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.

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.

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.

本文利用异质空间因子模型同时刻画 A 股市场中由共同因子驱动的全局相关和由空间关联驱动的局部相关, 并通过文本分析挖掘百万条财经新闻中隐含的股票间关联, 用以构造模型中衡量股票间关联强弱的空间矩阵. 我们介绍了模型框架下的统计推断方法及渐进无套利理论, 并将渐进无套利理论推广到包含不可交易因子的情景. 实证方面, 我们利用 2012–2021 年的 A 股股票和相关因子的周收益率对模型进行分析, 并将新闻关联网络与其他常用关联网络展开全方位比较. 结果表明: A 股市场局部相关性的影响具有明显的异质性, 与其他关联网络相比, 新闻关联在多个维度拥有最佳表现, 这得益于新闻文本涵盖最多的行业外关联信息, 并且信息更新速度快. 此外, 不可交易因子在 A 股市场上具有不可忽略的影响.

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.

碳不平等问题的研究对于推动社会公平与可持续发展具有深远的意义. 本文运用泰尔指数测算了城市的碳不平等, 并深入探讨了碳不平等的收敛特征. 研究结果表明: 第一, 中国城市的碳不平等表现出俱乐部收敛、空间 $\sigma $ 收敛、空间绝对 $\beta $收敛和空间条件 $\beta $ 收敛的多重特征. 第二, 绿色金融促进了碳不平等的空间 $\beta $ 收敛, 且在不同等级城市间呈现差异性. 第三, 绿色全要素生产率是绿色金融促进碳不平等的空间 $\beta $ 收敛的潜在机制. 本文为缩小城市碳不平等差距、促进城市间的协调发展提供了重要的政策启示.

人工智能作为新质生产力的核心驱动力, 其在促进工业碳减排方面正受到广泛关注. 然而, 现有研究多停留在理论定性分析和数据定量分析层面, 缺乏从生产函数出发的系统性数理分析框架, 对人工智能影响碳排放的作用机制解释相对不足. 本文创新性地应用 Acemoglu 和 Restrepo 的经典任务模型, 构建了工业人工智能影响碳排放强度的理论分析框架, 揭示人工智能技术进步如何通过任务分配机制影响碳排放. 进一步, 利用中国 2012–2022 年沪深 A 股工业上市企业的面板数据, 对理论模型进行了实证检验. 研究结果表明: 1) 人工智能显著降低了企业碳排放强度, 其减排效应主要通过减排技术效应与能源效率效应实现; 2) 能源效率效应的大小取决于人工智能资本与传统物质资本的投入结构优化, 即随着人工智能应用水平提升, 人工智能资本相对传统资本的投入比重提高, 整体能源效率随之提升. 本文为理解工业人工智能在 “双碳” 目标进程中的经济与环境效应提供了新的理论分析框架与经验证据.

基于 2002 年至 2020 年中国市级面板数据, 采用双向固定效应模型分析极端气温对商业健康保险市场发展的影响. 回归结果显示, 极端高温 (日平均气温高于 33$^{\circ }$C) 的天数增加 1 单位标准差, 将导致人均商业健康保险保费收入增速上升 3.37 个百分点; 极端低温 (日平均气温低于 0$^{\circ }$C) 天数的影响不显著. 机制分析结果表明, 健康风险和风险信念影响渠道占主导地位, 但收入波动和供给渠道的影响不显著. 异质性分析结果显示, 极端高温对健康保险市场的影响在金融市场发展程度较高、教育水平较高以及医疗服务水平较高的地区更加明显.

由于存在 “漂绿” 等现象, 绿色债券的绿色效应仍存争议. 本文以 2012–2023 年间 2975 家中国上市企业为样本, 采用多时点双重差分模型检验了绿色债券发行对企业绿色转型的影响, 并在此基础上从绿色话语权和绿色信息披露真实性的角度进行了双重验证. 研究表明: 1) 绿色债券发行能够真正促进企业绿色转型, 缓解融资约束和加强声誉激励是其中重要的作用机制. 2) 企业数字化转型的自驱力量和分析师关注、环境规制水平和企业市场势力的外部力量均能够正向调节绿色债券的 “真绿” 作用. 3) 异质性检验发现, 绿色债券对不同地理区位、生命周期、行业污染属性、所有制和融资结构的企业均表现出一定的正向效应. 进一步的差异性检验发现, 行业污染属性和企业所有制两个维度的组间差异具有统计显著性, 绿色债券对高污染企业和国有企业的激励作用更为显著. 为此, 提出完善绿色债券发行的顶层设计, 加强企业环境信息披露, 实行差异化发行策略等对策建议, 为绿色债券进一步支撑企业绿色全面转型提供决策参考.

