电力市场自动缓解机制下企业策略性投标行为研究
本研究分析电力市场中自动缓解程序(AMP)对企业投标行为的影响。利用纽约和新英格兰电力市场2019年数据，采用断点回归设计发现，30-40%的投标企业为规避处罚而策略性降低最高投标价格4-10美元/兆瓦时。然而，企业间存在显著异质性，且监管对整体市场影响不显著，表明缓解阈值过于宽松。模拟分析显示，更严格的阈值每年可为买方增加35-98万美元福利，但缓解时间不足33小时/年。
2025-11-27 速览 · 经济学
2025-11-27 共 24 条抓取，按综合热度排序
连带责任能否减少竞赛作弊？理论与实验证据
研究探讨了竞赛中参与者作弊的激励机制及连带责任作为解决方案的有效性。理论分析表明，当处罚严厉时，将部分责任从参赛者转移到相关代理人（如教练或经理）能显著减少作弊；但处罚宽松时，连带责任反而可能增加作弊率。实验验证了高处罚下连带责任的有效性，但未观察到低处罚下的负面效应。
隐私约束下的信号设计统一框架
本文提出了一种统一方法来刻画隐私约束下所有可行信号的集合。研究发现可行信号的黑威尔前沿可以分解为达到隐私变量黑威尔前沿的最小信息信号和条件隐私保护信号。论文提供了最小信息信号的完整特征描述，并将该框架应用于事后隐私（包括差分隐私和推断隐私）以及对任意统计量后验均值的约束。
Post-Double-Autometrics：高维线性回归估计的新方法
本文提出Post-Double-Autometrics方法作为Post-Double-Lasso的替代方案。在估计高维线性回归模型时，Post-Double-Lasso在有限样本中可能存在显著的遗漏变量偏差。基于Autometrics的新方法在性能上优于现有主流方法，并在经济增长的标准应用中为穷国向富国收敛假说提供了新见解。
电力系统中储能最优容量与对冲合约研究
本文针对电力系统中供需平衡问题，研究了在需求随机波动条件下的储能系统优化。通过独立同分布随机变量建模不确定性，分析了储能系统的最优运营和投资条件，并利用价格-持续时间曲线进行图形化解释。研究还确定了储能单元所需的最优对冲合约形式，为电力系统储能配置提供理论依据。
连续时间离散选择模型：内生同伴选择对决策的影响
本研究开发了一个连续时间同伴效应离散选择模型，其中影响个体偏好的同伴是基于其先前选择随机选取的。模型刻画了均衡行为并研究了其经验内容，揭示了同伴选择变化既影响个体关注的同伴集合，也影响其对备选方案的偏好。通过结合选择变异与潜在同伴集合规模变异，模型能够恢复个体偏好和同伴选择机制，这些非参数识别结果不依赖于协变量的外生变异。
多玩家博弈中演化稳定策略计算算法新突破
本研究提出了一种计算三人及以上非退化标准形式博弈中所有演化稳定策略的算法。该算法解决了多玩家博弈场景下演化稳定策略计算的复杂性挑战，为博弈论研究提供了重要工具。研究成果对经济学、计算机科学和生物学等交叉领域具有广泛的应用价值，有助于深入理解多主体交互系统中的策略演化规律。
北极拍卖与线性费雪市场的均衡算法突破
本研究统一了经济学和算法博弈论中的两个基础模型——北极拍卖与线性费雪市场，解决了复杂市场中差异化商品的高效分配问题。主要贡献包括证明北极拍卖的均衡可由有理凸规划刻画，并首次提出了计算北极拍卖均衡的组合多项式时间算法，为市场机制设计提供了新的计算工具。
Hilbert空间中随机粒子系统最优控制理论及其经济应用
