大语言模型的崛起为我国智能投顾的发展注入了新鲜活力, 推动了金融科技的创新. 在此背景下, 本文构建了一个基于国内生成式语言模型框架的 AI 智能体, 并结合深度学习方法, 从情感分析、市场预测、因子指标等多个维度, 深入挖掘另类数据与传统金融数据中的股票交易信号, 进而构建了中国股票市场投资交易策略. 实证研究表明, 以国内大模型为基准的 AI 智能体具备进行量化分析的潜力, 并且在综合多维度下的投资收益会显著优于单一维度的效果. 这表明, 利用强大的自然语言处理能力与数据分析能力, 国内大模型在智能投顾中的应用前景广阔, 为量化投资的不断发展提供了新的思路和方法. 随着技术的进步, AI 智能体未来将能够更深入地理解市场动态和投资者需求, 从而为投资决策提供更具针对性的支持, 以提升整体投资收益并创造更多价值.

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.

本文初步探讨了中国央行数字货币 (CBDC) 在跨境交易中采用自动做市商 (AMM) 机制的潜在应用. 研究聚焦于通过自动做市商管理汇率波动风险的两种主要方式: 一种依赖于央行储备的直接调控, 另一种则通过市场激励实现无储备调控. 研究表明, 无储备调控机制通过设定目标区间和经济激励, 能够有效引导流动性集中并降低汇率波动风险, 同时减少对外汇储备的依赖. 这种机制也可能对市场流动性分布和价格发现产生一定影响. 未来研究可进一步探索动态市场行为、政策协调及国际合作, 以完善 CBDC 跨境交易中的汇率调控机制, 管控数字人民币跨境交易风险, 为数字人民币的国际化发展提供理论支持和实践参考.

本文开创了一种利用多个大语言模型 (LLMs) 作为异质性代理人的经济和公共政策分析新方法. 我们首先在两种不同场景下评估了主流 LLMs 解决两期消费分配问题的经济决策能力: 一种基于显式效用函数, 另一种依靠直觉推理. 不同于先前仅通过调整提示词模拟代理异质性的研究, 我们创新性地利用不同 LLMs 之间固有的分析能力差异来模拟具有不同认知特征的经济主体. 基于这些发现, 我们构建了基于多个 LLM 代理的 (multi-LLM-agent-based, MLAB) 框架, 将各种 LLMs 映射到特定教育群体及其对应收入阶层. 通过利息收入税政策案例研究, 我们展示了 MLAB 框架如何模拟政策对不同群体的差异化影响, 为经济和公共政策分析开辟了富有前景的新路径.

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.

中国制造业比重的持续下降近年来备受关注, 但现有研究尚未就中国去工业化的成因达成共识. 在两业加快融合的背景下, 产业关联服务化对制造业比重的影响不容忽视. 本文从理论和实证两个层面研究了产业关联服务化对制造业比重的影响: 理论层面, 基于生产网络模型, 论证了产业关联服务化对制造业比重的降低作用; 实证层面, 利用结构分解模型和 1981–2018 年年度序列投入产出数据, 将中国制造业增加值比重的逐年变化分解为产业关联和其他五个因素的贡献. 分解结果表明, 1981–2006 年, 产业关联对制造业比重的影响为正; 2006–2018 年, 由于产业关联出现服务化趋势, 其对制造业比重的影响由正转负, 成为该阶段中国去工业化最主要的驱动因素. 这一发现从产业关联视角对去工业化的经典理论解释形成了补充. 本文还从时变和部门两个视角深入探讨了中国的产业关联服务化. 要辩证看待产业关联服务化在中国去工业化中的作用: 一方面, 产业关联服务化是信息技术革命与全球竞争加剧背景下的客观趋势, 理论上具有合理性; 另一方面, 中国的产业关联服务化几乎仅体现为制造业投入结构中批发和零售占比的提高与服务业投入结构中金融和房地产占比的提高, 因此仍需切实推进两业的深度、双向融合, 防止经济 “脱实向虚”.

