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.

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.

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.

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.

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.

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.

当前我国外部环境发生深刻复杂变化, 在"低端分流"和"高端回流"的双重挤压下, 对中间品进口的过度依赖越来越成为制造业发展的阻碍. 本研究基于2016年世界投入产出数据库(WIOD)发布的行业数据, 测算我国制造业中间品进口依赖度作为核心指标, 系统考察机器人应用对出口产品国内增加值率的影响机制. 实证结果表明, 中间品进口的过度依赖对产品国内增加值存在显著抑制效应, 而工业自动化的实施, 尤其是机器人的应用能有效削弱此类负面关联, 该结论在多重稳健性检验中保持一致. 机制分析进一步揭示, 自动化通过三条路径实现作用: 其一, 通过标准化生产流程提升产品质量; 其二, 推动生产技术创新形成技术溢出效应; 其三, 优化生产要素配置产生劳动力替代效应. 本研究不仅拓展了机器人技术应用的经济效应研究边界, 还深化了微观视角下工业智能化对全球价值链参与质量的影响机制. 在"中国制造2025"战略背景下, 探究中间产品进口依赖对中国企业出口的影响具有重要的现实意义, 本文的研究为当前双向挤压下的中国制造业转型升级提供了实践参考价值.

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.

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.

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.

整数值广义自回归条件异方差(INGARCH)模型常以泊松分布作为条件分布, 而泊松分布无法描述过离散. 为了同时处理过离散和低离散数据, 本文研究了基于均值参数化的Conway-Maxwell泊松(CMP)分布的INGARCH传递函数模型, 即CMP-INGARCH (1,1)传递函数模型, 之后加入softplus函数作为连接函数, 提出 softplus CMP-INGARCH (1,1)传递函数模型, 这避免了线性整流(ReLU)函数在零点不可微的缺点. 本文采用自适应MCMC算法, 对参数组进行MCMC迭代采样, 对两个模型的四种干预类型进行数值模拟, 所有结果均得到了有效检测. 实例使用澳大利亚新南威尔士州Albury市1995年2月至2023年9月的犯罪数据进行干预分析, 最终结果表明新模型具有优越性.

大语言模型(LLMs) 拥有强大的自然语言处理能力, 本文系统梳理了相关领域的前沿文献, 并详细论述其为经济金融领域的文本分析带来的新研究机会. 首先, 本文介绍了GPT和BERT这两类最具代表性的LLMs及一系列经济金融领域专用的LLMs, 并阐述应用LLMs分析文本数据的基本原理. 其次, 本文从两个方面归纳了LLMs在经济金融文本分析研究中的应用场景: 一是LLMs在计算文本相似度、提取文本向量进行预测、文本数据识别与分类、构建特定领域词典、主题建模与分析、文本情绪分析等传统文本分析场景中所呈现的显著优势; 二是LLMs拥有强大的人类对齐能力, 由此开创了全新的应用场景, 即作为经济代理人, 模拟人类生成对于文本的信念或预期并进行经济决策. 最后, 本文总结了LLMs在开拓经济金融文本分析研究的新范式过程中面临的局限性以及现有研究不足, 并针对这些问题可能催生的新研究议题进行展望.

股票收益预测的准确性对投资决策具有关键影响. 随着深度学习模型的引入, 收益预测的性能得到了显著提升. 但是, 现实世界中的股票序列常常包含多种模式的异常值, 这些异常值在一定程度上扭曲了数据的关键统计指标, 掩盖了序列的真实趋势, 削弱了深度学习模型的预测能力, 严重时可能导致后续投资决策的失误. 鉴于此, 本文在考虑异常值存在的场景和梯度下降算法的学习特性的基础上, 提出了一种新颖的损失函数: 阈值距离加权损失(threshold distance weighted loss, TDW). 该损失通过为样本施加差异化的权重, 有效减少了模型对异常值的敏感度. 模拟研究和实证分析验证了该方法的预测准确性和稳健性, 证明其能够为投资组合带来稳定的正向收益, 并为实际金融投资决策提供有力支持.

