econ
03-25 00:00
一项针对某大型研究型大学2013-2023年博士申请的研究发现，跨学科申请者（即申请非本专业领域博士项目）的GPA和标准化考试成绩普遍较低。即使控制这些录取预测因素，跨学科申请者的录取率仍低1.3个百分点。证据表明这一“跨学科惩罚”具有因果性。获得目标学科内部推荐信的申请者，其惩罚会显著减小。在被录取并就读的学生中，跨学科申请者的毕业率低12.9个百分点，且平均或顶尖的论文发表表现并未优于非跨学科申请者。研究揭示了在科研生涯早期进行学科转向的巨大成本，这可能限制了新思想流入研究社群。
跨学科研究博士教育科研生涯学术流动录取偏见
econ
03-25 00:00
本文提出了一种无需风险共担的新兴市场主权风险缓解机制。该机制通过汇集多元化的主权债券组合，并对其进行分级发行来实现。其中，优先级债券因次级债券的劣后偿付而受到保护，从而获得低风险收益的特性，成为一种“安全资产”。证券化工具发行的优先级债券具备安全资产属性，而次级债券的风险水平则取决于底层主权债券组合的结构。该机制被认为在促进新兴市场金融市场发展、以及用于政府间援助或贷款等实际任务方面具有可行性。
主权风险证券化新兴市场安全资产分级债券
econ
03-25 00:00
本研究利用意大利罗曼涅地方卫生局2017-2023年全人口行政记录，分析了首次心力衰竭住院（一种负面健康冲击）如何改变患者的护理模式，并评估了护士主导的慢性病患者项目（NPCP）能否维持这些冲击后的健康投资。研究发现，首次心衰住院后，患者出院后立即出现护理投入激增：β受体阻滞剂依从性、心脏病学随访和超声心动图检查均显著增加，而急诊室使用率在入院前达到峰值，随后趋于稳定。通过交错采用交互加权事件研究估计量分析NPCP的增量影响，结果显示，在传统双重差分推断下，NPCP能显著增强长期预防性参与，但对急诊室使用率影响甚微。HonestDiD敏感性分析表明，这些收益在经济意义上显著，但在平行趋势假设存在适度偏离时，统计上并不完全确定。
心力衰竭健康冲击慢性病管理护理项目评估事件研究法健康经济学
econ
03-25 00:00
本文系统评估了印度农业数据基础设施与大规模AI应用需求间的鸿沟。研究发现，尽管印度拥有大量公共农业数据，但数据收集与农业决策周期的时间错配、土壤/天气/产量信息因缺乏统一地理编码导致的空间碎片化、静态数据格式导致的机器可读性有限，以及模糊的治理框架，共同阻碍了跨数据集整合与自动化决策支持。这些缺陷对占印度农民86%的小农户影响尤为严重。基于印度及国际经验，研究指出可扩展的数字农业系统需具备与数据供给挂钩的激励机制、通过地方机构捆绑服务，以及传感器驱动的风险管理等关键特征。
农业ai数据基础设施小农户数字农业数据治理印度农业
econ
03-25 00:00
本文提出了一种模型无关的期望分位数格兰杰因果性度量，将传统的基于均值的度量推广到条件分布的任意位置。期望分位数是唯一兼具一致性（coherent）和可引出性（elicitability）的风险度量，使其特别适用于风险量化和预测评估都相关的分布性格兰杰因果研究。基于此度量，研究利用M-vine copula模型开发了一种检验方法，能够处理$d+1$个序列在非线性和非高斯依赖下的多元格兰杰因果性，且无需对联合分布施加参数假设。在有限样本模拟中，该方法展现出准确的尺寸控制和随样本量增加而提升的检验功效。其关键优势在于联合检验能力：理论和实证均表明，该方法能检测到成对检验无法发现的因果关系。
格兰杰因果期望分位数m-vine copula风险度量非参数检验金融计量
econ
03-25 00:00
本文提出了 ParlayMarket，这是首个支持体育博彩式联合合约的自动做市机制。它通过一个统一的流动性池，为多个基础事件及其组合提供连贯的定价。核心理论证明，在重复交易下，系统动态会收敛到一个唯一固定点，该点对应于模型类别内对真实联合分布的最佳近似。研究表明，参数误差在稳态下有界，定价误差和市场做市商的总损失受此参数误差控制，且最多随基础市场数量呈二次增长。实证分析表明，该设计在模拟和历史数据回测中均能实现预期效果。
预测市场自动做市联合合约信息聚合流动性
econ
03-25 00:00
本文证明了在存在未知依赖删失或非参数依赖结构的竞争风险模型中，只要满足排除性约束，协变量边际效应的比率是可识别的。这意味着即使删失机制被错误设定，常用的（半）参数模型（如Cox比例风险模型、加速失效时间模型）仍可用于估计相对协变量效应。研究引入了多个非参数估计量，并分析了其数值性质，为实证分析提供了更稳健的工具。