随着人工智能技术的革命性突破, 以大语言模型 (large language models, LLMs) 为代表的技术范式革新对市场风险溢出机制产生深刻影响. 技术突破性事件 (如 ChatGPT-3.5 的发布) 不仅在科技行业内部引发变革, 还通过增加对计算资源的需求, 间接影响能源行业的波动. 基于区间向量自回归模型, 本文构建区间风险溢出矩阵和总体溢出指数 (total spillover index, TSI), 采用 2022–2025 年科技行业与能源行业的股价日度数据, 量化研究了 LLMs 发展进程对科技和能源行业的风险溢出效应的动态冲击机制. 研究结果表明, ChatGPT-3.5 的发布加剧了英伟达等头部科技企业间的风险溢出效应; 随着各科技巨头官宣建设大型数据中心, 能源行业和科技行业间的风险溢出效应逐步显现; 特朗普胜选进一步推高了双市场行业内与行业间的风险溢出效应. 此外, 本文提出的 TSI 指数, 相对于基于收益率或波动率的 DY 溢出指数 (Diebold and Yilmaz spillover indices), 能够快速响应重大事件的冲击, 有效克服了基于点值波动率构建 DY 指数存在的断点问题, 从而展现出更强的稳健性.

本文利用 2012–2023 年 18 个 “一带一路” 共建国家的各项宏观经济指标, 通过构建分位数因子增强向量自回归模型 (QFAVAR) 刻画各国宏观指标的中位数和尾部分位数, 分析来自中国和其他全球性冲击对 “一带一路” 共建国家宏观经济指标的影响. 研究结果表明: 1) 中国经济政策不确定性和人民币汇率波动性的下降有利于降低共建国家物价和产出的不确定性; 2) 新冠疫情后, 中国宏观变量的加入也能更好地帮助预测 “一带一路” 共建国家的利率、CPI、工业产值、汇率的短期左尾风险; 3) 加入 “一带一路” 倡议后, 大部分共建国家的左尾和右尾风险可预测性提高, 不确定性降低. 本文的研究对于进一步理解 “一带一路” 倡议的宏观经济效应, 推动我国与共建国家更高水平合作具有一定的借鉴意义.

新质生产力理论是马克思主义生产力理论的创新和发展, 一经提出就受到了广泛关注和研究. 为了衡量当前的新质生产力发展水平, 本文从其内涵和特征出发, 综合考虑产业发展状况和政府的促进作用, 借鉴 TEI@I 方法论, 搜集了产业、劳动者、基础设施、政策基础四个方面的数据, 挖掘相关领域政策文本信息, 进一步测算出了中国 31 个省级行政区的新质生产力发展指数. 测度结果表明: 中国正处在新质生产力形成的初期阶段, 新质生产力发展水平具有一定的空间聚集性, 东西部发展不均衡. 新型基础设施建设和新型劳动者培育将是未来新质生产力发展的关键.

随着创新投入的范畴、主体、形式、方式、趋势以及因素不断变化, 创新投入的研究对象、问题范畴、方法视角会不断丰富和拓展, 创新投入要素的优化配置、高效管理与战略决策制定迫切需要建立一套体系化、科学化的计量理论框架来加以支撑. 本文构建的创新投入计量理论框架以创新过程中的创新投入为研究对象, 旨在提供关于创新投入水平、结构、因素等研究计量问题的分析思路和技术手段. 文章在阐明创新投入计量内涵及其相关研究演化的基础上, 按照计量问题属性, 从发展问题、结构问题和动力问题维度, 提出创新投入计量的关键问题及计量分析思路; 并结合创新投入管理研究进展与实践需求, 对创新投入计量的未来研究问题展望. 创新投入计量的提出与发展, 不仅拓展了创新投入配置、管理与决策的理论与方法, 而且为学术界、政策界和企业界科学理解和正确使用相关投入计量理论与方法提供了系统性框架指导.

原油价格预测对全球经济稳定与能源产业发展至关重要, 但现有单一神经网络方法在预测中存在显著局限: 增加网络深度与宽度对性能提升有限, 且容易导致过拟合风险加大和泛化能力降低. 针对这一问题, 本文提出一种基于多结构神经网络模型融合的方法, 通过构建浅层、稀疏连接和跳跃连接的多层感知机的变体网络, 利用多个结构简单的小规模神经网络进行多样化融合, 以提升预测性能. 实验结果表明, 该方法在预测原油价格序列数据时, 无需依赖复杂的单一深度神经网络, 仅通过多个结构简单的小规模神经网络的融合, 即可实现比深度神经网络更精准的预测效果.