“双碳” 战略下, 我国碳市场与商品期货市场间系统性风险防控是维护金融稳定的重要议题之一, 然而现有研究仅关注二者间的低阶矩风险溢出效应, 且鲜有文献对其关键驱动机制展开研究. 鉴于此, 文章首先构建 “碳-商品期货” 高阶矩风险溢出测度框架, 测度二者间的动态时变溢出指数. 在此基础上, 进一步集成 SHAP 算法与前沿机器学习模型, 深入探究各影响因素对碳-商品期货市场间高阶矩风险溢出效应的驱动机制. 实证结果表明: 碳-商品期货市场间高阶矩风险溢出效应呈现显著的时变特征, 峰度溢出效应的波动性最强. 金融市场波动性指标对风险溢出效应起关键驱动作用, 其中原油市场波动在波动溢出中的影响力达 32%, 欧盟碳市场波动对偏度溢出的贡献达 37%, 原油市场波动对峰度溢出的贡献达 28%. 各驱动因素对风险溢出的作用机制呈现明显非线性特征, 即经济政策不确定性超越临界阈值后引发风险溢出显著攀升, 而气候政策不确定性则表现为负向非线性影响. 此外, 各驱动因素间存在着显著的交互作用, 尤其是金融市场波动性指标间的协同效应最为突出, 并且会加剧跨市场风险传染.

本文基于中国高科技企业的微观数据, 研究了美国加大高科技出口限制对中国高科技企业的影响, 分析了我国实施的货币政策与财政政策的应对效果. 研究显示: 美国的高科技出口限制政策通过限制芯片出口、限制工业母机出口、限制高端制造技术输出等渠道对中国高科技企业产生了负面影响; 实施财政政策 (以国家集成电路产业投资基金为代表) 和结构性货币政策 (以科技创新再贷款、设备更新再贷款、普惠小微贷款支持工具为代表) 可以积极应对美国高科技出口限制政策的负面影响. 政策建议是关注美国高科技出口限制政策的新变化, 加大高端芯片、工业母机和高端制造技术的研发与国产替代, 加大国家集成电路产业投资基金等财政政策支持我国高科技企业发展的力度, 实施结构性货币政策精准促进高科技企业的发展.

新质生产力作为符合新发展理念的先进生产力质态, 以创新为主导作用, 能够赋能新基建与能源转型协同发展. 立足新型能源体系, 以我国 2013–2022 年省级面板数据为样本, 运用联立方程模型研究新基建与 “低碳-韧性” 双重视角下能源转型的相互作用, 并基于创新扩散理论, 运用双向固定效应模型、调节效应模型和空间杜宾模型等探究新质生产力对新基建与能源转型协同发展的影响. 研究发现: 新基建对能源转型具有倒 “U” 型作用, 能源转型对新基建具有 “U” 型作用; 新质生产力对协同发展具有 “U” 型作用, 经济发展水平、低碳试点政策和对外开放水平能够消除新质生产力的 “负向” 赋能; 新质生产力可以通过 “物理 (区域协调)-事理 (产业结构升级)-人理 (创新人才集聚)” 三条路径影响协同发展; 并且新质生产力赋能协同发展具有空间溢出效应, 对于地理邻近区域存在动态的资源博弈, 对于经济发展相似区域则为利益共享机制.

数据特性与模型结构间的匹配问题是制约神经网络在经济金融预测领域应用的关键因素. 现有研究主要关注残差分析, 但在模型结构稳定性方面的探索相对有限. 针对这一研究空白, 本文提出了一种基于神经网络参数分析的新研究范式, 用以量化和评估数据与模型的匹配程度. 研究设计了一种基于网络参数的模型距离度量方法, 并建立了结合模型稳定性检验和残差检验的完整评估框架. 基于外汇市场的实证研究结果表明, LSTM 模型的稳定性与回溯期长度之间存在显著的非线性关系. 在多个评估维度中, 36 个月回溯期表现最优, 能够有效平衡短期波动与长期趋势的影响. 本研究不仅为提升神经网络预测模型的可靠性提供了新的分析工具, 还进一步深化了机器学习方法在金融领域应用的理论基础.

