本文系统梳理了机器学习与计量经济学的基本方法论, 探讨了整合数据驱动方法与基于模型的因果推断范式所面临的挑战, 并论证其如何为实证经济研究提供新的分析视角.
区间数据在经济金融领域中广泛存在, 相较于点值数据能提供更丰富信息, 但同时面临模型不确定性和潜在结构变化的挑战. 针对这一问题, 本文首次提出基于区间数据的时变模型平均方法 (IMA). 该方法通过最小化基于
基于 IRIOT 对 WIOT 的嵌套模型, 结合克罗内克积构建动态空间面板模型, 实证探究了双重价值链嵌入对 “先富带动后富” 的作用机制. 针对中国各省份细分制造业的回归结果表明: 1) 全球价值链嵌入扩大了经济差距, 而国内价值链嵌入可以借助产业关联, 实现对国内价值链的纵向治理, 有效弱化了经济差距的进一步扩大. 2) 双重价值链嵌入基于主动的 “空间追赶效应” 和被动的 “空间溢出效应” 推进中国制造业 “先富带动后富”, 前者作用趋强而后者趋弱. 与此同时, 国内价值链嵌入对经济差距的抑制作用在追赶效应下日渐提高, 可显著抵消全球价值链嵌入对经济差距的放大效果. 3) 针对双重价值链嵌入的空间效应分解结果表明, 由 “第三方关联” 产生的间接效应大于 “直接关联” 产生的直接效应. 空间溢出机制下, 间接作用的影响超过 65%, 即便在更具自发性的空间追赶机制下, 间接作用效果也高达 55%. 有鉴于此, 深化国内价值链体系建设, 加强省际产业关联, 充分利用溢出和追赶的动力机制, 对于推进 “先富带动后富, 最终实现共同富裕” 的中国式现代化进程具有重要的政策启示.
气候变化已经成为影响全球金融体系不稳定的新的风险源, 科学地识别和评估气候风险对金融系统的传导路径是气候金融领域的重大议题. 然而, 当前在气候金融风险建模的方法与实践应用方面仍存在诸多挑战. 本文从金融市场的气候风险特征、气候金融的风险评估方法及实践、未来重要研究方向等几个方面展开探讨. 首先, 本文对金融市场气候风险的三大特征进行阐述. 其次, 本文系统梳理了近年来气候金融风险评估的三类主流研究方法, 分析其适用场景与局限性, 总结各国央行及金融监管机构的相关应用实践. 最后, 本文指出了气候金融风险评估未来研究的重要方向, 为推动该领域的理论发展和实践应用提供参考.
股市价格的跳跃反映了宏观经济的重大变化, 是国家经济运行的重要晴雨表. 宏观政策的发布通常通过资产流动性、市场预期与投资者信心等多重渠道对股市产生影响, 因此, 政策发布对股市跳跃的影响一直是金融市场波动性研究的热点问题, 受到政策制定者、金融监管者、投资者及学术界的广泛关注. 本文构建了一个同时包含正向激励与负向抑制机制的 Policy 模型, 以刻画利好利空政策发布对股市跳跃强度的影响. 实证结果表明, 政策发布对正向跳跃的影响具有更强的持续性, 并且 Policy 模型在正负跳跃强度的预测上相较于传统不考虑政策因素的自激励点过程模型 (如 Hawkes 模型) 表现更优, 验证了政策信息在股市跳跃分析中的有效性. 此外, 研究还发现在跳跃阈值较低的情形下, Policy 模型能更充分地利用政策信息对市场动态进行拟合, 具有更好的拟合精度和稳定性. 本文基于高频数据对政策影响进行评估, 从参数估计与跳跃预测等角度分析政策对正负跳跃的不同作用, 并提出相应的政策建议.
本文构建了一个整合多源信息的分类框架, 用于估算中国平台就业者规模. 首先界定了平台就业相关概念, 并将其划分为基于云端和基于位置两类. 随后测算了 2023 年中国平台就业者的总体规模及分类规模, 在此过程中修正了因劳动力跨平台就业导致的重复统计, 并进一步区别估算了全职与兼职劳动者. 结果显示, 2023 年中国平台就业总人数已达 2.47 亿, 其中兼职人员约 1.18 亿, 全职人员约 1.29 亿 (占当年劳动年龄人口的 14.9%). 从结构上看, 云端平台就业者规模占比明显高于位置型, 且其以兼职为主, 而位置型平台就业者则以全职为主. 本研究为及时测算和动态更新我国平台就业者规模提供了基础框架, 为劳动力市场政策制定提供数据支持.
金融是国民经济的命脉, 关系中国式现代化建设全局. 本文通过对 2015 年上证 50ETF 期权市场的深入分析, 揭示了机构投资者在重大金融风险时期的期权交易行为对股票市场定价效率的深远影响. 研究结果显示, 首先, 机构投资者的期权交易在股票市场崩盘前显著放大了股票价格相对于基本面的偏离程度, 尽管在崩盘后这种影响有所减弱, 但仍持续存在. 其次, 异质信念和卖空限制导致看跌期权和看涨期权对股票市场的影响存在显著不对称性, 延迟价格对负面信息的吸收. 最后, 动态反馈与动量策略分析表明, 看跌期权市场存在正反馈效应, 但聪明投资者通过 “驾驭” 泡沫行为消除了额外的动量交易利润. 本文揭示了机构投资者在重大金融风险时期通过期权市场影响股票价格形成机制的复杂路径, 为理解中国衍生品市场和股票市场之间的联动关系提供了新的分析视角.
