内幕交易中的伪装效应：大规模流动性如何掩护非法交易
本研究构建了一个包含法律风险的Kyle型模型，分析内幕交易者如何利用大量流动性交易者提供的“伪装”来平衡预期收益与规避侦查。研究发现，在多种司法追诉方案下，模型均存在均衡解，且存在唯一的极限均衡。通过收敛分析，研究定义了衡量交易隐蔽性的“伪装指数γ”，并指出由于价格信息性减弱，均衡状态可由一个简单极限近似。基于1980-2018年数据的校准实验证实，大规模交易群体在法律风险模型中不可或缺，并对隐蔽交易的盛行及法律威慑效果具有重要启示。
2025-12-09 速览 · 经济学
2025-12-09 共 23 条抓取，按综合热度排序
生成式AI如何促进创业：ChatGPT发布后中国新企业注册的实证研究
本研究利用2022年11月ChatGPT的发布作为准自然实验，结合中国高分辨率企业注册数据，探究生成式AI如何影响创业。研究发现，在AI特定人力资本更强的地区，新企业注册数量显著增加，且完全由小型企业驱动，贡献了全国6.0%的新增企业。新企业呈现出资本、股东和创始团队规模更小的“精益”特征，且效应在潜在AI应用领域、融资需求较低的企业和首次创业者中最为明显。结果表明，生成式AI通过降低创业成本，成为一股促进竞争的力量，尤其利好小型企业。
强制排名系统为何产生随机结果：锦标赛绩效评估的系统性错配
研究通过基于代理的模拟发现，在企业中广泛采用的强制分布排名系统（如末位淘汰、头部晋升）会产生系统性分类错误。在模拟的142个团队中，仅因随机团队分配就导致32%的晋升或解雇决策错误分类员工。在反映管理者能力差异的现实条件下，错误率高达53%，误判数量超过正确判断。跨团队校准反而将评估变为影响力竞赛，多期动态则导致逆向选择和优秀员工流失。研究表明，这种旨在降低代理成本的正式化机制，反而在结构上增加了分配错误，其产出结果与随机分配无异。
碳定价与补偿机制有效性评估：基于实证证据的伞状综述
本研究通过伞状综述方法，系统评估了碳税、排放交易体系（ETS）等合规碳定价机制，以及自愿碳市场（VCM）和REDD+等补偿机制的实际效果。结果表明，碳税和ETS在减少排放方面显示出中等有效性，但效果因地区和行业而异，且常受价格过低、配额过量分配等设计问题限制。相比之下，补偿机制在额外性、持久性、泄漏和重复计算等方面面临系统性诚信挑战，导致其真实气候贡献被普遍高估。合规碳定价是必要但非充分的工具，需更严格的设计与更高价格；而现行自愿抵消机制并非可靠的气候解决方案，亟需根本性改革。
变分正则化双层估计：解决指数随机图模型中的三角参数估计难题
本文提出了一种用于估计指数随机图模型（ERGM）的新算法。ERGM是经济学和金融学中用于分析战略网络形成的重要统计模型。现有方法在估计“三角”结构（衡量共同朋友促成连接的倾向）参数时往往不可靠，可能导致错误的政策建议。新算法通过变分平均场方法解决了ERGM估计中归一化常数难处理和模型退化两大难题，并引入ℓ₂正则化确保了解的稳定性。蒙特卡洛模拟显示，在中小型网络中，新算法对三角参数的符号恢复率达到100%，远优于现有算法50%的水平。
影响电动汽车购买意愿的关键因素：基于扩展计划行为理论的研究
本研究在印度人口大邦北方邦首府勒克瑙进行，通过扩展计划行为理论框架，纳入了乐观性、创新性和里程焦虑三个新变量。基于432份问卷数据的结构方程模型分析显示，除乐观性外，态度、主观规范、感知行为控制、创新性和里程焦虑均显著影响电动汽车的购买意愿。中介分析表明，计划行为理论的核心变量中介了创新性的影响，但未中介里程焦虑的影响。研究结果为政策制定者和营销人员设计针对性干预措施，以重塑消费者认知、促进电动汽车普及提供了实证依据。
战后台湾饥荒时期的米价动态：政策如何主导粮食危机
本研究首次构建了1945年8月至1947年3月台湾高频米价面板数据。通过回归模型分析，发现米价变动可分为四个特征鲜明的阶段。结合当时台湾当局的政策，研究揭示了米价波动与政策干预之间的强关联，最终论证了政策体系在战后粮食危机中起主导作用。