金融市场中信息来源多元且结构复杂, 如何对其系统整合并形成可交易的投资信号, 已成为资产定价研究与实践中的核心问题. 本文基于多源数据和金融大语言模型, 构建了一个涵盖新闻、股价、宏观分析及信号生成模块的智能决策系统, 以 2020–2024 年沪深300 指数成份股为样本, 系统评估了大语言模型生成的投资决策信号的预测能力. 首先, 根据买入、持有和卖出信号构建了三类投资组合, 净值曲线与风险收益指标分析表明, 买入信号组合的超额收益 (23.83%) 显著优于持有信号 (6.96%) 和卖出信号 ($-$15.08%), 验证了方向性信号具备有效的收益预测能力. 其次, 本文引入买入评分机制, 对买入信号进行细粒度分类并构建投资组合. 结果显示, 高评分的多头组合累计超额收益高达 99.20%, 夏普比率为 0.65, 换手率仅为 41.16%, 表明买入评分对未来收益具有显著的增量预测能力且具有一定的持仓持续性. 最后, 本文利用券商深度研究报告对大语言模型进行微调, 进一步实现了投资策略性能的显著提升. 本文系统展示了金融大语言模型在实证资产定价中的应用潜力, 验证了其在投资信号识别、策略构建及模型微调方面的有效性, 为人工智能赋能金融决策提供了可行路径.

精准预测股票市场波动对于投资组合分析、金融风险管理、衍生品定价均具有重要的理论与实践意义, 因而受到了众多学者的广泛关注. 基于主流的 HAR 族波动率预测模型框架, 本文检验了基于高频交易数据和集成神经网络所构建的 A 股市场知情交易指数对于市场日度已实现波动率的影响与预测能力. 研究发现知情交易指数是市场波动的正向预测指标, 其预测能力在多种模型设定和样本内、外检验下保持稳健, 且在市场波动剧烈、经济整体下行区间内具有更好效果. 进一步研究证实知情交易指数的加入有效提升了现有 HAR 族模型对市场波动的样本外预测精度, 完善了知情交易因素市场影响相关研究的同时对推进波动率预测建模分析具有一定的指导意义.

产业协同发展已成为经济高质量发展的重要方向, 如何在推动产业结构优化的同时保持经济平稳运行是新发展阶段的重要议题. 本文基于构建的带异常值调整的多变量不可观测成分 (MUC-O) 模型测算并分解中国经济增长趋势, 量化分析不同产业部门、产业协同与异质变动的贡献与时变特征, 并构建分解式脉冲响应函数以探究持久性冲击及异常冲击事件对经济增长趋势的影响. 研究发现: 第一, 中国经济增长趋势在逐渐回落后, 自 2022 年起出现止降回稳、稳中有进的新态势, 经济增长韧性明显增强. 第二, 各产业部门增长的共同趋势与经济增长趋势高度一致, 其变动由 “房地产业-金融业-建筑业” 产业链主导的协同机制驱动. 第三, 产业协同发展是经济增长趋势稳定或提升的主要驱动力量; 产业异质变动和第二产业是经济增长趋势回落的主要原因, 但后者在异常冲击阶段起到了关键的稳增长作用. 第四, 持久性冲击对经济增长趋势的影响会持续 2$\sim $3 年, 异常冲击的影响则相对有限, 经济增长趋势主要由前期持久性冲击的累积效应驱动. 本文可以为科学制定宏观和产业发展政策提供参考.