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 $D_K$ 距离的局部二次损失函数, 动态选择时变权重, 从而有效捕捉区间数据中的潜在结构性变化. 此外, IMA 方法在权重选取准则中引入了惩罚项, 有效防止了过拟合问题, 增强了该方法的稳健性和泛化能力. 我们在理论上证明, 即使所有候选模型均存在误设, IMA 方法在选取时变权重时仍能获得渐近最优性. 实证研究将 IMA 方法应用于 COMEX 黄金期货月度价格区间预测, 结果显示 IMA 方法在区间端点、中点及范围的预测精度均显著优于现有模型选择与平均方法, 尤其在长期预测中表现更佳. 该方法通过动态权重调整, 整合多模型信息, 避免了单一模型选择可能带来的预测偏差, 对复杂动态经济金融系统分析预测具有重要参考价值.

人工智能的快速发展对行为科学的研究内容和研究范式带来了深远影响, 本文系统总结了这一变化所产生的三个前沿研究方向: 第一, 与人工智能交互过程中的人类态度行为研究以及人工智能对人类决策和偏好的影响机制; 第二, 围绕大语言模型自身行为特征和偏好模式开展的行为实验研究; 第三, 人工智能技术带来的方法论创新, 包括利用 AI 智能体代替人类被试进行问卷调查和实验研究以及基于多智能体构建动态交互系统的复杂系统研究. 文章最后讨论了人工智能与行为科学的交叉研究所面临的挑战与未来发展方向.

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.

本文提出 “宏观经济学第一章悖境”, 通过系统剖析国内生产总值 (gross domestic product, GDP) 的十一个 “测度陷阱”, 梳理并揭示其中显在和隐含的经济统计学学理. 试图打破对 GDP 统计的两大误解, 从而表明: “政治算术” 并不因其算术而简单, 社会经济意义的 “可加性” 和 “可比性” 其实很难实现; 国际统计标准往往基于本学科阶段性的认知, “带病运行” 无可避免, 从而需要深究; 经济统计学是一个需要持续深耕的基础性学科领域, 否则, 我们对 “国家显著事项” 的判断就容易出现偏误, 经济学理论本身的发展也会面临颠覆性的风险.

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.

如何测度高碳行业面临的气候转型风险, 以及如何有效识别和化解高碳行业系统性风险溢出及传染效应是当前政策制定者和学术界面临的重要课题. 本文利用企业和行业匹配数据, 基于高维时变向量自回归指数模型测算高碳行业气候转型风险冲击与行业间溢出效应. 研究发现: 高碳行业面临的气候转型风险最高, 金融业最低; 气候转型风险越大, 上市公司面临的系统性风险就越高, 并且高碳行业资产搁浅是重要的传导路径; 不同时期的政策背景下, 高碳行业对关联行业风险溢出效应出现差异化倾斜, 高碳行业的主要风险溢出对象均与自身有生产网络或者金融网络上的关联. 银行业始终表现为风险吸收角色处于风险网络中心, 并与高碳行业高度关联. 本文为政府和监管部门了解转型风险对高碳行业的影响以及行业关联情况提供依据, 并扩展了化解高碳行业的系统性风险跨行业传染研究.

改革开放以来中国创造了举世瞩目的经济增长奇迹. 对于一个具有中国特色的社会主义市场经济国家, 如何正确总结其经济发展经验, 并上升到具有一定普遍意义的经济增长理论, 需要对我国公有制经济和非公有制经济进行测算. 党的二十届三中全会提出要 “开展国有经济增加值核算”. 本文基于国家统计局正式公布的数据, 从国民经济各行业门类入手, 对以国有经济为主的公有制经济增加值和以民营经济为代表的非公有制经济增加值进行了测算, 对 1978 年以来公有制经济和非公有制经济相关历史数据空白进行了初步弥补. 本文测算结果揭示了改革开放以来中国经济的总体所有制结构和行业门类的所有制结构变化, 为进一步深入研究中国经济增长奇迹提供了重要的统计数据基础.

