econ
01-21 00:00
本研究针对由短期、非契约关系构成的机会主义供应链（OSC），提出了一个集成的数学分析框架。该框架结合了刻画价格随机波动的几何布朗运动（GBM）、描述伙伴可靠性信念更新的贝叶斯学习模型，以及模拟网络结构内生变化的LOLOG网络模型。通过基于主体的仿真，研究揭示了波动性、信任与网络结构如何共同塑造供应链韧性，并识别出一个关键的波动性阈值。超过此阈值，网络会从稳定的链接保持状态，相变为关系快速解体的碎片化状态。研究从理论上建立了波动性对盈利、信任和链接激活的单调影响，推导了形式化的稳定性条件与相变机制，并通过快时尚、电子产品和生鲜行业的计算实验进行了验证。
供应链韧性网络相变贝叶斯学习主体建模机会主义行为稳定性分析
econ
01-21 00:00
本文利用一家大型科技公司新功能发布的独特数据，同时包含随机实验组和自选择用户组，对现代因果机器学习方法在恢复真实因果效应方面的有效性进行了评估。研究发现，虽然恢复真实因果效应是可行的，但高度依赖于谨慎的建模选择。该研究为在高维数据背景下进行更可信的因果效应估计提供了最佳实践建议，延续了自LaLonde (1986)以来的观测性因果推断文献脉络。
因果推断机器学习实验数据高维数据处理效应
econ
01-21 00:00
本研究开发了一种基于Transformer架构的模型，用于从多元时间序列数据中估计动态因子。其核心创新在于，通过在训练目标中加入正则化项，将传统线性因子模型作为先验信息融入，从而显著提升了模型在小数据集上的性能。模型利用注意力矩阵量化各变量及其滞后项对因子估计的相对重要性，其随时间变化的模式有助于检测经济状态转换和评估经济叙事。蒙特卡洛实验表明，当数据偏离线性高斯假设时，该Transformer模型比传统线性因子模型更准确。实证应用成功构建了美国实际经济活动的同步指数。
动态因子模型transformer注意力机制时间序列分析经济指数非线性建模
econ
01-21 00:00
本文研究具有隐藏状态和吸收性失败的动态博弈，其中基于信念的行动可能触发不可逆的崩溃。研究发现，在这种环境下，维持活动的均衡通常运行在生存边界上。这种几何结构内在地逆转了信息价值：更高的信息精度反而会增加每个有限时间范围内的崩溃概率。作者通过极限生存准则形式化这一机制，并将不透明度建模为通过布莱克韦尔混淆对信息结构的策略性选择。当失败是吸收性时，生存价值在信念中呈现局部凹性，这意味着透明度会破坏均衡生存，而足够的不透明度可以恢复它。在扩展博弈中，代理人事前选择信息结构，严格正的不透明度是均衡生存的必要条件。结果表明，不可逆失败（而非协调、误设或模糊性）是动态博弈中产生内生不透明度需求的原始力量。
动态博弈信息价值不可逆失败均衡生存不透明度布莱克韦尔混淆
econ
01-21 00:00
研究基于8,790个功能城市区域（覆盖39亿人口、占全球GDP80%）的高分辨率数据发现，国家层面的增长与收敛数据日益失真。传统驱动全球收敛的“中等收入跳板”正在失效，低收入区域虽未陷入贫困陷阱，但增长分化加剧。经济复杂度指数界定了不同的增长体制：同能力层内区域收敛，但不同层间区域分化。能力升级呈现可预测的J型曲线——短期阵痛后中期加速。这表明国家收敛政策与能力积累的地理尺度存在系统性错配。
区域收敛经济复杂度增长分化功能城市区能力升级j型曲线
econ
01-21 00:00
本文提出“数字智能资本”作为大语言模型等AI资产的经济学理论框架，其核心特征包括数据与算力的互补性、规模报酬递增以及相对估值。研究发现，下游需求取决于相对性能，导致一家公司的创新会内生地贬值竞争对手的现有资本价值，形成“红皇后效应”式的持续创新压力。同时，推理成本下降促使下游采用更密集的智能体架构，导致算力总需求呈现超弹性，产生结构性杰文斯悖论。此外，用户反馈形成的数据飞轮可能使对称竞争失衡，在市场分化为赢家通吃格局。研究还界定了上游能力扩张侵蚀下游应用价值的“封装陷阱”条件。