在央行数字货币的全球探索中, 其推广成效最终取决于公众能否形成稳定且可持续的使用需求. 本文构建结构化货币需求模型, 以计息、信用风险与支付便利性等核心属性刻画数字人民币的内生需求, 并基于中国家庭金融调查微观数据对其进行估计. 结果显示, 计息属性对潜在持有具有显著正向影响, 其利率敏感性显著高于其他设计特征, 家庭流动性资产中数字人民币潜在占比在 2.77% 至 60.89% 之间. 结合试点数据分析发现, 短期交易增长主要由消费补贴等外生激励驱动, 高存量、低流量特征表明内生需求尚未充分激活. 理论预测与实践表现的差异揭示了数字人民币采纳中外生政策与内生效用的不协调性, 为数字人民币设计与推广提供量化识别依据.

创新是推动经济增长和社会发展的重要引擎, 而城市作为创新的核心载体, 其创新活动对金融体系稳定性的影响备受关注. 本文基于 2008–2021 年中国 180 个城市的面板数据, 构建了城市系统性金融风险指标, 并运用空间计量模型实证分析了城市创新能力对系统性金融风险的影响. 研究发现: 首先, 城市创新能力显著抑制了系统性金融风险, 且这一效应在政府干预水平较高的地区更为突出; 其次, 城市系统性金融风险具有显著的空间溢出效应, 其影响在 80$\sim $180 公里范围内最为密集, 并表现出空间衰减特征. 本文不仅为理解创新与金融风险之间的复杂关系提供了新的视角, 还为城市可持续发展和区域风险协同治理提供了政策启示.

流量经济依托互联网平台将注意力转化为消费动能, 已成为推动城市可持续发展的新兴动力. 然而, 现有研究多致力于探讨数字流量有效转化的内在机理和经济效益, 对其潜在环境成本的关注相对不足. 识别并量化这种环境代价, 对于评估流量经济可持续性和优化城市发展路径具有重要意义. 本文以 “淄博烧烤” 为切入点, 基于剔除气象干扰后的日度空气污染物面板数据, 运用机器学习合成控制法分析了流量经济对城市环境污染的影响及其作用机制. 研究发现: 1) “淄博烧烤” 火爆网络期间, 淄博市空气质量指数相较于反事实平均增加 15.58%, 表明流量事件会加剧环境污染. 2)机制分析表明, 网络热度转化为城市客流量, 导致交通拥堵和机动车尾气排放增加, 造成更多的空气污染. 同时, 餐饮业态向主城区及县区核心区域集聚, 以及烧烤本身的污染排放, 也是空气质量恶化的重要因素. 3) 进一步评估表明, 这种环境污染增加的健康风险相当于带来约 0.299 亿元经济损失. 本研究揭示了流量经济在互联网爆发式传播下的潜在环境代价, 拓展了流量经济从经济效益向环境影响的学术边界, 为优化流量经济布局、推动城市可持续发展提供重要启示.

本文基于 2009–2023 年沪深 A 股上市公司数据, 实证分析以数据交易平台和公共数据开放平台上线为表征的数据要素共享对企业资源配置效率影响及作用机理. 研究发现, 数据要素共享显著提升了企业资源配置效率, 这一结论在经过工具变量法、排除预期效应、双重机器学习法等稳健性检验后依然成立. 此外, 降低交易成本和提高数字技术创新是数据要素共享提升资源配置效率的重要途径. 同时, 数据要素共享更能提高资本密集型企业、沿海地区和竞争行业企业资源配置效率. 最后, 数据要素共享不仅能提高本区域企业资源配置效率, 还对邻近地区企业资源配置效率具有提升作用, 且经济建设类数据要素共享更能提高企业资源配置效率. 本文研究结论为推动我国数字经济发展及提升资源配置效率提供了理论与经验证据.

新一代人工智能可否重构服务业全球价值链? 本文通过引入 CES 生产函数和 Dixit-Stiglitz 模型框架, 基于 2010–2024 年跨国投入产出与服务行业数据, 采用文本挖掘方法构建新一代人工智能发展水平指标, 结合《新一代人工智能发展规划》词典测算新一代人工智能发展水平, 并结合前后向关联全球价值链生产分解框架 (WWYZ2017) 探讨其对服务业全球价值链地位的作用机制. 研究表明, 新一代人工智能水平每增加 1 个单位, 全球价值链地位指数和韧性指数将分别平均上涨 0.101 个单位和 0.960 个单位. 新一代人工智能通过产业智能集聚、智能创新效能与信息透明度提升三条核心渠道, 显著驱动中国服务业全球价值链地位攀升与韧性增强. 拓展研究发现, 新一代人工智能对全球价值链地位与韧性的正向促进作用在非人工智能试验区和劳动密集型行业中表现更为凸显, 进一步分析得出, 资本、劳动与知识密集型服务业存在清晰的多重门槛约束, 对于全球价值链地位, 新一代人工智能需跨越较高的技术与资本临界值方能充分释放服务价值升级动能; 对于全球价值链韧性, 同样表现出一定的门槛约束, 只有在达到相应要素积累阈值后韧性增强效应大幅显现. 本研究为理解人工智能时代服务业的发展路径和价值升级提供了多重证据.