探究能源与金属期货间的风险溢出效应对于提升系统性风险监管质效、保障商品期货市场平稳运行等具有重要现实意义. 然而, 现有研究大多局限于低阶矩层面, 未能全面地揭示跨市场风险传导机制. 鉴于此, 本文集成自回归条件密度模型与时变参数向量自回归拓展联合溢出指数模型, 探究我国能源与金属期货市场间高阶矩以及跨矩风险溢出效应; 其次, 采用非参数分位数格兰杰因果检验方法, 研究地缘政治风险与总溢出效应之间的格兰杰因果关系. 实证结果表明: 能源与金属市场间风险溢出在不同矩下呈现显著差异, 高阶矩总溢出低于波动总溢出. 铜在波动和偏度溢出中起主导作用, 而燃料油则在峰度溢出中占据主导地位. 铜偏度、锌峰度及燃料油偏度分别主导了三个跨矩溢出效应. 动态总溢出指数与净溢出指数呈现显著时变特征, 并在新冠疫情和俄乌冲突等重大危机暴发后大幅攀升. 地缘政治风险是能源-金属溢出效应的关键驱动因素, 并且其对跨矩总溢出的预测能力明显高于条件波动与高阶矩总溢出.

金融是国民经济的命脉, 关系到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.

非洲是全球气候变化影响最严重的地区之一, 但非洲数据困境下鲜有准确评估气候变化脆弱性的方法. 本文基于 2015–2023 年 320 万新闻事件文本数据, 运用大语言模型提取气候主题新闻文本, 并基于微调的气候主题大语言模型识别气候冲击事件在经济、健康和政治等维度的影响, 构建非洲气候变化脆弱性评估指标体系, 测算了非洲大湖区国家气候变化脆弱性的时空变化特征, 并基于混频动态单因子模型检验了气候脆弱性指数的有效性, 结果表明气候脆弱性指数能显著提升对国家冲突的预测精度. 气候变化脆弱性已成为非洲国家及区域冲突的重要驱动因素. 本文提出的非洲气候变化脆弱性指数测度方法, 有助于提升国际参与对非气候合作和预测地区冲突的有效性.

数字政府建设通过政府信息公开、政府数字治理、在线政务服务以及企业外部监督四方面提升了政府的治理能力, 赋能企业信息获取、技术创新和成本降低, 对企业的 ESG 表现起到促进作用. 本文以 2012–2023 年的 A 股上市公司为样本, 以“大数据管理机构改革” 为准自然实验, 采用双重差分法考察了数字政府建设对企业 ESG 表现的影响. 基准回归结果表明, 数字政府建设能够显著提升企业 ESG 表现. 通过控制同期政策、控制所在省份数字经济发展水平、更换样本筛选方式、控制市场预期效应以及改用异质性稳健估计量等方法进行分析发现, 研究结果具有较强的稳健性. 异质性分析结果表明, 数字政府建设对数字化转型程度低, 污染程度高的企业以及非国有企业的 ESG 表现的促进作用更为明显. 进一步地, 通过机制分析发现, 数字政府建设可以通过降低企业融资约束、促进企业数字创新、降低企业制度性交易成本和代理成本等内在路径影响企业 ESG 表现. 本文为数字政府建设的积极影响提供了经验证据, 也为相关政策的制定提供了思路与启示.

充足且稳定的电力供应是企业生产的基础, 它不仅能保障本地企业的就业岗位, 而且还能吸引潜在企业进入进而创造更多的就业机会. 本文构建了一个包含电力供应的企业生产模型, 采用中国城市电力供应指数与中国税收调查企业数据, 深入考察电力供应的稳就业效应. 研究发现, 电力供应具有显著的稳就业效应, 这种效应在企业层面主要通过扩大企业生产规模 (产量效应) 和减少企业外购中间品 (中间品替代效应) 两种渠道来实现, 在地区层面主要通过吸引新企业进入, 提升本地就业容量渠道来实现. 进一步分析表明, 电力供应的稳就业效应具有地区、行业与企业异质性, 具体表现为经济欠发达地区、非高耗能行业、高电力密集度企业、中小企业与民营企业更为明显. 本文研究成果为保障企业就业, 实现我国经济高质量发展和稳就业目标提供重要的决策依据.