人工智能经济学数字智能资本杰文斯悖论数据飞轮红皇后效应赢家通吃
econ
01-21 00:00
本研究提出“等效样本量”这一新指标，用于量化预训练大语言模型在预测人类行为时自带的知识价值。该指标定义为：要达到与LLM同等的预测准确度，所需的任务特定数据量。研究者通过比较固定LLM与在不同规模领域数据上训练的灵活机器学习模型的预测误差来估算此值，并开发了新的交叉验证预测误差渐近理论以进行统计推断。应用于收入动态面板研究的数据表明，LLM对某些经济变量编码了显著的预测信息，但对另一些则较少，其作为领域数据替代品的价值因场景而异。
大语言模型预测评估等效样本量行为经济学机器学习统计推断
econ
01-21 00:00
本研究利用印度注册企业的实收资本数据，构建了“邦-产业”二分网络，并计算了经济复杂性指数。结果显示，马哈拉施特拉邦、卡纳塔克邦和德里等地的生产能力多样性和复杂度最高，而其他邦则集中于普遍存在的低价值产业。研究发现，经济复杂度指标与人均邦内生产总值呈显著正相关，强调了能力积累对经济表现的关键作用。此外，印度活跃企业数量以每年11.2%的速率持续指数增长，反映了正规化和产业扩张的进程。
经济复杂性区域发展二分网络印度经济产业政策能力积累
econ
01-21 00:00
研究将生成式AI（GenAI）的扩散视为一种独特的供给冲击：边际生产成本趋近于零，但内容生成通过信息污染产生拥堵外部性。作者构建了一个三层一般均衡框架，分析该技术如何重塑市场结构、转型动态与社会福利。研究发现，AI成本冲击导致生产前沿出现“折弯”，市场分化为退出、AI和人类生产三个区段，质量分布呈现“中产空心化”。向AI均衡的转型并非单调平滑，而是会经历由搜索摩擦和技能适应延迟驱动的暂时性“生态崩溃”，随后选择性复苏。人类生存依赖于向语义创造力的不对称技能重构。福利影响高度依赖污染强度：低拥堵下福利单调增长，而高污染则导致福利与AI扩张呈倒U型关系，放任自流的AI采用可能无效，最优治理需转向产出侧的拥堵管理。
生成式ai供给冲击市场结构福利分析拥堵外部性一般均衡
econ
01-21 00:00
本文为存在样本流失的分层随机化实验，建立了一个统一的局部识别与推断框架，适用于各层处理份额相等或异质的情况。对于等份额设计，我们将精细分层实验的最新理论应用于Lee界，得到了闭式、设计一致性的方差估计量及尺度恰当的置信区间。模拟显示，传统方法可能高估不确定性，而我们的方法能提供更紧的区间。对于异质份额设计，我们提出了一种结合逆概率加权与全局修剪的新策略，即使在层规模小或不平衡时也能构建有效边界。我们建立了识别条件，引入了矩估计量，并将现有推断结果推广至具有异质份额的分层设计，涵盖了一类广泛的基于矩的估计量，包括我们提出的估计量。研究结果还推广至仅由观测标签定义层别的设计。
部分识别分层随机化样本流失lee界逆概率加权矩估计
econ
01-21 00:00
本文通过复杂网络科学视角，系统回顾了全球粮食贸易网络（FTN）的结构、演化与韧性。研究发现，网络已从西方主导的单极效率驱动体系，演变为具有高聚类和无标度异质性的多极区域化结构。连通性具有双重作用：既是缓冲局部生产波动的屏障，也是全球冲击的传播渠道。研究通过区分小麦的稳健拓扑、水稻的脆弱区域主义和大豆的极化“哑铃”结构，揭示了不同粮食商品的结构性脆弱点。分析表明，COVID-19大流行和俄乌冲突等冲击凸显了物流效率与系统韧性之间的关键权衡。未来，人为气候变化将驱动比较优势向极地迁移，要求政策范式从孤立保护主义转向合作性网络冗余。
粮食贸易网络复杂网络系统韧性气候变化贸易结构粮食安全
econ
01-21 00:00