本研究建立了Hilbert空间中随机演化方程相互作用粒子系统的最优控制理论基础。通过证明有限粒子系统值函数收敛于相应平均场Hamilton-Jacobi-Bellman方程的粘性解，识别了提升控制问题的值函数。在适当假设下，证明了值函数的正则性以及粒子系统最优控制与提升控制问题之间的对应关系。这是该领域首个系统研究成果，可应用于经济学中由随机延迟微分方程和随机偏微分方程建模的粒子系统问题。
基于演化模型的网络干扰下因果效应估计新方法
本研究提出一种基于演化模型的因果效应估计方法，适用于存在干扰效应的网络系统。该方法无需恢复精确网络结构，而是通过分析干预措施如何影响结果变量的演化过程来估计因果效应。研究建立了演化映射存在的结构条件，并将其视为分布层面的双重差分方法。关键发现是随机化处理不仅消除潜在混杂，还能从隐藏干扰通道中诱导隐含抽样，实现异质性溢出效应的一致学习。该方法可应用于密集网络和影响者网络等多种干扰结构。
远程工作会推动波兰郊区化浪潮吗？办公室员工搬迁偏好分析
本研究探讨远程工作如何影响波兰办公室员工向郊区搬迁的意愿。通过对城市居民调查和逻辑回归分析，发现年龄、通勤方式、远程工作效率评估及就业部门是主要影响因素。意外的是，家庭规模对搬迁决策影响不显著。研究显示在住房自有率高、租赁市场紧张的市场中，远程工作可能成为郊区扩张的新催化剂。
平台算法如何加剧创作者收入不平等：基于Patreon数据的研究
本研究通过分析Patreon月度收入数据，揭示了平台注意力算法对创作者收入分配的影响。研究发现：创作者收入分布呈现帕累托指数α≈2的幂律分布，接近资本收入而非劳动收入分布特征，符合'富者愈富'动态；算法向头部倾斜时，收益主要来自中产创作者的损失；各社交媒体平台的创作者不平等随时间收敛于相似的厚尾分布，可能与算法推荐重要性上升有关。
难民分配与负担分担：匹配机制中的稳定性和策略证明性研究
本研究分析了难民与成员国之间的匹配问题，综合考虑等待时间、难民偏好以及成员国的优先级、容量和负担分担承诺。研究发现了一种独特的决策规则，能够在平衡优先级和容量的同时确保可行性。当所有难民被视为具有相同负担规模时，难民提议的累积报价机制能同时保证稳定性和策略证明性；但当负担规模存在差异时，稳定性和策略证明性可能无法同时实现。
不可分割物品分配新解：兼顾一致性与非空性的核心概念
本研究将一致性原则应用于一般分配模型，分析了多种核心概念的特性。传统强核心具有一致性但可能为空集，而Balbuzanov和Kotowski提出的排除核心虽非空但缺乏一致性且可能包含不直观分配。作者提出排除核心的精细化版本，兼具非空性和一致性，在推广熟悉模型的特例中与强核心和/或排除核心重合，提供比现有方案更精确的预测。
Shapley-Scarf住房市场模型中核心概念的新发现
本研究深入探讨了Shapley-Scarf住房市场模型在完全偏好下的核心概念。研究发现：强核心可能为空，而弱核心虽然非空但可能过大且包含不合理分配。主要贡献包括：证明了Balbuzanov和Kotowski的排除核心也可能为空，并建立了其非空性的充要条件；提出了两个基于排除核心和强核心的新核心概念，两者均非空且帕累托有效；建立了这些核心概念之间的集合包含关系。
广义控制函数方法改进生产函数估计
本研究提出广义控制函数方法，解决了传统代理变量方法在生产力与其他不可观测因素（如潜在需求冲击）共同演化时的识别失效问题。该方法在非参数条件下点识别可变投入的产出弹性及加成率，通过Neyman正交矩条件确保GMM估计量的预言效率。蒙特卡洛模拟显示传统方法存在较大偏差，而广义控制函数方法能快速减小偏差并近乎消除。
战略属性学习：信息测试预算分配如何影响决策者