在低碳转型过程中, 企业需要大量资金支持相关投资, 因此碳定价政策的有效性依赖于健全的金融市场. 然而, 现实中金融市场存在多种阻碍资金流动的金融摩擦, 导致资本和资源无法有效配置, 这些摩擦可能影响企业的投资行为, 从而削弱碳定价政策的实施效果. 本文以融资约束问题为代表, 构建了一个包含融资抵押约束机制的环境-动态随机一般均衡(E-DSGE)模型, 研究了融资约束问题对碳定价政策有效性的影响, 并探讨了相应的政策应对方案. 研究结果表明: 1) 从环境效益角度, 融资约束削弱了碳定价政策带来的“减排效应”, 抑制了企业的低碳投资, 降低了企业的减排强度; 2) 从经济成本角度, 融资约束放大了碳定价对企业的成本影响, 限制了企业的产出增长, 增加了低碳转型的整体经济代价; 3) 将碳资产抵押贷款作为碳定价政策的配套措施, 可以有效缓解融资约束对碳定价政策的负面影响; 4) 通过数值模拟, 我们发现融资约束导致碳定价政策相关成本在企业总生产成本中的占比从年均15.31%上升至19.47%, 同时使年均低碳投资规模减少约37%. 此外, 针对高碳排放企业提供更多碳资产抵押贷款可显著提高政策收益. 本文结论对于健全绿色低碳发展机制, 构建系统性的气候政策体系具有重要意义.

近年来程序化交易在A股市场兴起, 其对资本市场定价效率的影响日益受到关注. 本文以创业板和科创板公司为研究对象, 旨在探究程序化交易对企业披露季度盈余公告前股价信息含量的影响. 本文首先结合A股交易制度和投资者结构特征, 构建适应于A股市场的程序化交易指标. 在此基础上, 实证检验发现程序化交易降低了盈余公告前股价的信息含量, 即程序化交易的流动性需求策略发挥主导作用. 进一步的机制分析揭示, 程序化交易对股价信息含量的消极影响源自于提高了慢速投资者的交易成本, 以及减少了知情交易者的大额订单. 最后, 研究发现程序化交易对知情交易者存在“挤出效应”的同时也减弱了噪音交易引起的股价异常波动. 本研究加深了对程序化交易在市场层面的经济后果的理解, 对我国监管机构完善程序化交易相关制度具有参考意义.

随着全球传染病病毒变种的不断涌现以及生物安全形势的日益严峻, 传染病检测的准确性和检测效率日益成为及时监控病毒传播、保护公众健康的关键环节. 然而, 由于技术限制和操作规范性等因素的影响, 检测的可靠性存在一定的挑战. 本研究针对传染病大规模检测的准确性问题展开探讨, 以新冠疫情为例, 基于贝叶斯统计模型计算了核酸“单检”和“混检”的假阴性预测值, 并提出了针对不同风险地区和敏感性的最优检测策略, 包括“单检”与“混检”策略的选择、检测人数和频率的优化、定期检测间隔的调整; 另外, 针对低风险地区的男女分轮次检测方案, 计算了相应的检测精度与检测最优间隔时间. 最后, 结合本研究的测算结果, 我们给出了有关传染病大规模检测的政策建议, 旨在为传染病的有效防控提供科学依据和政策支持.

自资本资产定价模型提出以来, 资产回报的风险收益关系一直是学术研究的重点问题, 但当前关于CAPM模型有效性的争论仍在继续且结论并不统一. 本文在已有研究的基础上, 综合考虑中国A股市场隔夜与日内时段在交易机制、交易特征和投资者类型等方面的差异, 创新性地将整日时段分解为隔夜和日内两部分, 并采用分组构建投资组合及Fama-MacBeth回归分析手段, 分时段检验了Beta系数代表的系统性风险与个股收益间的关系, 得出了时段异质性对A股市场风险-收益关系检验的影响. 实证结果表明: 整日时段和日内时段Beta系统性风险与收益正相关, 而这一现象在隔夜时段并不存在, 甚至会表现为一定的高风险-低收益现象. 即已有基于整日回报计算的A股市场风险收益关系主要揭露了市场主要交易时段的表现, 未能揭示集合竞价阶段个股系统性风险无法在价格中有效反馈的现象, 本文研究有效补充了这部分内容. 进一步, 本文研究发现, 整日和日内时段正向的风险-收益关系在市值较小、流动性较差及具有高特质风险的股票中更为显著, 市场中投资者情绪变化和套利限制指标对这一结果也具有显著影响. 此外, 本文结果在基于不同因子模型调整、不同Beta测度方法和各类子样本检验中均稳健存在. 本文研究对于投资者进一步认识CAPM模型、了解风险收益关系在不同时段的表现和完善风险-收益评估框架具有重要意义, 研究结论有助于监管者完善相关政策和定价机制, 实现我国A股市场系统性风险的有效衡量.

