econ
03-10 00:00
本文介绍了ForeComp，一个用于比较预测精度的R软件包。该包基于Diebold-Mariano类检验，提供了标准推断和固定平滑推断两种方法，用于评估预测模型的相等预测能力。其核心功能包括基于损失差异的检验，并集成了“绘图权衡”可视化诊断工具，用于分析带宽敏感性以及检验的规模与功效权衡。文章通过专业预测者调查的实际应用和蒙特卡洛模拟，展示了该工具包在有限样本下的性能。
预测精度r软件包固定平滑渐近diebold-mariano检验计量经济学
econ
03-10 00:00
本文在线性回归模型的贝叶斯估计中，针对回归变量可能与误差项相关的内生性问题，提出了一种基于指数倾斜经验似然的贝叶斯因子检验方法。该方法通过比较一个在外生性下正确设定、但在内生性下设定错误的基础模型，与一个在任何情况下都正确设定的扩展模型，来检验内生性。研究证明，该检验程序具有频率学意义下的一致性：随着样本量增大，当且仅当回归变量外生时，它几乎必然选择基础模型；当且仅当回归变量内生时，它几乎必然选择扩展模型。方法通过模拟数据和汽车价格对需求、机票价格对客运量等实际经济问题进行了验证。
内生性检验贝叶斯方法经验似然计量经济学模型选择
econ
03-10 00:00
本研究提出一种名为“风险转换”的预测变量二值化方法，用于改进美国经济衰退预测。该方法将连续预测变量（如宏观经济和金融数据）转换为基于训练数据估计阈值的二元指标，以捕捉经济衰退这类罕见事件的离散特性。实证分析表明，使用二值化预测变量能显著提升样本外预测性能，使线性模型的表现可与灵活的机器学习方法相媲美，且预测增益在经济衰退开始时尤为明显。
经济预测衰退预测二值化风险转换宏观经济机器学习
econ
03-10 00:00
本文为恒定函数做市商（CFMM）构建了一个动态均衡框架，以形式化套利者与流动性提供者（LP）之间的长期战略互动。研究有三个核心贡献：1）推导并实证验证了CFMM价格影响中固有的买卖不对称性，即使价格无方向性变动，恒定乘积模型也会导致买卖执行成本存在系统性差异；2）在仅有知情套利者的基准环境中，提供流动性对LP而言是严格劣势策略，套利驱动的价格修正会产生无法被费用抵消的负跳跃回报，导致均衡时流动性供给极少；3）在引入噪声交易、内生Gas费和时变波动率的扩展模型中，LP回报由多种因素共同决定，最优流动性供给与波动率呈非单调的驼峰形关系。
自动化做市商动态均衡套利策略流动性提供去中心化交易所微观机制
econ
03-10 00:00
本文研究当经济环境的变迁动态存在不确定性时，个体的最优消费与储蓄决策。模型假设决定贴现率、资本回报和非劳动收入的外生状态服从一个转移概率未知的马尔可夫过程，个体通过贝叶斯学习更新其信念。尽管信念更新引入了额外的内生状态变量，我们证明了最优策略的存在性、唯一性及其关键结构性质（如单调性和凹性）。我们开发了一种高效的计算方法，并用以分析转移不确定性和学习如何与预防性储蓄动机及财富积累相互作用，揭示了一种关于体制持续性（regime persistence）的不确定性塑造消费动态和家庭长期财富的动态机制。
最优储蓄不确定性贝叶斯学习动态规划预防性动机财富积累
econ
03-10 00:00
本文提出了一个“时间迁移”框架，旨在将随机对照试验中估计的治疗效果，外推至未进行实验的时间段。研究定义了“迁移平均处理效应”，并在可分离时间效应假设下，将其分解为观测到的平均处理效应和一个时间比率。论文提供了两种识别策略：一是利用在不同时间比较相同处理的重复试验；二是利用跨时间观测到的共同处理组。针对每种策略，作者开发了双重稳健、半参数有效的估计量。蒙特卡洛模拟验证了估计量的有效性，并在Upworthy研究档案的A/B测试数据中进行了应用，展示了两种策略在方差与偏差间的权衡。
因果推断时间迁移处理效应随机试验外推法半参数估计
econ
03-10 00:00
