econ
03-04 00:00
本研究开发了一种灵活的神经需求系统，用于连续预算分配。该系统通过在单纯形上最小化KL散度来估计预算份额。份额由状态依赖的偏好评分器通过softmax函数生成，并通过施加单调性和斯拉茨基对称性等正则化惩罚来确保模型具有良好的比较静态和福利分析特性，而无需设定参数化的效用函数形式。状态依赖通过定义为过去消费指数加权移动平均的习惯存量引入。模拟实验表明，该模型能准确恢复弹性和福利指标，并在存在习惯形成时显示出显著的性能提升。在基于Dominick止痛药数据的实证应用中，引入习惯因素使样本外预测误差降低了约33%，重塑了替代模式，并使布洛芬价格上涨10%导致的补偿性变化损失相对于静态模型增加了约15-16%。
需求估计习惯形成神经网络理性约束福利分析预算分配
econ
03-04 00:00
本研究提出一种半参数方法，通过受限分位数回归建模金融收益的条件尺度（定义为两个特定分位数之差），用于预测风险价值（VaR）和预期缺口（ES）。该方法从重标度收益的左尾分位数推导VaR，并通过平均低于VaR水平的分位数来近似ES，能够提供稳健、无分布的极端损失估计，并捕捉偏态、厚尾和杠杆效应。模拟实验和实证分析表明，其表现常优于GARCH等传统模型。
金融风险管理分位数回归风险价值预测预期缺口半参数模型条件尺度
econ
03-04 00:00
传统享乐模型在时间可分离偏好下估值商品，但忽略了习惯形成的影响。本文发展了一个非参数显示偏好框架，用于动态享乐估值，推导了特征理性化的充要条件。该框架将享乐价格系统的限制与跨期选择的限制分离开来，并提供了量化各维度违规程度的诊断工具。应用于家庭扫描数据发现，静态享乐估值的大部分失败源于价格结构违规；在满足此结构的前提下，引入习惯形成能显著改善行为拟合度，从而改变了从价格到支付意愿的映射及其隐含的福利解释。
享乐模型习惯形成显示偏好非参数分析动态估值福利经济学
econ
03-04 00:00
本文提出了一种聚焦加权平均最小二乘（FWALS）估计器，旨在解决聚焦模型平均中因 $2^{k_2}$ 个子模型带来的巨大计算负担。其核心方法是通过对辅助回归变量进行半正交化，将权重选择问题简化为最多 $k_2$ 个回归变量层面的权重，从而得到一个易于处理的次优程序。在局部趋近于零的条件下，作者推导了FWALS对于平滑聚焦函数的极限分布，并提供了一个用于数据驱动权重选择的插件渐近均方误差（AMSE）准则。模拟实验表明，FWALS的表现与聚焦信息准则（FIC）基准非常接近，并且在聚焦函数为脉冲响应函数时能提供稳定的性能。基于先验的加权平均最小二乘在某些设定下具有竞争力，但其表现依赖于信号机制和聚焦参数的设计。总体而言，FWALS在显著节省计算成本的同时，提供了一个实用且稳健的替代方案。
模型平均计算效率渐近理论权重选择计量经济学稳健估计
econ
03-04 00:00
本研究利用Polygon区块链的完整链上数据，对Polymarket 2024年美国总统选举市场进行了交易层面的综合分析。针对区块链预测市场中铸币、销毁、转换与传统交易所并存的异构交易机制，作者开发了一种交易量分解方法，提出了交换等价交易量、净流入和总市场活动三个互补的市场活动衡量指标。应用该框架，研究揭示了塑造市场的三个关键事件：拜登退选、九月总统辩论以及十月鲸鱼交易者的出现。分析表明，随着交易量增长，套利偏差收窄，Kyle's $\lambda$下降了一个数量级以上，跨市场参与度扩大，共同描绘了该市场在十个月生命周期内逐步成熟的图景。
预测市场区块链交易机制市场微观结构美国总统选举
econ
03-04 00:00
