新加坡GDP实时预测框架：结合高维数据与可解释性工具
研究构建了一个用于实时预测新加坡季度GDP增长的框架，整合了约70个经济和金融指标。该框架比较了惩罚回归、降维方法、集成学习算法和神经网络等多种模型，并采用贝叶斯超参数优化和移动块自举法构建预测区间。结果显示，惩罚回归、降维模型和GRU网络的表现均优于基准模型，均方根预测误差降低约40-60%。通过特征归因方法，研究发现工业生产、对外贸易和劳动力市场指标是新加坡短期增长动态的主要驱动因素。
2025-12-03 速览 · 经济学
2025-12-03 共 19 条抓取，按综合热度排序
多向引力模型的无偏估计新方法：解决固定效应估计偏差问题
本文针对多向引力模型中最大似然估计（如泊松伪最大似然估计PPML）存在的“伴随参数问题”导致的估计偏差，提出了一种新颖的、渐进无偏的估计器。该方法将估计问题重构为一系列分类任务，对固定效应的数量和结构具有普适性。在稀疏数据环境下，其计算速度优于PPML。实证表明，该方法能提供更精确的点估计和置信区间，即使在模型设定错误或数据稀疏的情况下也表现稳健。研究以法国医疗政策改革对空间可及性的影响为例进行了应用。
新算法重构美国500万企业生产网络
本研究提出一种四步算法，利用企业规模和部门投入产出流信息，重构大规模加权企业间网络。算法结合增强型引力模型与二次规划，在保持观测数据的同时，成功重建了包含500多万家企业和1亿条买卖关系的美国生产网络。重构网络展现出与真实样本一致的拓扑特性，如度分布肥尾和低互惠性。
基于图论与层论的偏好聚合冲突定位方法
本研究引入了一种基于离散层论的图论框架，用于诊断和定位偏好聚合中的不一致性。该方法不同于传统的线性化方法（如HodgeRank），它保留了序数偏好的离散结构，能够通过“障碍轨迹”识别导致聚合失败的具体选民交互作用，这是全局方法无法提供的信息。研究形式化了“不相容指数”以量化这些局部冲突，并使用Mallows模型考察了它们在随机变化下的行为。此外，还开发了一种严格的层论前推操作来建模选民合并，并通过多项式时间约束DAG算法实现。研究表明，图商将分布式的边冲突转化为局部不可能性（空茎），为聚合悖论如何在尺度间持续存在提供了拓扑特征描述。
企业如何在“解释权”法规下实现最优可理解营销策略
本文针对欧盟GDPR等法规中的“解释权”要求，为企业设计可理解的营销策略提供了框架。作者构建了由简单句子表示的可理解策略类别，并展示了如何直接从数据中优化此类策略以实现利润最大化，而非将“黑箱”策略简化。通过耐用消费品零售商的促销实验数据应用，量化了“解释成本”：与最优“黑箱”策略相比，可理解策略使预期利润降低了7.5%（即每位客户23美分）。
IFRS如何影响英国公司的价值相关性与财务指标？
本研究通过两项实证分析，评估了国际财务报告准则（IFRS）在英国采用后的影响。首先，研究发现IFRS的采用对公司的价值相关性产生了积极影响，这通过Ohlson模型得到了验证。其次，分析表明IFRS显著影响了公司的关键盈利能力指标（如ROCE、ROA和PM）以及负债比率，但对效率与流动性比率的影响不显著。该研究为IFRS的实际经济后果提供了来自英国市场的证据。
品牌信任是土耳其保险保费增长的主要驱动力
本研究采用动态GMM面板估计方法，分析了2005-2015年间土耳其31家保险公司的数据。研究发现，品牌信任是保费产出的核心驱动因素，其单位增长可带来532万土耳其里拉的保费增长。相比之下，品牌价值的影响虽显著但有限。研究还揭示了保费增长存在强烈的惯性效应，表明土耳其客户忠诚度较高，并存在自我强化的“从众效应”。
企业AI应用提升财务困境预警能力：基于中国上市公司的证据
本研究探讨了企业层面的人工智能（AI）应用能否超越传统财务比率，改善公司财务困境的样本外预测。基于2008-2023年中国非金融上市公司的数据，研究采用一种新颖的“修剪训练窗口”方法处理稀疏的AI数据，并测试了多种机器学习模型。研究发现，AI应用能持续提高预测准确性，尤其是在识别困境企业的召回率上提升最大。基于树的模型和AI密度指标最为有效。关键的是，使用更长历史数据的模型优于仅依赖近期“AI丰富”数据的模型。分析还揭示了不同的AI应用模式：健康企业比困境企业更早、更多地采用AI。这些发现为构建早期预警信号提供了框架，并证明了AI指标作为一种与传统会计指标不同、稳定且互补的风险指标的广泛潜力。
零售价格涟漪：小幅度涨价如何悄悄增加消费者支出
本研究通过分析2006至2015年间近790亿条周度价格数据，首次在大规模、长周期数据中证实了零售定价中存在“小幅不对称”现象：小幅涨价的频率显著高于小幅降价。这种策略可能绕过消费者注意，增加其实际支出。研究同时发现了相反的不对称现象，并证明其并非数据误差所致，更新并拓展了学界对此类定价策略的认知。
土耳其经济增长对生态系统的影响：农业受益，生物多样性受损