本文针对现代随机实验中存在的大规模基线协变量和来自多源的辅助信息，提出了一个统一的校准框架，以在不损害有效性的前提下，整合这些异质信息。该框架通过信息代理向量和由凸优化问题定义的校准权重，系统性地融合了跨层信息、机器学习模型预测以及历史试验数据等。所得到的估计量将许多现有协变量调整方法统一为特例，并提供了内部与外部信息借用的机制。理论分析证明了其大样本有效性，并给出了“无损害”效率保证，即纳入额外信息源不会增加渐近方差。
随机实验协变量调整信息整合校准估计渐近理论
econ
03-10 00:00
本研究构建了一个连续时间的随机宏观金融模型，将Keen经济框架与由跳跃扩散过程驱动的金融市场相结合。模型的经济模块整合了货币债务紧缩机制与庞氏型金融不稳定因素，并通过一个依赖于资产价格回报的随机利率受金融市场影响。金融市场模块则由一个具有内生、状态依赖跳跃强度的资产价格跳跃扩散过程构成，其跳跃由投机性信贷流驱动。该模型形式化了一个连接信贷扩张、崩盘风险、感知回报动态和银行利差的反馈循环。在适当的参数限制下，我们证明了耦合系统的全局存在性和非爆炸性。数值实验展示了信贷敏感性和跳跃参数的变化如何产生从稳定增长到反复繁荣-萧条周期的不同状态。该框架为在数学上适定的宏观金融系统内分析内生金融脆弱性提供了一个易于处理的设定。
宏观金融模型债务危机股价泡沫存量流量一致跳跃扩散过程金融脆弱性
econ
03-10 00:00
本文提出HLER系统，一种人机协同的多智能体架构，旨在自动化经济与社会科学中的实证研究流程。其核心创新在于“数据集感知的假设生成”机制，将研究问题严格限定在可用数据集的结构、变量和分布诊断范围内，从而将可行研究问题的生成率从41%提升至87%。系统采用双循环设计：问题质量循环筛选可行假设，研究修订循环通过自动评审触发再分析与文稿修订。关键阶段嵌入人工决策点，确保研究者对自动化流程的指导。实验表明，该系统能以平均每次运行0.8-1.5美元的API成本生成完整的实证研究文稿，为人机协作实现可扩展的实证研究提供了可行路径。
人机协同多智能体系统实证研究自动化经济研究假设生成数据集感知
econ
03-10 00:00
本研究针对全球数亿农民在天气不确定性下进行高风险决策的难题，提出了一个决策理论框架，用于设计在农民情况各异、无法规定最优行动时的有用预报。研究者将该框架应用于季风季节性降雨开始日期的预测，这是一个对许多热带国家种植决策和农业投资至关重要的日期。通过将经过系统基准测试的人工智能天气预测模型与一个新的“动态农民预期”统计模型相结合，开发了一个定制化预报系统。该统计模型应用贝叶斯推断分析历史观测数据，以预测整个季节内首次发生事件随时间变化的概率。融合后的系统在印度季风的长期预报中，比其单个组件或任何多模型平均方法都表现出更高的技能。2025年，该系统已在印度政府主导的项目中投入业务运行，向3800万印度农民提供了次季节季风开始预报，并成功预测了当年初夏的异常干旱期。该决策理论框架和融合系统为全球大量脆弱人群开发气候适应工具提供了一条可行路径。
农业决策季风预报人工智能贝叶斯推断气候适应概率预测
econ
03-10 00:00
针对双边贸易中随机报价机制（RO）的效率问题，研究团队采用AI引导的进化搜索框架AlphaEvolve，在价值分布空间中探索，发现了一个新的最坏情况实例。该实例将RO机制相对于最优效率（FB）的近似比下界从先前已知的约2.02提升至2.0749，即 $\frac{\text{GFT}_{\text{FB}}}{\text{GFT}_{\text{RO}}} \ge 2.0749$，揭示了比以往认知更宽的效率差距。
双边贸易机制设计效率下界ai进化搜索随机报价机制
econ
03-10 00:00
