VOL. 250, NO. 1 | MAY 2026 | PEER REVIEWED
Dynamic Optimization of Inter-Subsidiary Capital Allocation Under Regulatory Stresses
Authors: Aero-Sovereign Quantitative Research Lab, Global Risk Division
Abstract: 本研究探討如何利用隨機規劃（Stochastic Programming）模型，在滿足銀行（Basel IV）、保險（ICS 2.0）、證券三方不同法規監理的極端壓力下，最大化金控母公司的資本回報率（ROE）。
我們建立了一個多階段決策框架，動態調整子公司間的流動性注資與資本緩衝分配。實驗顯示，在模擬系統性流動性危機時，該模型能有效降低集團整體資本成本約 12.5%。
閱讀全文 (PDF)
VOL. 250, NO. 2 | MAY 2026 | PEER REVIEWED
Machine Learning-Driven Stock Liquidity & Refinancing Valuation Framework
Abstract: 證金公司如何利用圖神經網絡（GNN）評估全市場個股的波動集中度，在微秒級動態調整融資融券的保證金維持率與借券費率？
透過分析個股間的交叉持股與交易關聯性，GNN 模型能預測潛在的流動性枯竭風險點，從而提前 500ms 進行風險定價調整，確保證金體系的剛性流動性供應。
閱讀全文 (PDF)
VOL. 250, NO. 3 | MAY 2026 | SPECIAL REPORT
Cross-Sector Risk Contagion Interception and Sandbox Isolation Algorithms
Abstract: 如何建立金控全網監控模型，當特定子公司遭遇系統性大跌時，在 1 毫秒內切斷母子公司間的資產關聯，啟動防火牆（Firewall）防禦？
本報告詳述了「集團流動性應變網」的架構，並公開最新壓力測試數據：在模擬全球股債匯三市同步崩盤（Triple Meltdown）時，成功在 5ms 內完成資產對沖。
閱讀全文 (PDF)