合成控制法作为主流因果推断法, 凭借其小规模数据适用性强、反事实透明度高、结果可解释性佳等优势, 成为近年来热门的政策评估方法. 本文首先从处理效应模型入手, 追溯合成控制法思想的缘起, 厘清方法的精神实质. 其次, 从五个维度系统梳理合成控制法的发展脉络, 包括: 基本假设放松、估计方法改进、模型结构与渐近性质、假设检验与区间估计以及新兴主题. 在此基础上, 明晰合成控制法与其他主流因果推断方法的联系与区别. 然后, 基于合成控制法在国内外的代表性应用, 分析其在具体实践中的适用性与有效性, 并总结研究中使用此政策评估工具的两大主要原因, 一是估计个体处理效应, 二是允许个体异质性和未观测时变混杂因素存在. 最后, 从理论和应用视角, 展望合成控制法的发展方向.

气候变化的日益严峻使得气候政策调整也愈发频繁, 气候政策的不确定性给企业生产经营带来了新的风险. 本文以 2007–2021 年中国 A 股上市工业企业作为研究样本, 深入探究中国省级气候政策不确定性与企业绿色全要素生产率 (GTFP) 之间的内在联系. 研究表明, 气候政策不确定性能够对企业 GTFP 产生显著的负向影响, 且该影响在国有企业以及规模较小、内部控制质量较低和分析师关注度较低的企业中尤为明显. 同时, 气候政策不确定性会通过提高融资约束、增强环境规制和降低绿色投资来抑制企业 GTFP 的增长. 研究发现提高企业风险承担能力可以有效缓解气候政策不确定性对企业 GTFP 的抑制作用. 本文的研究结果为政策制定者构建合理的气候政策体系以引导企业绿色转型提供了有益参考.

污染企业加快实现绿色转型是中国实现 “双碳” 管控目标和高质量发展的重要突破口. 鉴于当前中国污染企业较低的绿色技术创新积极性, 如何更好地推进绿色信贷政策发展, 激活污染企业绿色技术创新活力已成为学界和政府关注的热点. 本文以《绿色信贷指引》政策为切入点, 基于企业微观数据, 使用广义随机森林算法考察绿色信贷实施对污染企业绿色技术创新的政策效果. 研究发现, 污染企业绿色技术创新水平在政策实施后整体下降. 异质性分析表明: 1) 政策效应在不同污染企业间存在显著且非随机的异质性, 其分布系统性地关联于企业内在禀赋与外在市场以及制度环境三维度; 2) 各维度因素对政策效应的影响呈现出复杂的多维交互特征. 在中国实现高质量发展、把握世界发展新机遇背景下, 对绿色信贷政策实施效果的深入探讨可以为差异化政策提供依据, 为后期政策优化提供理论和实证支持.

本文评估了大语言模型在经济问题中的推理与思维能力. 经济推理需要模型具备概念理解与关联能力、基础数值推理能力和结构化综合推理能力. 通过构建基于比较优势理论、有效市场假说和囚徒困境的扰动测试集, 测试了大语言模型的经济推理能力. 实验发现, 大语言模型在面对反直觉情境、叙述顺序变化、人名替换或信息类型变化时, 其推理准确率显著下降, 表现出对表面文本模式的依赖, 而非真正的逻辑推理. 研究结果表明, 当前的大语言模型在经济推理任务中尚不具备稳健的推理能力, 容易受到文本表层特征的干扰.