本研究通过一个均衡模型，分析了用户在社交媒体上与共享新闻故事的互动如何影响学习过程。理性用户依次到达，观察一个原始故事（私人信号）和新闻推送中前人的故事样本，然后决定分享哪些内容。研究发现，平台算法倾向于展示更“病毒式”传播（即被广泛分享）的故事，这既能提升信息聚合效率，也可能导致一种误导性的稳态：大多数被分享的故事是错误的。这种错误信念会自我延续，因为观察到错误故事的用户会形成错误信念，并理性地继续分享它们。研究最后探讨了这对平台设计的启示。
社交媒体信息聚合均衡模型病毒传播平台算法信念形成
econ
03-10 00:00
本文研究利用结构冲击方差突变来识别结构向量自回归模型。传统点识别依赖于简化形式误差协方差矩阵的特征分解，并要求所有特征值互异。然而，当出现特征值多重性时（例如，仅部分结构冲击发生方差突变，或一组变量发生相同幅度的方差偏移），点识别失效。结合对结构参数和脉冲响应的零约束或符号约束，本文推导了脉冲响应的识别集，并展示了其计算方法。基于为集合识别SVARs开发的稳健贝叶斯方法，我们对脉冲响应函数进行推断。通过一个全球原油市场实证案例，说明了特征值多重性导致识别失败的情形。
结构向量自回归部分识别方差突变特征值多重性稳健贝叶斯推断脉冲响应
econ
03-10 00:00
本文提出了一类包含结构断点的结构向量自回归模型（SVAR-WB）。除了标准参数约束外，模型还引入了跨体制的稳定性约束（部分参数或脉冲响应不随断点变化）与不等式约束。研究表明，这些约束能有效提升模型识别能力。作者推导了混合等式、符号、秩、稳定性及预测误差方差约束下，模型参数点识别与集识别的条件。针对点识别仅局部成立、存在多个观测等价结构参数的问题，论文批评了传统频率学派与贝叶斯方法在此类模型推断上的不可靠性，并提出了能考虑所有可容许观测等价参数的新估计与推断方法，包括纯贝叶斯与稳健贝叶斯方法。理论通过示例及对美国大通胀与大缓和时期货币政策传导的实证应用加以阐明。
结构向量自回归结构断点模型识别稳健推断贝叶斯方法货币政策传导
econ
03-10 00:00
本文探讨了一种特殊的效用函数设计，该函数赋予“避免有害治疗所拯救的生命”更高的价值，而相对降低“通过治疗本会死亡者所拯救的生命”的价值。作者承认这种不对称性背后的伦理动机，但通过具体案例论证表明，此类决策准则的实际适用范围可能相当有限。研究揭示了在公共卫生和医疗资源分配中，伦理原则与决策模型适用性之间的张力。
效用函数伦理决策医疗资源分配希波克拉底不对称性适用性
econ
03-10 00:00
本文针对诱导次序统计量（IOS）——即根据辅助变量对样本单元重新排序后得到的响应变量序列——建立了普适的收敛率理论。IOS在断点回归设计、k近邻方法和分布鲁棒优化等需要利用协变量最接近目标点的观测来近似条件分布的应用中至关重要。现有理论仅在较强的光滑性条件下允许IOS维度随样本量增长，这排除了断点回归中的边界点等关键情形。本文在更弱的原假设下，推导了目标条件分布在Hellinger距离和总变差距离下的尖锐边际收敛率，并阐明了这些边际率如何转化为IOS向量的联合收敛率。结果表明，光滑性与收敛速度之间存在明确权衡，并识别了不同距离度量的行为差异。
诱导次序统计量收敛率断点回归非参数估计分布近似hellinger距离
econ
03-10 00:00
本文为具有支持约束和矩约束的不完全模型，建立了一个统一的反事实分析识别框架。核心贡献在于：1）证明了识别结构参数与进行反事实分析是同构任务，通过将反事实约束嵌入增强的结构模型，绕过了传统的“先估计后模拟”流程；2）将支持函数方法的尖锐识别结果，推广到可积有界条件之外，证明了在最小正则条件下，该方法对于识别集的矩闭包仍然是尖锐的；3）引入不可约性条件，并证明对于不可约模型，识别集与其矩闭包在有限样本中统计上不可区分。这些结果为在传统尖锐性失效的反事实场景中使用支持函数方法提供了理论依据。
不完全模型反事实分析识别理论支持函数矩约束结构计量
econ
03-10 00:00