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 亿人, 其中兼职人员约 1.18 亿人, 全职人员约 1.29 亿人 (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.

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.

股票价格波动对股票市场的健康稳定发展至关重要. 然而, 向来在几乎所有经济学问题研究上表现优秀的计量经济学方法, 唯独在涉及股票问题上会出现局限性, 直到人工智能方法逐渐成为这一领域的应用前沿. 基于此, 本文在经济学理论研究的基础上基于不同学科的实证研究方法, 比较研究我国货币政策对股票价格的影响及其非对称性问题. 研究结果表明: 计量经济学 VAR 与 MS-VAR 模型在分析这一问题上仅具有部分理想的结果, 而人工智能方法下的 LSTM 模型则具有良好的解释能力. 货币政策对股票价格具有非对称性影响, 熊市下扩张性货币政策效果大于牛市下紧缩性货币政策效果. 此外, 物价水平上涨对股票价格的传递效应更大, 而经济衰退对股票价格的拖累更为明显. 本文为货币政策干预以及不同学科下适当方法在经济学问题上的应用提供参考.

中国不同地区的空气质量因人口密度、地理位置、气候等因素而存在差异. 针对空气污染问题, 中国政府采取了一系列严格的节能减排措施以减少环境损失. 为了更深入地理解政策对空气质量的影响, 本文提出了一种基于包含外生变量的时空模型政策评估框架, 并结合广义 Yule-Walker 估计方法, 创新性地解决了模型中的外生变量估计问题. 通过理论推导、仿真实验和实证分析, 验证了模型的可靠性和适用性. 尤其是, 在评估 2014 年 APEC 会议期间的空气质量治理政策中, 本文提供了更细致的量化结果, 揭示了政策实施在不同时间和空间上的异质性影响.

绿色创新作为高质量发展理念中 “绿色” 和 “创新” 两大主题的有机结合, 是推动我国经济发展, 提高国际产业竞争力的重要途径. 本文基于 2007–2022 年 214 个地级市的面板数据, 首先采用多期双重差分法研究低碳城市试点、创新型城市试点以及 “低碳-创新” 双政策试点对绿色创新的影响, 然后进一步比较双试点先后顺序对绿色创新的政策效应, 并深入分析试点先后顺序对不同城市区位、科教水平以及城市等级绿色创新影响的异质性特征, 最后构建空间双重差分模型探讨双试点的空间溢出效应. 研究发现: 低碳城市试点、创新型城市试点和双试点对绿色创新均具有显著的促进作用, 并且双试点的政策效应显著强于单试点, 单试点和双试点的政策效应均随着时间推移不断增强; 总体而言, 先创新后低碳对绿色创新水平的促进作用优于先低碳后创新; 双政策实施的先后顺序对绿色创新的影响存在地理区位、城市科教水平和城市等级异质性, 先低碳后创新的政策能显著推动东部地区和科教水平一般城市的绿色创新, 先创新后低碳的政策在东部地区、科教水平高和重点城市的绿色创新效应更大; 双政策试点对邻近地区和经济发展水平相似的地区存在显著的正向空间溢出效应. 研究结论丰富了双政策试点的经济效应研究, 同时为国家实现高质量发展与全面转型升级提供了重要的实证依据和政策参考.

本文以国势研究为视角, 以 “察国事、研国势、求国是” 为逻辑主线, 系统梳理了统计学的起源、构成要素及学科性质. 通过对 “察国事、研国势、求国是” 背后的数据、事实、政策这三个官方统计要素的内涵及其相互关系的阐述, 揭示了统计学作为以数据为研究对象、以事实支撑政策制定的方法论科学的本质特征. 基于大数据时代人类社会发展所面临问题的复杂化与数据型态的多元化, 提出统计学要走多学科交叉融合之路, 要重新定义相关概念、重构统计分析逻辑框架、以算法突破创新统计方法, 不断提升分析研究大数据的能力, 为国家治理、全球治理和人类社会可持续发展继续发挥其独特的作用.