本研究利用2021-2024年美国家庭设备的详细网络浏览数据，分析了生成式AI（以ChatGPT为代表）对家庭任务分配的影响。通过工具变量法估计发现，采用生成式AI显著增加了家庭设备上的休闲浏览时间，而对生产性数字任务的时间投入没有变化。机制分析表明，家庭主要将ChatGPT用于非市场的生产性任务（如学习、规划），这提高了此类活动的效率，从而释放出更多休闲时间。基于标准时间分配模型的解读意味着，生成式AI在家庭场景中带来了可观的生产率提升。
生成式ai家庭经济学时间分配数字休闲生产率工具变量
econ
03-04 00:00
本研究利用Polymarket平台2024年美国总统大选合约的逐笔交易数据，分析了预测市场对重大政治冲击（首场辩论、特朗普遇刺未遂、拜登退选）的反应。研究发现，冲击事件会引发交易量激增，且主要由高频交易者驱动。通过构建Kyle式价格影响模型和Glosten-Harris分解，研究揭示了不同冲击下价格发现的异质性：辩论冲击伴随较强的暂时性压力与部分反转，遇刺事件导致更持久的价格重估，而拜登退选事件则表现为交易活跃但净价格变动温和，同时买卖双方分歧显著，这符合奈特不确定性下的市场特征。
预测市场价格发现政治冲击交易行为市场微观结构不确定性
econ
03-04 00:00
本文提出DICE-DML框架，解决了从图像中估计特定视觉属性（如肤色）对消费者参与度因果效应的难题。传统方法因视觉编码器混淆处理变量与混杂因素而产生严重偏差。新方法结合深度伪造生成图像对、配对差分向量对抗学习以及正交投影三种机制，有效分离处理信息。在模拟实验中，其均方根误差比标准方法降低73-97%。应用于23万条Instagram帖子数据，该方法实现了有效的混杂控制（R²=0.63），并估计出肤色较深对点赞数存在边际显著的负向影响（-522次；p=0.062）。
因果推断视觉属性双重机器学习深度伪造广告效果混杂控制
econ
03-04 00:00
本研究将金融计量中广泛使用的开盘-最高-最低-收盘价（OHLC）波动率估计器（如Parkinson、Garman-Klass等）应用于监测本地商品市场的压力。利用世界银行实时价格数据集，研究发现，在冲突、气候灾害、政策调整及全球供应链中断等背景下，波动率升高与市场紊乱时期高度吻合。相较于相对强弱指数（RSI）等动量指标，OHLC波动率能更有效地捕捉因供需双向冲击导致净价格方向变化微弱但日内价格离散度增大的市场压力。该指标为金融风险、人道主义预警及贸易监测提供了稳健且可解释的信号。
波动率估计市场压力监测商品价格金融计量风险管理ohlc数据
econ
03-04 00:00
本文建立了一个理性工作者在AI辅助下的决策模型，工作者需权衡将任务委托给AI的成本与验证AI输出的努力。研究发现，即使AI提升了任务完成的基础成功率，且工作者不存在行为偏差，AI仍可能通过诱导“理性过度委托”和减少监督，降低机构视角下的工作者质量。模型揭示了AI会引发“相变”——验证能力的微小差异可导致截然不同的工作流程，从而放大具备强验证能力的工作者优势，加剧工作者间的质量差距。
人工智能委托验证努力机构效用质量差距理性选择模型工作流程优化
econ
03-04 00:00
本研究利用伦敦4835个区域的21,189家餐厅和咖啡馆开业数据，通过事件研究设计，量化了商业入驻对住宅价格的因果效应。研究发现，商业入驻后房价呈单调上升趋势，四年后累计上涨4.1%。效应是渐进且累积的，符合便利设施资本化理论。进一步分析表明，驱动效应主要来自高端商业入驻（上涨7.4%），而非平价店铺，说明商业集群的质量而非单纯存在是影响社区价格动态的关键。结果经过多种稳健性检验。
房价效应商业入驻事件研究便利设施资本化伦敦房地产因果推断
econ
03-04 00:00