本文使用 2008–2022 年沪深 A 股上市企业数据, 结合企业年报中的数字化披露内容以及数字化投入指标对数字化转型水平进行测度, 从信息披露以及实际创新的视角考察了经济政策不确定性对企业数字化转型的影响效应以及作用机制. 实证结果表明: 随着经济政策不确定性的上升, 企业的数字化披露以及数字化实际投入均显著提高, 即企业的数字化转型策略具有 “多言多行” 的特征, 该结论经一系列内生性检验以及稳健性检验后依然成立; 机制分析结果表明, 经济政策不确定性通过 “人力资本效应” “外部关注效应” 以及 “行业竞争效应” 提升了企业数字化转型水平; 异质性分析结果显示, 经济政策不确定性对于企业不同类型的数字技术应用水平的影响存在差异, 且经济政策不确定性对于数字化转型的促进效应在非国有企业、具有技术管理层的企业以及高新技术企业中更加显著; 进一步研究发现, 企业的数字化转型行为还兼具风险规避效应以及同群效应. 因此, 在不确定性常态化背景下, 企业应积极开展数字化转型以规避风险, 增强企业韧性; 政府应稳定市场对未来的预期, 降低不确定性对企业创新活动的不利影响.

随着生成式人工智能技术的蓬勃发展, 企业年报的阅读者也从人类读者拓展至人工智能 (AI), 年报可读性传统测度方法的局限性日益凸显. 本研究从长文能力、表格解析、其他因素三个维度出发, 利用随机抽样问答与随机森林模型构建大语言模型下的年报 AI可读性指标. 基于 2004–2023 年中国大陆境内上市公司的分析表明: 1) AI 可读性指标与传统可读性指标在时间趋势、数值分布、行业特征和地区分布上均存在显著差异. 2) 不同类型企业的 AI 可读性存在异质性表现, 且与传统可读性方向相反, 非国企、高科技行业、会计信息质量高的企业, 其年报 AI 可读性显著优于其他企业. 3) 相较于传统可读性, AI 可读性能够更有效地优化企业信息传递效率. 本研究创新性地提出年报 AI 可读性概念和测度方式, 为大语言模型背景下的年报可读性研究提供了新的研究视角与分析方法, 有利于更好地理解企业信息披露的动机和经济后果. 本研究为企业调整年报撰写范式使其更易于 AI 理解提供了启示, 也为监管者和投资者准确评估大模型下企业的信息披露水平提供了重要参考.

在全球化经济体系中, 供应链韧性对企业的平稳持续发展和国家经济安全稳定至关重要. 随着新质生产力的蓬勃发展, 本文以新质生产力的典型代表 “新能源汽车产业” 为切入点, 基于 2015–2022 年新能源汽车产业链 A 股上市公司数据, 构建了企业层面新质生产力和供应链韧性测度指标, 并实证检验了新质生产力的发展对供应链韧性的影响和内在机制. 研究结果表明, 企业新质生产力的发展显著促进了新能源汽车产业供应链韧性的提升, 在缓解内生性并经稳健性检验后结论依然成立. 异质性分析发现, 企业新质生产力对供应链韧性的促进作用在高新技术企业、中小企业以及产业链中游企业中更为显著. 此外, 本文从内部经营成本与外部交易成本两个视角探讨了作用机制, 结果表明新质生产力通过降低企业营业成本和增强企业议价能力两条渠道促进企业供应链韧性的提升. 本文的研究不仅丰富了新质生产力的理论研究, 也为企业通过新质生产力提升供应链韧性、推动高质量发展提供了有益的经验证据.

在低空经济快速发展而统计核算体系尚未完善的背景下, 准确识别其产业结构特征与经济关联效应具有重要现实意义. 本文在现行投入产出统计框架下, 基于部门拆分方法构建低空经济投入产出表, 将低空经济细分为低空制造业、低空运营业、低空基建与信息服务业以及低空配套业, 并系统测算其产业关联特征和最终需求效应. 研究结果表明, 低空制造业的影响力系数长期显著高于 1, 对通信设备、通用与专用设备、电气机械等上游高技术制造部门具有较强的拉动作用, 而低空运营业、低空基建与信息服务业以及低空配套业的影响力水平整体偏低, 其产业带动效应尚未充分释放. 四类低空经济部门的感应度系数整体处于较低水平, 表明低空经济尚未广泛嵌入国民经济的常规生产体系, 但感应度的缓慢上升反映出低空应用场景正在逐步扩展. 在最终需求层面, 低空经济生产诱发系数整体偏低, 需求结构呈现明显的投资主导特征, 最终消费需求尚处于培育阶段, 出口拉动作用相对有限. 总体而言, 低空经济体现出典型的新兴产业发展特征, 即供给侧带动能力相对较强而需求侧渗透不足, 产业整体仍处于以投资建设和应用场景孵化为主导的发展阶段. 本文的研究为低空经济的量化评估提供了新的统计基础, 也为新兴融合型产业的投入产出测度提供了方法参考.