教育公平是加快推进我国教育现代化、建设教育强国的根本保证, 如何缓解和消除激烈教育竞争带来的负面影响是理论与实践中缺乏研究的议题. 本文使用 2018 和 2020 年中国家庭追踪调查数据 (CFPS), 基于空间自回归模型和阈值社会互动模型, 研究我国家庭之间在教育支出上的空间溢出效应和社会互动行为. 本文先给出阈值社会互动模型选择的检验统计量, 并由数值模拟发现此检验统计量具有较好的有限样本表现. 实证研究发现, 家庭教育支出在同一省份 (或县区) 内存在显著的空间正相关性; 同省份 (县区) 其他相似家庭的教育支出每增加 1%, 家庭的教育支出增加 0.32% (0.152%), 家庭教育支出的空间溢出效应显著, 家庭间教育支出呈现 “内卷化”. 阈值社会互动模型估计结果显示, 家庭教育支出的内生互动效应在高子女教育期望家庭内部、低收入家庭内部以及高信息不对称家庭内部均显著为正, 这三类家庭容易陷入教育内卷中. 研究首次实证检验了我国家庭之间在教育支出上的空间竞争性, 本质上折射出我国教育公平性和教育资源竞争性等问题. 研究结果为教育政策制定和教育资源规划提供实践指南与管理依据.

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.

数字金融作为金融 “五篇大文章” 之一, 在提升金融服务效率、促进普惠金融发展、赋能经济高质量发展等方面发挥了重要作用. 围绕这一主题, 本文基于 2014–2025 年中英文核心数据库中的相关文献, 综合运用文献计量和定性分析的方法, 构建数字金融研究框架, 分析现有研究不足并提出未来可能的研究方向. 研究结果表明: 第一, 中文文献侧重政策导向与本土实践, 而英文文献则聚焦可持续发展与全球比较; 第二, 数字金融研究框架可通过 “衡量指标-影响因素-经济与社会效应-创新实践” 这一逻辑脉络进行系统概括; 第三, 未来研究可专注于衡量指标精细化、影响因素识别精准化、经济与社会效应全面化以及创新实践研究前沿化. 本文为进一步开展数字金融相关研究拓宽了视角, 也为在实践中推动数字金融高质量发展提供了启示.

本文将长短期记忆 (long short term memory, LSTM) 神经网络与选择性状态空间模型 (selective state space model, SSSM) 融合, 构建了选择性长短期记忆 (selective long short term memory, SLSTM) 神经网络模型, 提出了一种新的动态协方差矩阵预测方法, 并将其用于改进分层风险平价 (hierarchical risk parity, HRP) 资产配置策略. 首先, 本文构建了具有长期记忆功能和动态调整机制的 SLSTM 模型, 并设计了一种复合损失函数用于动态协方差矩阵的预测; 然后, 将预测结果应用于 HRP 以优化金融资产的配置策略; 最后, 选取金融市场主流基金产品的数据, 通过实证分析和敏感性分析验证模型的有效性和合理性. 结果表明: 1) 相比于 LSTM 模型, SLSTM 模型显著提高了动态协方差矩阵预测的有效性. 2) 复合损失函数增强了模型对协方差矩阵关键属性的学习能力, 从而有效提高了模型对协方差矩阵预测的准确性. 3) 相比于其他资产配置策略, 基于 SLSTM 模型预测协方差矩阵的HRP 策略能够获得较高的风险调整后收益.

实体企业金融化会导致企业主业弱化、创新动力不足, 甚至造成产业空心化和金融市场动荡, 是国家重点治理的对象之一. 在互联网信息时代, 公众作为企业经营的重要监督者和企业产品或服务的最终购买方, 公众关注可能对实体企业过度金融化起到治理作用. 本文利用2011–2022 年沪深 A 股上市公司的相关数据, 实证检验公众关注对实体企业金融化产生的影响. 研究发现, 公众关注通过监督压力机制和业务拓展机制抑制了实体企业金融化, 这种抑制效果在非国有、机构投资者持股比例高、财务信息质量较好和低融资约束的企业中更为明显.