不完全数据下不平等指数的非参数边界估计方法
本文提出了一个统一的非参数框架，用于在收入或财富数据仅被粗略观测（如分组表格或区间报告）时，对不平等指数进行精确的部分识别和推断。该方法适用于一大类Schur-凸不平等度量，通过将无限维问题简化为有限维优化，并利用线性或二次规划快速计算数值精确边界。研究还建立了边界端点的√n推断方法，并在实际财富数据中应用，给出了基尼系数等指标的精确边界范围。
最优拍卖设计：当竞拍者需付费获取信息时
本文研究了在竞拍者可以内生地（但需付出成本）改善其自身估值信息的环境下的最优拍卖设计。研究提出了一种两阶段最优机制：第一阶段，竞拍者注册信息获取计划并支付费用；第二阶段，他们出价，并确定分配和支付。研究表明，收益最优的第二阶段规则是VCG机制，而第一阶段的转移支付则实现了最优的类型筛选，并吸收了与激励相容和参与约束一致的信息租金。通过事先承诺使用VCG机制，拍卖前的信息博弈变为一个势博弈，因此均衡的信息选择能最大化预期社会福利；第一阶段费用表则在无需依赖不可验证的成本规模的情况下，转移了最优数量的收益。该设计对不对称的初始条件具有鲁棒性，并能适应广泛的信息技术，为内生信息获取环境下的效率和最优收益统一提供了一个简单的实施方案。
TIP协议：用同态加密实现数据价值评估与安全共享
研究团队提出可信影响协议（TIP），通过结合同态加密与基于梯度的影响函数，使买家能在不解密原始数据的情况下，精确评估外部数据对其特定AI模型的效用。该方法采用低秩梯度投影技术，在BERT和GPT-2架构上验证了其可扩展性，计算开销低且保真度高。实证模拟表明，加密估值信号与临床效用高度相关，并揭示了预训练语料中数据价值的重尾分布，少数关键数据驱动模型能力，而多数数据反而降低性能。这挑战了现行的统一定价模式，为建立按贡献分配的安全数据经济提供了技术基础。
日本银行业并购的市场反应与信息溢出效应：多方法实证分析
本研究采用事件研究法、向量自回归模型和倾向得分匹配法，分析了日本两次重大银行并购事件（2005年三菱UFJ金融集团成立与2018年Resona控股合并）的市场反应与溢出效应。研究发现，并购事件引发了显著的正向市场反应，并对其他银行产生了持续的积极溢出效应，这可能意味着日本银行业存在协同效应。该多方法分析为投资者、管理者和监管者评估市场效率与系统性稳定提供了独特视角。
多部门均衡中的学习路径：规模报酬不确定下的信念动态
本文研究多部门一般均衡模型中，企业在不完全了解自身生产规模报酬情况下的学习动态。企业通过观察生产结果，使用最大后验估计迭代更新其信念。研究发现，异质性冲击影响学习过程，投入决策编码了信念更新的所有相关信息。有趣的是，依赖所有过去估计的“长记忆”学习路径，其表现反而逊于不依赖路径的“短记忆”方法。
双机器学习置信区间在有限样本中的失效与条件数诊断
研究发现，标准双机器学习（DML）置信区间在分数方程病态时，即使使用最先进的估计方法，也可能出现显著的有限样本覆盖失真。通过聚焦于部分线性回归模型，论文证明一个简单的正交分数条件数 κ_DML 是推断可靠性的关键决定因素。理论分析揭示了覆盖误差的阶数，并指出信息性置信集需要 κ_DML 满足特定收敛条件。蒙特卡洛实验表明，κ_DML 能高度预测有限样本性能，良好条件设计（κ_DML < 1）能提供接近名义覆盖率的短区间，而严重病态设计则可能导致较大偏差和低至40%的覆盖率。
风险态度比较与单交叉性质聚合的数学联系
本研究在风险决策理论中，建立了Yaari（1969）提出的“风险厌恶程度更低”这一经典比较概念，与Quah & Strulovici（2012）在比较静态学中提出的“符号比率单调性”之间的紧密数学联系。该联系揭示了满足单交叉性质的函数族其所有加权平均也满足该性质的充要条件，为理解风险偏好与决策模型的聚合行为提供了新的理论框架。
知识溢出与贸易自由化如何重塑经济地理格局