本研究构建了一个斯塔克尔伯格排队博弈模型，分析AI辅助在线医疗问诊平台如何联合优化责任分担比例与医生配置水平。研究发现，医生的诊断模式选择呈现阈值结构，平台最优策略是将责任分担比例设定在阈值以下，以权衡风险转移与合规成本。责任分担与人员配置作为替代性的安全保障机制发挥作用：更高的拥堵或人力成本促使平台倾向于AI辅助运营，而更高的损失严重性则使独立诊断模式更受青睐。研究揭示了责任设计如何通过排队动态影响系统绩效，为AI辅助医疗咨询的合同与容量校准提供了理论指导。
ai医疗责任分担排队博弈平台运营服务优化激励机制
econ
01-21 00:00
本文提出了一种新的高维时变、非对称、尾部相依Copula模型，结合了谱动态与正则化技术。模型通过得分驱动方式刻画相依矩阵特征值的动态变化，并利用非线性收缩方法校正无条件特征值谱的偏差。该参数化方法能确保相依矩阵在任何时刻、任何维度下均满足约束条件。模型具有简约、计算高效、易于扩展至高维的特点，在模拟与实证数据中均表现优异。在一项涵盖10个国家、10个行业共100只股票的金融市场实证应用中，该模型成功捕捉了地理与行业相关的联动性，并优于近期计算更密集的基于聚类的因子Copula模型。市场压力时期，谱动态分析揭示了国际股票市场相依性的显著增强，导致分散化潜力下降与系统性风险上升。
高维copula谱动态正则化金融市场相依性系统性风险得分驱动模型
econ
01-21 00:00
一项针对英美1700名招聘人员的实验研究发现，具备AI技能能显著提高获得面试邀请的概率，增幅约为8至15个百分点。研究采用配对联合实验设计，考察了平面设计师、办公室助理和软件工程师三个职位。结果表明，AI技能不仅能作为积极的招聘信号，还能部分或完全抵消年龄较大或学历较低的劣势，其中对办公室助理的补偿效应最强，正式的AI认证能发挥额外作用。招聘人员自身的背景和对AI的使用态度会显著调节这些效应。
人工智能技能劳动力市场招聘实验技能补偿就业前景因果证据
econ
01-21 00:00
本研究追踪了医院系统内近400名放射科医生使用FDA批准的AI诊断平台解读超过10万次肺栓塞（PE）扫描的情况。当AI标记PE时，放射科医生同意率为84%；当AI预测无PE时，同意率高达97%。研究发现，放射科医生对AI的采纳率随时间显著提升，从最初拒绝30%的AI阳性标记，到第二年降至12%。尽管扫描量增加了16%，诊断速度保持稳定，而每位放射科医生的月度工作量几乎翻倍，且患者死亡率未受影响，表明AI在改善工作流程的同时未损害诊断结果。研究还揭示了显著的异质性：部分放射科医生拒绝AI标记的PE高达一半，而另一些则几乎总是接受；女性放射科医生比男性同行拒绝AI的可能性低6个百分点。适度的AI参与度与最高的诊断一致性相关。
ai辅助诊断放射科肺栓塞人机协作医疗效率诊断异质性
econ
01-21 00:00
本研究结合气候变化总影响的元分析结果与标准综合评估模型，估算了各国的碳排放社会成本。研究发现，人均社会成本与人均收入高度相关，而国家总社会成本则与人口规模成正比。研究进一步定义了“净责任”，即一国排放对他国造成的损害减去他国排放对该国造成的损害。结果显示，净责任在中高收入、碳密集型国家为正，而贫困国家和富裕国家因其当前排放相对较低（贫困国家还因其脆弱性高）将获得补偿。
社会成本碳排放气候变化综合评估模型净责任气候政策
econ
01-21 00:00
本研究使用2010-2022年美国县级数据，通过分位数回归方法分析公共教育支出与收入不平等的关系。研究发现，生均教育支出总额与收入不平等呈小幅正相关，但在高不平等地区效应更强。关键发现是支出结构比总额更重要：将预算重新分配至教学、支持服务和其他经常性支出能显著降低收入不平等，尤其是在基尼分布的上分位数。资本支出和利息支付的影响则较弱且不一致。经济与人口因素（贫困率、中位收入和教育程度）仍是不平等的主要驱动因素。
公共教育支出收入不平等分位数回归预算分配教育政策基尼系数
econ
01-21 00:00