本研究使用1995-2021年数据及ARDL方法，分析了土耳其经济增长对生态系统各子维度的影响。结果显示，经济增长对不同生态系统成分的影响方向各异：对农业和水资源有正面促进（GDP增长1%，相关指数提升0.074-0.672%），但对生物多样性、栖息地、生态系统服务、渔业、酸雨及总体生态系统活力产生显著负面影响（GDP增长1%，相关指数下降0.101-2.144%）。研究强调需在发展战略中纳入环保政策以减轻增长的环境成本。
土耳其省份社会经济差异的测量与评级研究
本研究构建了一个涵盖土耳其81个省份经济与社会维度的综合发展指数，以量化区域发展差异。研究采用16个关键指标，通过Min-Max归一化与主成分分析法处理数据，并运用K-Means聚类与肘部法则对省份进行分级。结果显示，伊斯坦布尔和安卡拉社会经济地位最高，西部省份普遍优于东部和东南部省份，揭示了显著的区域发展不平衡问题。
鱼市买家偏好模型收敛性获数学证明，揭示非理性决策的稳定模式
本研究对Weisbuch等人提出的鱼市买家偏好模型进行了严格的数学分析。在买家同质的最简情形下，利用合作动力系统理论，证明了无论卖家数量和参数如何，几乎所有初始条件下的动态轨迹都会渐近收敛于一个稳态。研究进一步确定了特定吸引力分布下的所有稳态及其稳定性，发现多数情况下偏好排序与吸引力排序一致，但也存在参数使最高偏好并非对应最高利润卖家的稳健模式。
多维测量误差模型的新识别方法：无需精确测量即可恢复潜在结构
本文针对所有观测值均受潜在相关误差污染的多维连续测量误差模型，提出了新的识别方法。核心是利用三阶交叉矩构建一个三阶张量，通过Kruskal定理保证其唯一分解，从而识别因子载荷矩阵。该方法从线性结构出发，通过构造合适的测量值并应用Kotlarski恒等式，恢复了潜在因子的完整分布。研究表明，即使没有单射测量，也能完全识别潜在向量与测量误差的联合分布，这比以往认为的适用条件更广。此外，论文还利用新定义的“信号秩”为非线性模型提供了通用的识别结果。该方法在因子模型、存在报告误差的调查数据、计量经济学中的误测回归变量以及心理学和市场营销中的多维潜在特质模型等领域具有广泛应用前景，可在无法获得精确测量的情况下实现更稳健的估计和解释。
HODL策略的真相：4.8亿次模拟揭示加密货币的极端风险与宏观情绪效应
本研究通过两项独立分析检验了加密货币的“HODL”（买入并持有）策略。首先，对378种非稳定币资产进行了4.8亿次蒙特卡洛模拟，发现存在严重的幸存者偏差和极端下行风险集中现象。在2-3年持有期内，中位数超额收益为-28.4%，尾部风险可能侵蚀全部本金，仅有表现最好的前四分之一资产能获得巨大收益。其次，采用贝叶斯多期本地投影框架分析发现，基于历史收益的内生预测指标影响微弱且不稳定，而宏观金融因素，尤其是“恐惧与贪婪指数”的24周指数移动平均，对未来1-3年的收益具有持续且稳定的显著影响。这表明宏观情绪状况，而非历史回报，是未来结果的主导指标。
利用简约机器学习建模社会与地球边界的“甜甜圈”框架
本研究提出了一种概念验证分析，将机器学习方法应用于评估环境与社会可持续性的“甜甜圈”框架。通过随机森林分类器和Q学习等简约算法，研究展示了如何寻找符合“生活在甜甜圈内”目标的政策参数，并识别参数空间中的最优政策轨迹。这些方法能够有效识别同时实现环境与社会可持续性的政策组合，为未来应用于更复杂的生态宏观经济模型奠定了基础。
数据包络分析新模型：解决投入产出同时改进的效率评估难题
本文回顾了传统方向性数据包络分析模型，指出其在规模报酬不变条件下同时改进投入与产出时的局限性。作者提出了一族具有广义导向的二次约束新模型，证明其能克服上述缺陷，并基于此扩展了Farrell技术效率测度。研究还证实了新模型满足理想的单调性性质，并指出在特定基础情形下，这些二次约束问题可通过线性规划求解。
隐式得分驱动滤波：时变参数模型的新框架
本文提出了一种基于隐式得分驱动更新的观测驱动建模框架，用于处理时变参数模型。该框架通过最大化观测对数密度并惩罚与一步预测参数的加权L2范数，实现了隐式随机梯度更新。研究表明，流行的显式得分驱动模型是其在预测点附近线性近似的特例。新方法保留了完整密度，从而全局化了ESD更新的优良局部性质。对于对数凹观测密度，无论模型设定是否正确，ISD滤波器对所有学习率均稳定，且其更新在均方误差意义下向（伪）真实参数收缩。仿真及金融、宏观经济实证应用验证了其有效性。
竞争市场中AI模型精度的定价悖论
本文通过构建消费者-企业双寡头模型，分析了AI模型市场的竞争如何影响企业提升模型精度的动机。研究发现，在竞争市场中，企业单纯提升整体精度未必能增加利润。相反，将模型误差分解为假阳性率和假阴性率后，企业的最优策略是集中投资于自身具有竞争优势的误差维度，而非劣势维度。这种策略虽可能损害消费者利益，却能提升整体社会福利。
AI聊天机器人能否替代网页搜索？塞拉利昂教师的实证研究
针对撒哈拉以南非洲地区互联网普及率低、带宽成本高的问题，一项研究通过分析塞拉利昂529名教师在17个月内提交的4万余条查询，发现教师越来越多地依赖WhatsApp上的AI聊天机器人获取教学帮助。相比本地内容仅占2%的网页搜索结果，AI回复的带宽消耗平均低3107倍，综合成本降低98%。盲评显示，教师们认为AI回复比网页搜索结果更相关、有用且准确。