非参数回归依赖删失竞争风险识别性单指标模型生存分析
econ
03-25 00:00
本研究提出了一个统一的理论模型，用于在单一框架内识别和检验一系列概率更新偏差。该模型通过聚焦于信念分布的更新（而非单一信念点）实现了偏差的分离识别。在实验室实验中进行模型估计后发现显著的个体异质性：所有被检验的偏差均存在，并在个体间呈现出系统性的共现模式，其中动机性信念偏差（乐观与悲观）和序列相关偏差（赌徒谬误与热手谬误）是驱动有偏推断的关键因素。在群体层面，多数偏差会相互抵消，但基础比率忽视仍是一个持续存在的影响。本研究为探究相互冲突的偏差之间的联系，以及更新偏差与其他行为现象之间的关联，提供了方法论工具包。
信念更新认知偏差行为经济学实验经济学概率推断个体异质性
econ
03-25 00:00
本研究基于O环生产理论，首次构建了人工智能工业脆弱性指数（AIIVI），用于量化评估基础模型产业在半导体、能源、人才、资本和数据等关键投入要素上的系统性风险。面对行业数据不透明和技术快速迭代的挑战，研究采用经过验证的人机协同方法，利用大语言模型从分散的灰色文献中系统提取指标，并对所有输出进行人工核验。对六家领先基础模型开发商的分析显示，AIIVI高达0.82，表明产业处于极度脆弱状态，其中计算基础设施（0.85）和能源系统（0.90）是主要驱动因素。研究发现，当前产业政策虽聚焦半导体产能，但能源基础设施正成为新兴的硬性约束。
人工智能产业系统性风险o环理论脆弱性指数能源约束人机协同方法
econ
03-25 00:00
本文针对非线性面板数据模型中的交互固定效应，提出了一种计算高效的新估计方法。该方法通过核范数正则化将原高维非凸优化问题凸化，获得参数的初步估计，再以此初始化标准梯度下降法，从而有效求解全局最优解。该估计量与现有理论框架下的固定效应估计量渐近等价，但避免了直接求解高维非凸问题，使得在大规模非线性面板中的实际计算变得可行。研究者可结合现有推断理论进行置信区间构建与假设检验，并已有配套R包支持实证应用。
面板数据交互固定效应核范数正则化计算效率非线性模型高维优化
econ
03-25 00:00
本研究阐明了因果推断中Riesz回归与密度比估计（DRE）的等价关系。作者首先证明Riesz表示子可写为一个带符号的密度比，进而揭示Riesz回归的目标函数与最小二乘重要性拟合准则完全一致。这一等价性使得Riesz回归这一适用于广泛表示子估计问题的方法，能够直接借鉴DRE领域的现有成果，包括收敛速率分析、基于Bregman散度最小化的推广，以及对神经网络等灵活模型的正则化技术。
因果推断密度比估计riesz回归平均处理效应表示子估计机器学习
econ
03-25 00:00
本文构建并验证了动物福利与政策风险指数（AWPRI），这是一个涵盖2004-2022年间25个国家的综合风险指数。该指数由15个变量构成，分为三个等权重的概念层：当前福利状况、政策轨迹和人工智能（AI）放大风险。通过聚类分析、主成分分析和敏感性分析验证了其稳健性。研究发现，在控制国家和年份固定效应后，被识别为高AI治理风险的国家，其AWPRI得分比低风险国家高0.080分（$\beta = 0.080, p < 0.001$）。2022年数据显示，AI放大风险层（L3）的平均得分最高（0.552），显著高于其他两层。中国、越南和泰国的综合风险得分最高。基于ARIMA模型的预测表明，泰国、巴西和阿根廷到2030年面临AWPRI风险恶化。
动物福利政策风险人工智能治理跨国指数面板数据风险预测
econ
03-25 00:00
本文研究了基于矩的模型中Cressie-Read幂散度估计的有限样本行为。研究将幂参数视为决定损失函数、塑造目标函数曲率并影响有限样本性能的超参数。通过二阶渐近分析，发现该参数同时影响结构估计量和相关的拉格朗日乘子，从而控制估计的稳健性、偏差和对抽样变异的敏感性。蒙特卡洛模拟表明，估计器性能随幂参数的选择和基础分布特征而变化，这对二阶偏差和覆盖失真具有实际意义。基于Owen经典例子的实证分析强调了调整幂参数的实践相关性。
矩估计幂散度有限样本超参数广义经验似然二阶偏差
econ
03-25 00:00
