econ
03-12 00:00
热力学宏观经济学（TM）理论在经典热力学的数学框架内分析经济现象，其核心是描述经济系统宏观行为的熵函数。本研究通过计算机模拟证明，即使无法从个体行为规则推导出熵函数，也可以通过类似物理“量热法”的经济学方法进行经验测量。在模拟的交换经济中，测量得到的熵函数不仅与可解析计算的结果一致，而且表现出状态函数的路径独立性及凹性。一旦建立熵函数，便可推导出价格、货币价值等关键宏观变量，并预测多个经济体相互接触后的效应。
热力学宏观经济学经济熵宏观建模计算机模拟状态函数交换经济
econ
03-12 00:00
本研究为以色列小型开放经济体构建了一个包含家庭部门信贷市场金融摩擦的半结构DSGE模型。模型捕捉了家庭杠杆率与债务利率（信贷利差）之间的正相关关系。核心发现表明：第一，货币政策若同时对信贷市场发展（如信贷利差扩大）做出反应，能更有效地稳定通胀和实际经济活动。第二，宏观审慎政策可通过增强信贷利差对杠杆率的敏感性，来抑制家庭过度借贷，降低债务去杠杆化危机风险。在需求疲软和债务去杠杆时期，该政策还能通过降低信贷利差来协同宽松货币政策刺激需求。
dsge模型家庭债务金融摩擦货币政策宏观审慎政策信贷利差
econ
03-12 00:00
本文指出，当前前沿AI安全政策过度集中于预防措施（如能力评估、部署门槛），而忽视了预防失败后所需的协调响应能力。这种“协调缺口”源于结构性原因：提升生态系统韧性的投资效益分散而成本集中，导致系统性投资不足。作者借鉴核安全、大流行病防备和关键基础设施领域的风险治理机制，提出可通过预先承诺、共享协议和常设协调平台等类似机制，来构建前沿AI治理架构。缺乏此类架构，机构将无法以相关速度从失败中学习。
ai治理风险协调政策缺口制度韧性前沿ai安全
econ
03-12 00:00
本文提出了一种新的算子级自回归条件异方差（ARCH）模型，用于建模一般可分希尔伯特空间中的时间序列。与现有仅关注“逐点”方差的泛函ARCH/GARCH模型不同，该框架能够完整刻画条件协方差算子的动态演化。研究针对模型的常数条件相关系数简化版本，建立了严格与弱平稳解的存在条件、有限矩性质及弱序列相关性。同时，推导了无限维模型参数的一致Yule-Walker型估计量。通过模拟和高频日内累积收益率数据的应用，验证了模型的实际相关性。
算子arch泛函时间序列条件协方差希尔伯特空间平稳性高频金融
econ
03-12 00:00
本文提出了一种名为“Gimbal回归”的确定性、几何感知的局部回归框架，旨在解决传统局部回归中因各向异性或低维邻域导致的数值不稳定问题。该方法通过显式的方向对象和确定性保障机制，从邻域几何结构中构建方向权重，并使用闭式解计算局部系数。理论分析表明，在给定邻域配置下，该估计量是一个具有有限扰动稳定性界的确定性线性算子。模拟和实证案例显示，相较于常见的局部回归基线方法，Gimbal回归在计算可预测性、诊断透明度和数值稳定性方面均有显著提升。
空间异质性局部回归数值稳定性几何感知确定性估计
econ
03-12 00:00
本文为合成控制法（SCM）的模型灵活性提供了理论分析，首次将其模型复杂度以“自由度”这一经典统计概念进行量化。基于此，作者推导出了可估计的信息准则（如AIC、BIC），为模型选择提供了新工具。这些准则可用于直接选择惩罚项参数或协变量权重矩阵，从而避免了传统交叉验证方法的计算负担。研究以天津汽车限牌政策评估为例，展示了在存在大量候选对照单元时，使用信息准则进行模型选择的惩罚SCM变体，其表现优于基于交叉验证的方法。
合成控制法模型选择信息准则政策评估自由度惩罚回归
econ
03-12 00:00
本文提出了一种正则化检验方法，用于检验高维非高斯时间序列中线性与非线性序列依赖性的缺失。该方法将Jasiak和Neyazi（2023）提出的混合检验扩展至高维场景，通过引入收缩正则化技术，有效应对高维数据带来的挑战，为金融、经济等领域的大规模时间序列分析提供了新的工具。
