女性董事占比达到约22%的最低阈值时排放绩效开始显著改善,占比升至约35%的最优水平后,继续提升女性董事比例不会进一步改善排放绩效。
研究方向
机器学习在收益预测、特征工程与组合构建中的方法与陷阱。
8 条相关动态近 30 天 8 条其中精选 0 条
一项针对2016至2022年欧洲企业样本的研究,结合面板回归、机器学习与可解释AI方法,发现董事会性别多元化与排放绩效呈非线性关系:当女性董事占比达到约22%的最低阈值时排放绩效开始显著改善,占比升至约35%的最优水平后,继续提升女性董事比例不会进一步改善排放绩效。
研究显示大语言模型定价智能体可脱离同质商品市场中价格趋近边际成本的重复Bertrand竞争基准,其表现取决于部署决策。LLM定价智能体在自博弈中能否维持高于边际成本的价格,与是否直接基于包含对手价格的原始市场历史逐期定价、还是基于自身利润摘要历史定期输出概率分布的部署选择直接相关。
研究团队基于强化学习构建理性套利者、操纵者、散户跟风者三类交易智能体行为模型,在小时级加密货币数据(AAVE、ETC、SUI)上开展试点研究。结果显示不同智能体的行为特征会对市场压力、流动性、波动率及风险调整后收益产生差异化影响,研究结论支持针对不同行为类型制定差异化监管规则,而非统一限制波动率或换手率。
研究人员提出OrderFlowDiT,这是一种采用非平衡最优传输(UOT)辅助损失训练的条件扩散Transformer,用于预测未来五分钟限价单提交量的条件分布。在覆盖30只美股的1950个验证条件下,相比仅使用均方误差训练,加入UOT可将全字段传输成本降低45.8%,传输能量得分降低26.1%,且每只股票的两项指标均有提升。
这篇arXiv论文提出仅用1976至1995年文本预训练的NoLBERT编码器,在2012至2024年的126万篇新闻上与LDA、MiniLM、FinBERT对比,预测美股规模最大的1000只股票收益。
论文提出多变量状态依赖 Hawkes 过程(SDHP),用于建模荷兰 EPEX SPOT 日内连续市场中一刻钟与小时合约的跨产品流动性动态。模型基于 2024 年各季度首月的三级订单簿数据校准,将交易时段划分为正常与压力两种状态。研究发现约 95% 的订单由自身订单流驱动,跨激励主要从一刻钟合约流向小时合约,压力状态下该主导性显著减弱。
Moontower 发布本期内容,提及 11 月 6–8 日在伯克利 Lighthaven 举办的 Metagame 活动,Moontower 读者可享常规门票立减 50 美元优惠。本期还分享了 AI 相关思考、TIPS 投资分析、原油市场学习资源及《How I Invest Volume 2》预售信息,该书将于 10 月 20 日发货。
Quantocracy 于2026年10月12日汇总近期量化领域相关内容,涵盖量化工具目录平台 Quant Observer 介绍、内部人买入超额收益的历史有效性分析、S&P 500 成分股 2006-2025 年波动率聚集效应回测、多资产多周期交易流水线搭建指南、实证金融研究可复制性的 AI 解答等内容。