本文研究了利用成本信号作为筛选工具的分配机制。社会规划者的目标是最大化社会福利（定义为代理人效用的加权和），同时实施特定的分配规则。在一个广泛的代理人偏好类别中，研究发现协调机制（推荐信号依赖于联合报告）可能被非协调机制（信号仅依赖于个体报告）所超越。研究形式化了最优机制不包含协调的条件，并证明此类机制可通过粗粒度排名竞赛来实现。
机制设计成本信号社会福利非协调机制竞赛机制
econ
03-04 00:00
本文研究当垄断厂商能够同时调整不同细分市场的价格和产品质量（即同时进行二度和三度价格歧视）时，市场细分对消费者的影响。研究发现，消费者最优的市场细分结构具有一个显著特征：相同估值的消费者在每个细分市场中获得相同的产品质量，但支付的价格不同。在温和条件下，当且仅当需求弹性超过一个由成本决定的阈值时，任何市场细分都会损害消费者。因此，消费者能否从市场细分中获益，关键取决于成本结构和需求弹性。这些发现对价格歧视和市场细分的监管政策具有重要启示。
市场细分价格歧视消费者剩余垄断市场需求弹性监管政策
econ
03-04 00:00
本研究探讨了在广泛的学习动态（包括Q学习、投影梯度、复制和障碍动态）下，智能体在重复博弈中的策略行为。超越势博弈和零和博弈的经典框架，研究聚焦于有限记忆、不同信息监控模式下的通用重复博弈。研究得出了一个无名氏定理风格的结果，刻画了这些学习动态所能实现的收益向量集合，揭示了算法合谋涌现的广泛可能性。实现这一结论需要一种新颖的技术方法，据我们所知，这首次证明了多智能体Q学习算法在重复博弈中的收敛性。
算法合谋多智能体学习重复博弈q学习收敛性分析无名氏定理
econ
03-04 00:00
本文研究了不可分割物品分配中的加法福利主义规则。这类规则通过最大化代理人效用函数之和来选择分配方案。研究强化了先前结论：在相同物品、两值效用以及三代理人以上归一化效用等场景下，最大纳什福利（MNW）规则是唯一能保证“至多嫉妒一件物品”（EF1）公平性的加法福利主义规则。同时，当代理人效用为整数时，研究发现其他规则也能提供EF1保证，并对不同实例类别下的规则进行了刻画。
公平分配加法福利主义最大纳什福利ef1公平性不可分割物品机制设计
econ
03-04 00:00
本文提出了一种新的风险共享范式，将传统基于离散代理的模型推广到允许在连续统代理之间共享风险。代理由测度空间中的点表示，其异质性风险偏好通过可分离概率空间上的风险测度建模。利用弱星拓扑下的Strassen型定理，我们推导了价值函数的对偶表示，并运用Aumann积分刻画了接受集。当风险偏好属于熵风险测度或期望短缺风险测度族时，给出了显式公式，并应用于大市场中的帕累托效率分析。
风险共享连续统代理风险测度对偶理论帕累托效率金融数学
econ
03-04 00:00
传统因子数量确定方法在处理具有重尾特征的数据时，常将噪声引发的异常值误判为真实因子，导致因子数量被高估。本文在允许重尾和非线性依赖的椭圆因子模型框架下，从理论和实证上证明，重尾噪声会产生与真实因子信号相似的伪特征值。为解决此问题，作者提出了一种基于波动放大算法的新方法：在温和条件下，通过放大扰动，真实因子对应的特征值波动远小于伪因子，并渐近稳定。基于此原理，研究构建了正式的检验程序，用于在重尾椭圆因子模型中准确选择公共因子数量。模拟和实际数据分析验证了该方法的有效性，尤其在重尾特征显著时表现突出。
因子模型重尾分布伪因子特征值检验稳健推断高维统计
econ
03-04 00:00
本文扩展了传统全支付拍卖模型，探讨了除全额罚金外的多种罚金机制。传统模型要求竞标者无论输赢均需支付全部投标额，常用于模拟政治竞选支出。研究提出多种替代罚金方案，旨在更准确地模拟国防合同竞标、基础设施项目投标等现实竞争场景，为分析不同竞争环境下的策略行为提供了更灵活的建模框架。
拍卖理论全支付拍卖博弈模型合同竞标策略行为