高维时间序列序列依赖性检验正则化方法非高斯数据计量经济学
econ
03-12 00:00
本文研究委托信息提供问题：设计者依赖实验者为决策者提供信息，但实验者具有说服动机而非单纯传递信息。设计者可以限制可允许的实验集合，但无法阻止实验者对任何允许的实验进行信息混淆。作者将此建模为对实验的委托。最优委托集可通过比较实验者无动机混淆的最大信息量实验获得。当实验者偏好呈S形时，作者完全刻画了此类实验为双重审查机制。相对于完全委托结果，双重审查引入了一个中间混同区域，从而减少了最高状态的混同区域。研究表明，设计者通过施加非平凡的委托集来约束实验者的说服能力，同时保留有价值的信息提供，能获得严格收益。
信息设计委托代理说服实验选择机制设计
econ
03-12 00:00
本研究改进了双机器学习（DML）估计器，使其更适用于宏观经济时间序列分析。核心创新是引入了“反向交叉拟合”步骤，利用平稳序列的时间可逆性来提高样本利用率和估计效率。论文详细证明了估计器在特定条件下的渐近有效性，并通过模拟验证了其在有限样本下的稳健性，包括对模型误设和异方差等假设违背的抵抗能力。针对高维问题，研究提出了一个校准规则，旨在寻找一个“恰到好处”的调参区域，以稳定部分剔除的信号并减少小样本偏差。最后，该方法被应用于残差化的局部投影模型，以估计一级监管资本增加的动态效应，展示了其在宏观经济推断中的实用性。
双机器学习时间序列宏观经济因果推断稳健估计局部投影
econ
03-12 00:00
本文研究了一种针对知识产权许可等创收资产的最优拍卖设计。每个竞标者拥有关于其未来收入的私人信号。资产分配后，获胜者的收入将私下实现。委托人可以付出成本对获胜者进行审计，并根据其实现收入收取或有支付。研究求解了最大化委托人净收入（扣除审计成本）的拍卖机制。最优机制表现为：获胜者需支付线性特许权使用费，直至一个上限，超过该上限则无需审计。出价更高的竞标者需支付更多前期现金，但面临更低的特许权使用费上限。
拍卖设计或有支付收入最大化机制设计信息验证
econ
03-12 00:00
本文针对含常数项的平稳或非平稳II型ARFIMA($p_1$,$d$,$p_2$)模型，分析了常数项估计对条件最小二乘(CSS)估计器偏差的影响。作者推导了偏差表达式，并提出一种通过简单修改CSS目标函数即可消除主要偏差项的新方法——改进型条件最小二乘(MCSS)估计器。理论证明与蒙特卡洛模拟均表明，即使在样本量较小时，MCSS相比CSS的性能也有显著提升。研究还重新评估了二战后实际GNP、扩展Nelson-Plosser数据及尼罗河流量三个经典短数据集的应用效果。
时间序列分析分数阶整合参数估计偏差修正arfima模型计量经济学
econ
03-12 00:00
本文提出了一种基于“加权混淆”的信息实验排序方法，这是对标准混淆概念的推广。在该排序下，若一个实验是另一个实验的加权混淆，则后者信息量更少。研究证明，该排序等价于在支付无关事件条件下的普通混淆，并可通过后验信念分布的支撑集来刻画。主要结果为该排序提供了两个决策理论刻画：在静态决策问题中，一个实验优于另一个当且仅当其信息价值在所有问题中至少是对方的固定比例；在一类具有隐马尔可夫过程和重复实验的停时问题中，一个实验优于另一个当且仅当其在每个具有正则先验的问题中都能带来弱更高的期望收益。
信息设计决策理论实验排序混淆信息价值
econ
03-12 00:00
本文研究发送者-接收者博弈，其中接收者行动为二元选择，发送者偏好与状态无关。状态为多维，接收者可在行动前选择检查（观察）其中一个维度。研究发现了一类有影响力的均衡：发送者消息揭示状态中哪些维度值最高，接收者则选择其中一个高值维度进行检查。当且仅当发送者偏好此类均衡胜过无沟通结果时，沟通才能使其获益。研究还表明，当接收者可检查多个维度时，类似均衡依然存在。
博弈论信息传递廉价交谈验证策略多维状态