在中国加快推进人与自然和谐共生的现代化的时代进程中, 探究数字经济对城市生态韧性的影响, 对于促进城市高质量发展具有重要的现实意义. 本文基于 2011–2021 年中国 282 个地级及以上城市的面板数据, 在从抵抗力、适应力和恢复力三个维度测度城市生态韧性的基础上, 基于 “宽带中国” 试点政策构建了多期双重差分模型 (DID), 从而系统考察了数字经济对城市生态韧性的影响及其作用机制. 研究发现, 数字经济显著提升了城市生态韧性, 其中对生态恢复力的促进效果最为明显, 并且这一结论在经过倾向得分匹配-双重差分 (PSM-DID)、工具变量法和双重机器学习 (DML) 等一系列稳健性检验后依然成立. 机制检验结果表明, 数字经济主要通过产业结构效应、金融发展效应和绿色创新效应三种传导途径提升城市生态韧性, 其中金融发展效应和绿色创新效应对于提升城市生态恢复力的效果显著优于城市生态抵抗力与适应力. 异质性分析显示, 数字经济对城市生态韧性的改善作用在东部地区、大城市和非资源型城市更为明显. 本文从城市生态韧性的视角深化了对数字经济发展的经济和环境效应的认知, 并为进一步推动经济高质量发展和生态文明建设提供了新的经验证据与决策依据.

在 “双碳” 目标与制造业高质量发展协同推进的战略背景下, 探寻制造业企业碳减排的可行路径具有重要的现实意义. 智能制造作为破解 “增长-减排” 悖论的核心引擎, 其实施与应用为制造业企业低碳转型开辟了新路径. 本研究以国家智能制造试点示范政策为准自然实验, 基于 2010–2023年中国 A 股制造业上市公司数据, 构建双重机器学习模型, 系统考察智能制造对制造业企业碳排放绩效的因果效应及其作用机制. 研究表明: 1) 智能制造政策显著提升了制造业企业的碳排放绩效, 该效应主要通过 “激发企业创新” 与 “获取政府补贴” 两条路径传导实现. 2) 异质性检验表明, 政策效应在高竞争行业、低透明度企业及高市场化地区更为显著. 3) 进一步分析显示, 政策效应在高科技行业、东部地区和中心城市更为显著, 揭示了行业、区域与城市位置间的差异. 基于此, 提出差异化政策设计、技术适配性补贴及区域协同发展等建议, 为破解 “增长-减排” 悖论提供理论与实证支撑.

基于 2011–2020 年中国 A 股上市公司样本, 本文探究了企业进行避税天堂直接投资这一重要海外投资方式对其现金股利政策的影响及作用机制. 研究发现, 避税天堂直接投资显著提高了企业现金股利支付水平和支付意愿. 机制分析结果表明, 现金股利支付不仅能够缓解避税天堂直接投资引发的代理冲突问题, 还能向外界传递业绩信号并提升分析师预测质量. 因此, 当企业进行避税天堂直接投资时, 更倾向于提高现金股利支付水平, 该结论支持了股利代理理论和股利信号理论. 进一步地, 避税天堂直接投资对现金股利政策的正向影响在国际化经营程度较高、股权制衡度较低、管理层持股比例较低的企业中更加明显. 此外, 避税天堂直接投资对企业现金股利支付水平的影响具有长期性. 本文为深刻理解避税天堂直接投资的经济后果和现金股利的发放动因提供了有益借鉴和思考.