本研究探讨研究者如何分配有限的信息测试预算来影响决策者。通过构建辅助单参与者问题，推导出均衡学习策略。研究发现，属性权重取决于研究者与决策者的分歧程度，当预期决策者对新信息反应过度时，研究者会放弃学习。在组织情境中，随着层级距离增加，管理者更偏好多样化的分析师。此外，适当对立的顾问能够约束歧视性政客，并识别出研究者福利与不平等的帕累托前沿。
捆绑式学校选择系统：简化择校流程并提升匹配效果
本研究提出创新的学校选择机制，将学校按层次分组为捆绑包，学生只需选择捆绑包而非单独排名学校。该设计帮助难以精确排名的学生，在有限偏好列表中扩展选择范围。研究开发了改进的延迟接受机制处理捆绑报告，保持匹配稳定性。实验证明，与学生偏好一致的精心构建捆绑包能提高福利和匹配率，同时不损害公平性。
结构向量自回归中投影推断方法研究
本研究探讨了结构向量自回归中结构脉冲响应函数系数的投影推断方法。研究表明，随着样本量增大，投影推断能为结构参数及其识别集生成具有至少1-α频率覆盖率和稳健贝叶斯可信度的区域。通过校准Wald椭球半径，确保在给定简化形式参数后验分布下，投影方法的稳健贝叶斯可信度恰好为1-α。当识别集边界可微时，校准投影还能以1-α概率覆盖各结构参数识别集的乘积。研究以美国劳动力市场供需模型验证了主要结论。
双机器学习中残差回归的因果效应估计偏差问题
研究发现广泛使用的残差回归方法在估计因果效应时存在偏差问题。当处理效应存在异质性时，该方法收敛于条件方差加权的导数平均值，而非真实的平均因果导数。论文提出了适用于大规模数据集的新估计方法，已在Netflix内部因果推断平台部署应用，支持大规模因果研究和决策制定。
筛选机制中的磨难与损害：福利最大化的设计选择
研究探讨福利最大化设计者如何运用两种浪费性筛选工具分配商品：磨难（对代理人效用产生加性影响）和损害（按代理人对商品的价值比例造成伤害）。当代理人对某商品具有共同估值时，损害机制总是导致帕累托劣效结果，仅用磨难即可实现相同分配且为边际内类型保留更多租金。然而，当代理人对两种商品的估值均异质时，损害可能成为最优选择，因为两种工具在将代理人分类到可用选项时的排序方式不同。研究同时识别了损害非最优的分布条件，此时最优机制通过为每类商品设置'市场出清'磨难来实现有效分配。
面板AR(1)模型的稳健准最大似然推断方法
本文针对动态面板数据模型提出基于最大似然的稳健推断方法，解决了传统ML估计缺乏识别稳健性的问题。研究开发了使用期望海塞矩阵而非观测海塞矩阵的准拉格朗日乘数检验和置信集，证明其在任意初始条件和异方差性下具有正确的渐近规模和覆盖概率。该方法对数据分布误设和异质性具有稳健性，并在仅二阶识别情况下推导了固定效应LM检验的功率包络。
投资者惯性驱动的资产价格模型：从经典扩散到四阶扩展
本文提出一个两阶段框架，将投资者惯性纳入资产价格动态建模。首先通过三状态随机游走为经典扩散-平流模型建立微观基础，解释漂移和波动的行为起源。为克服高斯分布局限，引入四阶扩展模型，更复杂地刻画惯性行为，生成非高斯动态。基于巴西PETR4.SA数据的实证分析显示，扩展模型在拟合收益分布方面显著优于原模型，表明投资者惯性既能解释标准市场趋势，也能解释极端事件。
道德风险下的最优调解：从私下沟通到公开沟通的结构性转变
本研究在长期员工与短期客户的道德风险模型中，刻画了固定贴现下的最优调解动态。研究发现存在结构性转变：最优调解最初采用私下沟通，最终转向公开沟通。早期阶段，调解通过秘密随机化创造信息不对称，允许员工逃避责任而不受惩罚，或要求努力但最小化绩效不佳的惩罚。最终这些随机化消失，最优调解转向公开沟通，产生标准的胡萝卜加大棒激励机制。