本文研究了高频金融市场中，针对突发新闻（Breaking news）的动态熔断机制对价格发现过程的影响。研究指出，在宏观经济基本面信息发布后立即触发的交易暂停，会使得传统的非参数跳跃估计量失效，从而难以准确推断新闻的价格影响。为此，作者开发了一种基于回归的检验方法，用于评估基本面定价，该方法考虑了非零的过渡时间。对CME E-mini S&P 500期货的实证分析表明，突发新闻常伴随着对基本面定价的系统性偏离，主要表现为价格超调。研究揭示了监管权衡：简单透明的熔断规则虽具吸引力，但其代价是阻碍信息被即时定价，可能引发不利激励和市场扭曲。
高频交易熔断机制价格发现市场微观结构监管政策金融计量
econ
03-25 00:00
本研究在代理人拥有选择对应而非偏好关系的框架下，探讨稳定匹配的存在性。通过弱化Chambers和Yenmez（2017）的路径独立性假设，提出了“一般非循环性”新条件。对于多对多市场，证明当选择对应满足可替代性和一般非循环性时，稳定匹配存在。研究设计了一种“增长或舍弃”算法，通过迭代扩展或淘汰合同来构造强最大个体理性集，并提供了不同于传统延迟接受算法的稳定匹配求解方法。对于一对一市场，则证明仅路径独立性不足以保证稳定性，进而引入基于替换的稳定性概念，并在满足二元非循环性条件下给出构造算法。
稳定匹配选择对应可替代性非循环性匹配算法市场设计
econ
03-25 00:00
本研究运用应用概率工具，分析了随机匹配市场中延迟接受算法下的嫉妒分布。研究精确计算了无人嫉妒的提议者期望数量，并建立了与优惠券收集问题的联系。同时，给出了无人嫉妒的提议者的渐近界。与随机序列独裁相比，虽然RSD将恒定比例的参与者分配到首选，但两种算法都恰好留下 $H_n$ 个提议者无人嫉妒。结果表明，这些明显无法改进的提议者在市场中占比趋于零。
匹配市场延迟接受算法嫉妒分布随机序列独裁应用概率市场设计
econ
03-25 00:00
本研究提出了一种扩展的合成控制方法，通过引入空间自回归面板数据模型，突破了传统方法中“稳定单元处理值假设”的限制，允许存在溢出效应。该方法不仅能估计处理效应，还能同时估计溢出效应，并采用贝叶斯马蹄先验进行正则化推断。实证应用于评估加州烟草税对消费的影响，以及量化2011年苏丹分裂对人均GDP造成的经济损失，展示了其在政策评估和事件研究中的实用价值。
合成控制法溢出效应因果推断面板数据贝叶斯推断政策评估
econ
03-25 00:00
研究发现，常见稀疏线性因子的高阶项（如平方项和交互项）在股票横截面收益中具有显著定价能力。仅从六个常用因子中选取少量高阶项构建的模型，在样本内和样本外均优于传统基准模型。该模型还大幅降低了大量“因子动物园”的阿尔法值，表明许多因子的定价能力源于其对常见线性因子高阶项的暴露。研究通过开发一种前向选择Fama-MacBeth程序来识别和排序最相关的高阶项。
资产定价高阶因子fama-macbeth回归因子动物园横截面收益
econ
03-25 00:00
本研究构建理论模型，探讨生成式AI（GenAI）对知识型组织结构和人才构成的影响。研究发现，AI的部署模式（自动化vs.增强）和层级（员工层vs.专家层）是关键变量。员工层的自动化会促使企业雇佣更少但技能更高的员工来验证AI输出，而员工层的增强则会降低入门级知识要求。专家层的部署则普遍降低入门级技能门槛，扩大知识工作的准入基础。此外，随着AI能力提升，组织的管理幅度呈现先收缩后扩张的非单调演变。
生成式ai组织架构知识经济技能需求自动化人机协作
econ
03-25 00:00
本研究首次对随机市场中均衡策略下的波士顿机制进行了渐近分析。研究发现，虽然诚实报告时63%的学生能获得第一志愿（优于文献中已知的其他机制），但随着市场规模的扩大，在相应的偏好揭示博弈的任何纳什均衡中，这一比例收敛于零。更关键的是，存在一个纳什均衡，使得学生的平均匹配结果急剧恶化：在拥有1000名学生的市场中，平均匹配排名从第7志愿（诚实报告下）恶化至第145志愿，平均排名从对数级增长转变为近乎线性增长。
市场设计匹配机制波士顿机制策略行为纳什均衡随机市场
econ
03-25 00:00
本文研究了当代理人使用可能误设的主观模型对信号进行贝叶斯更新时，其信念序列的实证可观测性。核心结论是：一个信念序列与误设贝叶斯更新一致，当且仅当其事后信念集存在一个可数划分，使得先验在每个划分单元上都包含条件平均事后信念的“颗粒”。在有限状态空间下，该条件对事后信念几乎无限制；但在无界状态空间下，它排除了尾部比先验更重的事后信念。在正态环境中，这意味着事后不确定性不能超过先验不确定性。应用表明，诊断期望与误设贝叶斯主义一致，而某些平滑诊断期望的参数化则不然。
贝叶斯更新模型误设信念动态诊断期望实证可观测性不确定性