2008 年国际金融危机以来, 如何监管影子银行成为理论与政策研究的焦点. 本文构建包含商业银行与影子银行的多部门动态随机一般均衡 (DSGE) 模型, 在厘清中国影子银行作用机制的基础上分析不同宏观审慎政策监管影子银行的有效性. 脉冲响应结果显示, 在紧缩性货币政策冲击与资本监管冲击下, 商业银行与影子银行的信贷供给呈现此消彼长关系, 表明影子银行作为商业银行监管套利的通道, 削弱了宏观调控效果. 在此基础上, 本文评估了三类资本监管政策监管影子银行的效果: 仅针对商业银行表内业务的狭义资本监管; 覆盖商业银行表内和表外业务的广义资本监管; 同时约束商业银行与影子银行的对称资本监管. 政策模拟结果表明, 从狭义资本监管扩展到广义资本监管不能有效约束影子银行, 只有实施对称资本监管才能显著提升监管指标真实性, 抑制商业银行通过表外业务进行监管套利, 从而遏制影子银行无序扩张. 本文研究为深化中国影子银行监管理论与完善中国宏观审慎政策实践提供了理论参考.

本文基于 2019–2024 年中国 A 股上市公司的股票数据及近千万股吧数据, 从网络意见领袖视角出发, 引入情绪的传染测度, 提出了投资者情绪综合测度的新方法, 并在此基础上系统地研究了投资者情绪对股票特质风险的影响. 研究发现, 投资者情绪会显著增加股票的特质风险, 该结论在考虑了行业景气度、经济政策不确定性以及中国股票市场定价因子后保持不变. 机制分析表明, 投资者情绪主要通过推高股票的流动性和交易活跃度, 驱动羊群效应等加剧市场风险. 异质性方面, 积极情绪对股票特质风险的影响更为明显; 投资者情绪对小市值规模股票和科创板股票的特质风险的影响更大. 本文为投资者情绪的测度提供了新的方法, 并为投资者情绪对股票特质风险的影响分析扩展了研究视角, 对于股票市场风险管理、引导理性投资等具有重要现实意义.

数字经济时代, 数据要素成为推动传统产业转型升级和新兴产业培育的关键. 数据要素的市场化运作方式能够破解要素约束, 促进企业新质生产力发展. 本文以数据交易平台相继设立为准自然实验, 选择 2013–2022 年沪深 A 股上市公司为样本, 对数据要素市场化建设能否促进企业新质生产力发展进行检验. 研究发现: 第一, 数据要素市场化建设能够促进企业新质生产力发展. 第二, 数据要素市场化建设通过提高企业风险承担能力、交易成本优化能力以及数字技术创新能力促进企业新质生产力发展. 第三, 数据要素市场化建设对企业新质生产力发展的促进效应在数字化转型程度较高、冗余资源较多以及商业价值创造能力更强的情况下更显著. 研究结果拓展了新质生产力的研究边界, 为政府持续推进数据要素市场化建设提供了有益参考.

本文基于公司内部资本市场 $q$ 理论, 研究 Knight 不确定性环境下单部门企业与多部门企业最优投资问题. 首先, 引入 $G$-布朗运动刻画企业生产率的动力学方程; 其次, 利用次线性下期望构建模糊厌恶型多部门公司的期望收益价值函数, 并以两个部门之间的资本存量比率和公司相对现金余额作为状态变量, 建立非线性期望下的随机控制模型; 接着, 利用非线性动态规划原理和 $G$-伊藤公式推导出满足公司价值最大化的 $G$-Hamilton-Jacobi-Bellman ($G$-HJB) 方程, 并求解出企业的支付边界、平均 $q$ 值以及部门 a 和 b 的最优投资; 最后, 利用数值模拟分析Knight 不确定性环境下单部门企业与多部门企业的支付行为和投资特征. 研究发现: 1) 单部门企业支付边界显著高于多部门企业, 并且随着 Knight 不确定性程度提高, 两类企业支付边界均提高. 2) 在低流动性状态下, 多部门企业平均 $q$ 值显著高于单部门企业, 并且 Knight 不确定性升高会导致两类企业平均 $q$ 值下移. 3) 在对称多部门企业和单部门企业中, Knight 不确定性程度增加会抑制投资, 使投资曲线平坦化; 但在不对称多部门企业情形下, Knight 不确定性程度对最优投资的影响机制会因企业的财务状况变化而发生改变.