本文探讨由银行与非银行金融机构发展与使用的两种金融科技创新对我国A股上市公司舞弊行为的影响. 基于2011年至2020年的面板数据, 研究结果表明, 两种金融科技均能通过增强企业内部控制水平与外部关注水平来抑制企业舞弊. 异质性分析表明, 两种金融科技的抑制效应在数字化转型较高、信息披露较低的企业中更为显著. 另外, 由于金融科技研发者的经营条件、策略、目标不同, 银行金融科技的抑制效应在所有企业中显著, 而非银行金融科技的抑制效应则仅在高风险企业中显著. 区分企业舞弊类型时, 两种金融科技对信息披露类、资金使用类以及其他类舞弊行为造成了显著的抑制效应. 本文进一步分析发现银行金融科技与非银行金融科技的应用效果之间存在复杂的互动关系. 具体地, 银行金融科技的抑制效应在非银行金融科技发展较弱时显著, 非银行金融科技的抑制效应则在银行金融科技发展较强时显著. 通过同时纳入两种金融科技及其交互项, 两种金融科技在资金使用类与其他类中体现出显著的协同抑制效应. 最后, 本文的结果还表示两类金融科技的协同发展有可能会带来潜在的风险. 综上所述, 本文在识别金融科技发展对企业舞弊行为影响的基础上, 凸显了不同类型金融科技的“共性”特征与“个性”差异, 强调银行金融科技和非银行金融科技之间潜在的未来合作机会, 并指出金融科技发展过程中的潜在风险.

创业是缓解社会就业压力的关键手段之一, 也是保障经济中高速增长的长期动力. 数字普惠金融的深入发展激发了创业活力, 但其是否能够有效提高创业质量仍是值得探究的话题. 本文利用中国家庭金融调查(CHFS)数据研究发现, 数字普惠金融对于提升家庭创业绩效具有积极影响. 进一步分析表明, 优化创业外部环境, 包括改善地区信用环境、提升地区创新水平以及推动市场一体化进程等, 是数字普惠金融提升家庭创业绩效的重要途径. 此外, 基于创业主体特征以及地区特征的差异性, 本文发现数字普惠金融对创业绩效的影响在中高金融素养家庭、异地家庭及更发达地区家庭中效果更加显著. 本文研究对于进一步推动数字普惠金融发展, 更好地提升创业发展质量具有一定的参考意义.

在金融科技发展的背景下, 本文从金融大数据复杂特征入手, 阐述了使用多源数据信息辅助目标任务的重要作用, 从多源数据的角度解释了迁移学习技术对处理数据异质性的重要性, 并对迁移学习技术相关概念和方法进行梳理和综述, 包括数据驱动和基于模型的迁移学习方法. 此外, 本文提出了基于广义矩估计(GMM) 的迁移学习方法的统一框架, 给出有效的迁移学习的算法, 并将所提出方法应用于多源数据下基于风险价值(VaR)和期望分位数(expectile)的风险度量. 然后, 在银行个人信用评估场景下模拟了样本量不足和样本不平衡两种情况, 测试了三种迁移学习方法的预测精度, 并分析了筛选资源域信息对提高估计精度的重要作用. 最后, 描述了更多迁移学习在金融领域的应用场景与发展前景.