本研究构建了一个熊彼特式质量阶梯空间模型，揭示了区域知识溢出如何驱动创新。研究发现，区域间知识水平的差异主要源于研究人员和企业的空间分布不对称。贸易自由化与知识溢出类型的相互作用，决定了经济活动的空间分布：若区域内溢出更强，经济一体化将导致渐进式集聚；若区域间溢出占主导，则可能出现“先集聚后分散”的模式，因为主体为利用大区域知识库并避免创新拥堵，会向小区域迁移。当一体化程度足够高时，稳定的长期均衡总能最大化全球前沿质量的增长率。
垄断监管新方案：无补贴下的渐进价格上限政策
本研究探讨了在信息不对称且无法提供补贴的情况下，如何监管垄断企业。监管者仅能使用单位税作为政策工具，以最大化加权社会福利。研究发现，当干预可取时，最优政策是一种渐进式价格上限：低于基准的价格免税，而高于基准的价格则面临递增甚至禁止性的税率。该政策在低价格时授权企业自主定价，在高价格时通过税收进行约束，从而平衡了可及性、可负担性与企业盈利。
事件研究图的可信因果推断：一种函数数据方法
本文针对双重差分法（DiD）分析中的核心工具——事件研究图，提出了一种创新的函数数据方法。传统方法在平行趋势或无预期假设失效时无法提供可信的因果推断。新方法使DiD估计量收敛于连续函数巴拿赫空间中的高斯过程，从而能够构建快速且强大的同步置信带。通过等价性检验和相关性检验，该方法将事件研究图转化为严谨的可信因果推断工具，并在模拟和两个案例研究中验证了其性能。
固定效应模型在求职时长分析中的潜在偏差
研究指出，在使用个体纵向数据分析求职行为时，固定效应模型可能因求职者在退出失业状态时结果变量的特定取值，导致误差项与时间变量之间产生机械性相关，从而产生显著的“组内估计偏差”。通过蒙特卡洛模拟，研究发现该偏差可能非常大。这一发现不仅适用于求职研究，也适用于任何使用纵向数据衡量时间结构性效应的框架。
双重随机化检验：提升双重差分法显著性检验的稳健性
本文提出了一种基于双重随机化推断的双重差分（DiD）估计量显著性检验新方法。该方法通过对处理组和时间指标同时进行置换，生成了DiD系数的经验零分布。相比传统的t检验或单边置换程序，双重随机化利用了指数级扩大的随机化空间，从而获得了更密集、更稳定的零分布近似。研究使用多个应用经济学常用数据集验证了该方法的有效性和有限样本表现，结果表明其在样本量有限或分配结构不规则的设计中，能提供更稳健的非参数检验。
工资差异与在职搜寻：基于均值场博弈的劳动力市场模型
本研究构建了一个连续时间均衡搜寻模型，将匹配剩余视为扩散过程，工人进行在职搜寻与离职决策，企业设定状态依存的工资。模型采用均值场博弈框架，证明了稳态均衡的存在性与唯一性，并揭示了分离决策遵循自由边界规则。通过数值求解，模型成功校准了匹配生产率、工作任期、工资增长与工作转换等微观证据，为工资差异提供了结构性分解。
随机化检验的有限样本局限性：为何某些假设无法构建有效检验
本文探讨了随机化检验在有限样本下的根本局限性。研究发现，并非所有感兴趣的零假设都能构建出有效的随机化检验。作者建立了一个理论框架，给出了零假设可进行随机化检验的充要条件。应用该框架分析单样本检验时，证明了包括“均值为零”在内的某些常见假设，在有限样本下根本无法构建出有效的随机化检验。此外，基于线性群作用的检验，其可检验的零假设仅对应于对称分布或正态分布的子集。这些发现确认了现有检验方法的边界，并强调了关注随机化检验渐近有效性的重要性。
可持续剥削均衡：动态博弈中的新解概念
本文提出了可持续剥削均衡（SEE），作为具有剥削者-被剥削者结构的动态博弈中马尔可夫完美均衡（MPE）的细化。SEE引入了两个额外的约束条件：一是可行性，要求状态轨迹保持在可持续集合内；二是具有剥削者最优选择的再谈判证明性，仅保留那些不受帕累托改进再谈判影响的可行均衡。研究证明了SEE在适当条件下的存在性，并以霸权国-附庸国的国际政治模型为例进行了说明。
对数凹函数及其变换：理论修正与垄断定价应用
本文总结了Bagnoli和Bergstrom（2005）关于对数凹函数的经典综述，修正了原文中的几处错误，并补充了有助于获得单调风险率的新结果。研究还探讨了该理论在垄断定价问题中的一个具体应用，为经济学和决策理论提供了实用的分析工具。