主要观点：
- 2026年4月海外文献综述涵盖机器学习类（含DL/LLM/RL）17篇、宏观与经济学14篇、行业研究、权益量化选股10篇等主题。
- AI在量化投资中的应用持续深化，AlphaCFG、EvoAlpha等自动化Alpha挖掘框架引领前沿。
- 行业研究聚焦AI生产率效应与银行竞争（数字化颠覆）。
- 权益量化选股研究涵盖知情交易识别、CEO薪酬研究、卫星数据另类因子等主题。
- 重点推荐：AlphaCFG、QIDres知情交易测度、股权溢价可预测性、稳健M-V-SD准则及指数投资资产定价。
权益类研究文献综述（非ESG）：
- 共16篇，涵盖基本面、量价、资金面、另类、主动量化及其他六个方向。
- 基本面类研究：3篇，聚焦企业特质信息处理、同行薪酬投票的市场反馈效应、现金持有异质性下的货币政策派现渠道。
- 量价类研究：1篇，聚焦知情交易风险的微观结构识别，提出QIDres测度。
- 资金面类：1篇，聚焦管理层不作为所传递的私有信息，提出VOU指标。
- 另类研究：1篇，聚焦卫星遥感数据在企业经营实时监测中的应用，发现TIR可预测企业销售、成本、投资、就业、利润及未来股票收益。
- 主动量化类研究：4篇，涵盖CEO薪酬集群化、债股冲突与困境企业投资效率、企业多元化与债务期限、竞争与债务保守主义。
- 其他类别：6篇，聚焦市场择时、IPO与并购、以及风险研究。
固收类研究文献综述：
- 共3篇，聚焦公司债报价竞争、人民币债券外资结构变化及债券询价（RFQ）的智能化解析。
- 研究发现：公司债交易商的指导性报价能降低交易成本、提升成交量；美资大幅退出人民币债券，反映境外投资者结构变迁；Chat2Trade系统使经纪人平均交易量提升3.67倍。
基金研究文献综述：
- 共2篇，分别关注私人基金会的目标导向投资与基于财务报表的共同基金业绩分析。
- 研究发现：美国大型私人基金会2008年前凭借私募股权与风险投资渠道获得正向风险调整收益，此后持续跑输；基于基金财务报表构建的财务比率可有效区分基金未来业绩，在股票型基金中区分度最高达年度Alpha 4.5%。
资产配置（传统方法）类研究文献综述：
- 共6篇，分为多资产&跨市场配置与组合构建与优化两个方向。
- 多资产&跨市场配置：2篇，指出最优股票仓位随投资期限与目标收益提升而增加，提出基于TVP-VAR模型对ESG资产的溢出研究。
- 组合构建与优化：4篇，聚焦稳健均值-方差准则、最优卖出停时与信息不对称下的指数投资，提出M-V-SD准则、动态光滑匹配现象、RAMP与信息分离定理等。
机器学习类文献：
- 共17篇，涵盖深度学习（DL）、大语言模型（LLM）与强化学习（RL）三大范式。
- 基于机器学习的资产配置：3篇，围绕多智能体博弈与生成式世界模型在组合管理中的应用。
- 基于机器学习的选股/择时类研究：14篇，可分为深度因子建模、自动化Alpha挖掘、LLM/GenAI金融应用及模型稳健性四个方向。
- 深度学习方面：DCAH、REAKA等模型提升预测稳健性。
- Alpha挖掘方面：AlphaCFG与EvoAlpha在中美市场均超越SOTA。
- LLM应用方面：AI-Trader等研究揭示通用智能并不自动转化为有效交易能力。
- 模型稳健性方面：FinWorld等开源平台为金融AI研究提供基础设施。
ESG（权益）类研究文献综述：
- 共2篇，聚焦气候转型风险测度与ESG评级对企业风险的影响。
- 提出“碳贝塔”测度，可用于气候风险对冲。
- 研究显示，ESG评级对企业系统与非系统风险的影响随时间、行业敏感度与评级方法动态变化。
宏观经济学-计量经济：
- 共5篇，为量化建模提供方法论支撑，涵盖奇异向量自回归、基于核化的非参数二元选择模型、跨观测有限信息处理效应边界、多维匹配的半非参数最优运输方法，以及未知异方差下非基本ARMA模型的时域GMM估计。
