这里放我的两篇博士期间论文。页面不假设读者懂量化金融，会先解释问题，再解释模型为什么这样设计，最后讲结果和局限。
这篇论文把增强指数跟踪写成一个动态再平衡问题：先按市值选出指数成分股，再让一个结构化神经网络在跟踪误差、超额收益、CVaR 风险和交易成本之间做权重分配。
这篇论文不是发明一个新对冲模型，而是系统比较 Multi-net、Single-net 和 RNN 三种深度学习架构在动态对冲里的表现，回答高维、长期限场景下该选哪种网络。