本文基于 2012–2022 年全球 118 个经济体的跨国面板数据, 系统研究了数字政府建设对居民消费的影响效应及其作用机制. 研究发现, 数字政府建设水平的提升显著促进了居民消费增长, 这一结论在经过工具变量法、子样本调整、增加控制变量等一系列稳健性检验后依然成立. 机制分析表明, 数字政府主要通过优化营商环境、促进非农就业和推动普惠金融发展三条路径释放居民消费潜力; 异质性分析发现, 数字政府建设对居民消费的促进作用在社会系统稳定性高、宏观治理能力强的经济体和发达经济体中的促进作用更为显著, 而在低收入经济体中, 其效应受制于社会稳定性不足与宏观治理能力薄弱, 需通过增强社会韧性、完善治理体系才能充分释放数字治理效能. 本文的研究结论为推动我国数字政府建设及促进居民消费提供了理论支撑和经验证据.
新质生产力是经济高质量发展的重要引擎, 是新时代推进中华民族伟大复兴的重要力量. 本文基于新质生产力理论内涵构建相应的指标评价体系, 采用熵值法测算出 2010 年至 2020 年中国 236 个城市的新质生产力水平, 通过构建理论模型和进行实证研究探讨了新质生产力对经济增长的影响效应. 结果表明, 新质生产力显著促进了经济增长, 且新质生产力的三个维度对经济增长促进作用存在异质性. 机制分析表明, 科技人才关注度、环境规制强度、数据要素利用水平在新质生产力促进经济增长过程中具有调节作用. 进一步分析中, 通过构建空间滞后模型对新质生产力的空间溢出效应进行检验, 发现新质生产力不仅能促进本地城市的宏观经济, 也能促进周围城市的经济增长.
高新区是国家实施创新驱动发展战略的重要载体, 也是实现经济高质量发展的推动引擎. 高新区 “以升促建” 政策的实施, 对实现科技创新和发展新兴产业具有深远的影响. 本文基于我国 2003–2022 年城市面板数据, 对高新区升级与战略性新兴企业进入的关系进行了深入剖析. 研究表明: 1)高新区 “以升促建” 政策能够显著吸引战略性新兴企业的进入, 且该结论经过一系列稳健性检验后依然成立. 2) 机制检验表明, 高新区 “以升促建” 政策通过人才聚集、数字普惠金融、政府科技支持和财税激励等机制, 对战略性新兴企业的进入产生积极的促进作用. 3) 异质性分析显示, 在人工智能发展水平较高、官员激励较强以及外资使用水平较高的区域, “以升促建” 政策对战略性新兴企业的吸引效果更显著. 4) 进一步分析表明, 高新区 “以升促建” 政策提高了区域内战略性新兴企业的全要素生产率. 本文的研究为推动高新区实现更高水平发展、加快培育壮大新兴产业提供了经验证据.
本文使用了 LM-Test 和 ABD-Test 作为跳跃识别的工具, 检验了美联储议息会议 (FOMC 会议) 对加密货币价格跳跃的作用, 本文实证结果如下: 其一, FOMC 会议召开会增加加密货币价格跳跃的可能性; 其二, 临时召开的 FOMC 会议更有可能导致价格跳跃; 其三, 小市值的加密货币比大市值的加密货币更易受到 FOMC 会议召开的影响, 产生价格跳跃; 其四, 对加密货币按用途分类研究后表明, 现金类、智能合约平台类、计算类的加密货币更易受 FOMC 会议召开影响产生价格跳跃, 稳定币、文娱类、去中心化金融类加密货币也会受 FOMC 会议召开影响产生跳跃, 但影响的显著性水平不足; 其五, 本文引入了经济不确定性程度和地缘政治风险两大环境变量, 研究了在不同环境下, FOMC 会议对加密货币价格跳跃的影响, 结果表明经济不确定性高的外部环境会加剧 FOMC 会议对加密货币价格的影响, 而地缘政治风险较高的外部环境则会降低 FOMC 会议召开的信息对加密货币资产价格跳跃的影响.
制造业与物流业深度融合发展是推动产业升级、实现经济高质量发展的必然趋势, 智慧技术为其提供了重要的资源基础和技术支撑. 然而, 目前物流行业智慧化水平仍然较低, 难以有效支撑制造业的柔性生产与服务延伸, 严重阻碍了两业融合的深度与广度. 为此, 本文从制造业与物流业双向互动视角出发, 引入流程因素, 基于改进的 TOEP-TAM 模型开展实证分析, 探索物流企业智慧技术应用的影响因素和影响机理. 研究发现: 在技术层面, 智慧技术优越性显著促进物流企业智慧技术采纳意愿, 而智慧技术安全性则抑制了物流企业智慧技术采纳意愿; 在组织层面, 物流企业组织规模实力和两业互信程度显著促进物流企业智慧技术采纳意愿; 在环境层面, 竞争压力和政府政策显著促进物流企业智慧技术采纳意愿; 流程层面, 智慧物流定制化水平显著促进物流企业智慧技术采纳意愿. 本研究为推动物流企业的智慧化转型, 促进制造业与物流业深度融合提供了重要决策支持.
官方微信公众号：计量经济学报