本文针对面板数据中离散结果变量的因果推断问题，提出了一种新的识别策略。传统双重差分法依赖平行趋势假设，但在分类结果场景下常因均值回归、反事实超出边界及多类别趋势定义模糊而失效。作者引入“转移独立性”假设：若无干预，处理组与对照组在给定前期结果下的状态转移动态相同。通过构建潜在类型马尔可夫模型，该方法可从短面板数据中识别类型特定及加总的处理效应。实证应用显示，其估计结果与传统方法存在显著差异。
因果推断面板数据离散结果事件研究法转移独立性潜在类型模型
econ
03-10 00:00
本研究通过构建一个无限期心理博弈模型，分析了“那又怎么说”（Whataboutism）这一修辞策略对社会规范的影响。模型假设存在两个对立的阵营，个体在发表冒犯性言论时，会权衡其内在收益与被谴责的风险。研究发现，当批评者一方的类似不当行为未被批评时，被批评方可以利用基于均衡的“那又怎么说”进行反驳。作者刻画了唯一的动态稳定心理子博弈完美均衡，并证明“那又怎么说”策略的可获得性会加剧冒犯性言论，甚至可能导致文明规范完全崩溃，这种现象在高度两极分化的社会中尤为显著。
博弈论社会规范言论博弈政治极化修辞策略
econ
03-10 00:00
本文针对现代经济和金融应用中常见的流数据场景，提出了一种适用于半参数单调指数模型的在线学习框架。该方法采用两阶段学习范式：预热阶段通过全局稳定的在线算法对有限维参数进行一致估计；随后在速率最优阶段，结合正交化得分更新参数，并利用在线筛法学习未知单调链接函数，使两者均达到最优收敛速率。该框架仅需处理最新数据批次，适用于存储受限或隐私安全要求高的场景，并能以可忽略的额外计算成本实现在线推断（如置信区间构建）。模拟和真实数据实验表明其性能与全样本方法相当。
在线学习半参数模型流数据单调指数模型实时推断经济计量
econ
03-10 00:00
本研究提出了一种可处理的识别方法，用于分析同时包含战略链接相互依赖和个体未观测异质性（固定效应）的网络形成模型。核心挑战在于，内生网络统计量（如共同朋友数）会进入链接形成方程，而从模型原语到均衡网络结构的映射通常难以处理。该方法通过“以c为界”的技术，将内生协变量视为随机变量，并利用单调性限制来获取识别信息，从而规避了这一困难。研究推导出基于子网络配置的识别限制系统，包括完全消除所有个体固定效应的四元组限制、部分差分固定效应的三元组限制，以及基于加权循环的一般限制，并给出了点识别结果。初步模拟表明，该方法能为结构参数提供信息丰富的边界。
网络形成模型识别策略未观测异质性内生性结构估计计量经济学
econ
03-10 00:00
本文对Rubio-Ramirez等（2010）在结构向量自回归（SVAR）识别理论中的经典结论提出了重要修正。原研究提出的基于零约束数量和特定矩阵秩的充要条件，被证明在特定反例下并不足以保证模型的全局可识别性。问题的核心在于原秩条件可能允许约束之间存在冗余，即某些约束可由其他约束推导得出，从而不包含新的识别信息。作者通过分析反例，阐明了原条件失效的原因，并推导出了一个修正后的、真正必要且充分的全局识别条件，同时说明了如何在实践中对其进行评估。
结构向量自回归全局识别秩条件约束冗余计量经济学识别理论
econ
03-10 00:00
本研究构建了一个包含N个公民和一个监督者的公共品博弈模型。监督者负责分配公共基金，其效用既来自挪用资金的物质收益，也依赖于公民对其行为的信念（声誉关切）。公民可选择自愿贡献，或在被审计时被迫贡献（否则面临惩罚）。研究完整刻画了对称子博弈完美均衡（SSPE）。模型至少存在一个纯策略均衡，其范围从全民搭便车与监督者完全挪用，到全民贡献与有效供给。混合策略均衡仅存在于狭窄的参数区间，并可能出现多重均衡。分析揭示了惩罚、审计和声誉激励在维持贡献与供给中的作用，将公共品供给与腐败、挪用公款及心理博弈论的研究联系起来。
公共品博弈腐败与挪用声誉激励子博弈完美均衡心理博弈论审计机制