本文提出了一种基于随机变量在方向和幅度上相似性的关联估计量。在特定条件下，该度量可转化为线性相关系数的稳健且一致的估计量，并拥有精确的抽样分布。该分布对重尾和异常值具有天然的鲁棒性，从而为相关性推断提供了稳健基础。该方法可自然扩展到高维情形，用于衡量多个变量的联合相似性。实证研究将其应用于高、低频金融收益率数据，用于构建日内收益率相关性的置信区间，并为多元GARCH模型开发新的设定形式。
稳健估计相关性分析金融计量异常值鲁棒性高维数据garch模型
econ
01-21 00:00
该研究证明，在温和条件下，决策问题的拟凹性等价于所有信念下最优行动集合的凸性。进一步，若决策问题拟凹，则可在重新标记状态后满足局部单交叉性质。这些结果为分析不确定性下的最优决策提供了新的理论工具，强化了偏好结构与最优反应之间的联系。
决策理论拟凹性凸性单交叉性质不确定性
econ
01-21 00:00
本讲义为金融与经济学研究生系统介绍了金融定量方法（QMF），旨在为不同编程背景的学生构建统一的分析工具包。内容融合概率论、统计学、数值方法与实证建模，并着重于Python实现。核心主题涵盖随机变量与分布、矩与相依性、模拟与蒙特卡洛方法、数值优化、求根以及金融与宏观金融中常用的时间序列模型。讲义特别强调将理论概念转化为可复现的代码，注重向量化、数值稳定性及结果解释，通过涵盖资产定价直觉、风险度量、预测与实证分析的实例与练习，逐步搭建理论与实践的桥梁。
金融定量方法python编程蒙特卡洛模拟数值优化时间序列分析实证建模
econ
01-21 00:00
本文提出了一种新的基于分位数的已实现方差估计量，用于度量事后的收益波动。该估计量对积分方差具有一致性，并且能够以最优速率收敛，展现出优异的统计效率。其核心优势在于对有限活动跳跃和价格序列中的异常值具有渐近免疫性。通过改进，该估计量还能有效处理市场微观结构噪声，从而适用于高频金融数据。模拟实验证实了其在有限样本下的卓越稳健性，实证应用也展示了其在股票数据分析中的实用性。
已实现方差分位数估计高频数据市场微观结构噪声跳跃稳健性金融计量
econ
01-21 00:00
本研究评估了多种机器学习算法（包括正则化方法、回归树和神经网络）在预测道琼斯工业平均指数成分股已实现方差方面的准确性。与多种异质自回归模型相比，即使在仅使用日度、周度和月度滞后已实现方差作为预测因子的简单设置下，经过最小化超参数调优的ML模型仍表现出竞争力并超越了HAR模型体系。预测增益在较长预测期限上更为显著，这归因于ML模型具有更高的持续性，能更好地近似已实现方差的长记忆性。此外，ML在从额外预测因子中提取关于未来波动率的增量信息方面表现优异。研究最后提出了一种基于累积局部效应的变量重要性度量方法。
波动率预测机器学习已实现方差har模型金融计量
econ
01-21 00:00
本研究构建了一个基于企业成本最小化的竞争博弈模型，分析位于同一区域、同一产业内的企业如何通过研发投入（如研发支出）来积累知识。模型的核心在于考虑了产业内知识溢出效应，即竞争对手之间因提供相似产品而产生的知识流动。研究假设企业行为理性且以追求最优结果（即总成本最小化）为目标，并在此基础上推导出了该博弈的纳什均衡解。
知识溢出研发竞争纳什均衡成本最小化产业经济学
econ
01-21 00:00
本文研究了一种非标准情境下的最优动态说服问题：委托人对于代理人何时停止实验具有单峰偏好，而非单调偏好。这是因为最大化代理人努力（延长实验）可能将委托人引向“死胡同”。委托人私下观察成功时的收益，并以此作为激励工具。研究表明，最优动态信息政策最多包含两次一次性信息披露：在委托人最优停止时间前使用“油门”（使代理人乐观），之后使用“刹车”（使代理人悲观）。核心洞见在于，最优披露模式（渐进式还是一次性）取决于委托人如何权衡停止时间的均值与其风险性。我们证明，绝对风险厌恶的Arrow-Pratt系数是决定最优披露结构的充分统计量。
动态说服信息披露最优停止激励机制实验经济学风险厌恶