欧洲中央银行每季度开展的专业预测者调查通过收集专家对通胀率、实际 GDP 增长率和失业率等关键宏观经济指标的预测结果, 以辅助预判未来经济形势, 并为宏观经济政策的制定提供依据. 在预测与决策领域, 组合专家预测值是一种广泛使用的方法. 然而, 由于专业预测者通常是基于当前所有信息对未来一年、两年的经济指标进行季度预测, 预测值往往存在滞后性, 难以准确反映经济形势的动态变化. 针对这一现象, 本文提出了一种基于偏移惩罚机制的宏观经济组合预测方法, 在损失函数中引入匹配专家预测值与历史实际值的偏移惩罚项, 同时优化组合预测的准确性和相位一致性. 实证结果显示本文提出的组合方法在通胀率、实际 GDP 增长率和失业率三个宏观经济指标预测中均优于传统的简单平均组合方法. 具体而言, 该方法对一年期预测的均方误差相对简单平均分别降低 10.3%、3.6% 和 22.5%, 两年期预测的均方误差分别降低 1.5%、2.5% 和 7.4%. 本研究引入的偏移惩罚机制, 为改进专家预测组合方法提供了新思路, 有效提升了基于专家调查的宏观经济预测精度, 对经济分析与政策制定具有实践指导意义.

本文以中国上市企业 ESG 表现为切入点, 研究资本市场信息期限导向的实体经济影响. 基于市场微观结构理论, 本文构建了一个衡量股票信息长期导向程度的方法, 以判断股票价格更多地由长期还是短期基本面所驱动. 研究发现, 在中国资本市场上, 随着股票信息期限导向的延长, 企业的ESG 表现反而呈现下降趋势. 进一步的机制分析表明, 长期导向的股票能够提升管理者学习能力, 向企业管理者提供更多关于未来基本面的信息, 从而弱化了管理者通过提升 ESG 表现规避未知风险的动机. 本文的研究揭示了资本市场同时具备监督企业行为和提供信息的双重功能, 为理解资本市场如何作用于企业的 ESG 表现提供了新的视角.

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.

财富的保值与增值是实现全体人民共同富裕的重要途径之一, 而其关键在于合理有效的投资策略. 本文基于递归单位根实时泡沫监测技术探讨了在中国股票市场上利用价格泡沫获取投资收益的可能性, 以期实现更为主动有效的投资组合管理, 为居民财富长期的保值增值提供策略指导. 实证结果表明, 泡沫信号能够有效指导基于我国股票指数与个股投资组合的投资决策, 泡沫信号后的资产超额回报率有着高均值与高夏普比率的特征. 本文进一步构建了基于股指与个股投资组合的动态泡沫交易策略, 相较于基准策略, 该策略实现了更优的样本外绩效表现, 且对基准策略实现了二阶随机占优.

重大事件冲击带来宏观经济变量的大幅变动, 使得传统参数驱动的混频动态因子模型 (PD-MFDFM) 出现了模型参数稳定性显著降低的现象, 从而严重影响到提取得到的经济景气指数的稳定性, 进而可能影响经济形势研判以及宏观政策的制定. 为解决该问题, 本文提出了一类得分驱动的混频动态因子模型 (SD-MFDFM) 并给出了相应的极大似然估计方法, 且其分布可为正态或学生 $t$ 分布. 特别地, 厚尾分布的引入可使模型通过数据驱动的方式判断宏观经济变量的异常波动是来自数据的厚尾噪音, 还是来自经济下行的信号, 该分布也可以用来处理模型参数的不稳定性, 得到稳健于极端事件的经济景气指数测度结果. 模拟研究表明, 极大似然估计在模型正确设定下表现良好, 而忽略宏观数据的厚尾特征会导致模型参数估计存在偏误, 进而出现因子估计的巨大偏差. 最后, 以中美经济数据为例, 本文将 SD-MFDFM 模型与传统方法的估计结果进行比较, 并扩展了该模型考虑了条件异方差性的情况, 结果再次证实了所提出模型的优势, 以及提取得到的宏观经济景气指数的稳定性与准确性.