在数字经济时代, 数字货币的出现吸引了诸多投资者与研究者, 但其高波动性的价格特征, 为投资决策和风险评估提出了新的挑战. 为更准确地刻画这种特征, 本文提出基于指数衰减加权自举法的区间变量置信域构建方法, 进一步以此置信域的覆盖面积与尾部分位数作为评估数字货币市场波动率与尾部风险的新指标. 以比特币为例的实证结果表明, 首先, 相比于传统点值模型如指数加权移动平均模型, 区间变量置信域的覆盖面积能同时有效度量比特币价格的水平与极差的不确定性, 这增加了对日内价格波动的度量. 其次, 在分析尾部风险预测效果时, 相比于历史模拟法和指数加权移动平均模型预测的在险价值, 区间变量置信域生成的尾部分位数在条件覆盖率与非条件覆盖率检验上的表现更优. 此外, 本文提出的基于指数衰减加权的自举法更有效地刻画市场的非正态分布与时变性的特征. 本研究不仅为数字货币的波动分析贡献了一种新的统计工具, 而且为金融市场的尾部风险管理提供了新方法和新视角.

随着社交媒体的兴起, 其对上市公司财务透明度的影响日益受到关注. 本文旨在探讨社交媒体, 特别是东方财富股吧的发帖活动, 如何影响上市公司的财务造假行为. 借助东方财富股吧发贴数据, 通过构建关于财务造假被惩处的双变量probit回归模型, 本文发现股吧发帖数目与造假发生的概率成反比、与造假被发现的概率成正比, 即社交媒体可能起到抑制财务造假以及揭露财务造假的双重作用. 为了应对内生性问题, 本文使用了工具变量法. 进一步, 基于"造假三角(fraud triangle)"理论, 本文提出并验证了股吧发帖活动通过降低潜在造假机会和增加合理化造假难度来降低财务造假可能性的两条路径. 异质性分析揭示了负面帖子和高级用户发布的帖子在抑制财务造假方面更为有效. 本研究不仅丰富了对社交媒体如何在公司治理中发挥作用的理解, 也为监管机构如何利用社交媒体进行财务监管提供了借鉴.

随着我国劳动力成本上升以及资源环境约束的加剧, 叠加地缘政治冲突, 导致相关产业或生产环节向东南亚、南亚和墨西哥等新兴经济体转移. 其中, 印度的发展潜力备受关注, 全球产业链的"中国→印度转移模式"对中国的冲击与威胁更大. 为此, 本文构建了衡量产业向外转移对母国影响的事前量化模型, 设计了超长期、中长期和中短期三类情景, 采用反事实分析, 衡量了不同情景下印度承接中国产业转移对中国GDP和就业的影响. 研究结果表明, 我国产业向印度外移将产生巨大的社会经济冲击. 在超长期, 这一产业转移可能导致中国GDP降低15.6%, 从业人员总体收入下降16.8%, 同时减少就业人数1.1亿人, 在中长期、中短期的影响也较为显著. 分行业来看, 低研发强度和中低研发强度制造业在中短期和中长期视角下的转移对中国经济的影响都较大. 以计算机为代表的高研发制造业在超长期视角下的转移也对中国经济造成较大的负面影响. 本文的定量分析有助于预判未来产业布局变化对中国经济的冲击, 以提前布局应对策略. 结合中长期国际经济形势展望和国内区域经济、产业经济发展特征, 我们提出了三点政策建议, 为政府相关部门的决策提供科学参考.

本文利用汤森路透市场心理指数(Thomson Reuters MarketPsych Indices) 中个股层面的情绪数据和美国股票市场2010至2019年期间的交易数据, 比较分析了新闻情绪和社交媒体情绪在日度和月度两个不同时间维度下对股票定价能力的差异. 实证结果表明, 社交媒体情绪在日度层面的表现要优于新闻情绪, 而新闻情绪在月度层面对股票收益率的解释能力要强于社交媒体情绪. 具体来说, 在日度层面, 本文构建了新闻情绪因子和社交媒体情绪因子, 发现在Fama-French五因子模型下, 社交媒体情绪因子有显著的超额收益, 而新闻情绪因子不存在超额收益, 并且社交媒体情绪因子能够解释大部分日度层面的市场异象, 而新闻情绪因子无法解释日度层面的异象. 格兰杰因果检验的结果表明社交媒体情绪因子的反应速度比新闻情绪因子快3至4个交易日, 说明了社交媒体情绪因子领先于新闻情绪因子. 在月度层面, 本文发现新闻情绪因子对异象的解释能力有所改善, 而社交媒体情绪因子对异象的解释能力大幅下降. 此外, 对于波动率异象和特质波动率异象来说, 月度新闻情绪因子有较为显著的解释能力, 而月度社交媒体情绪因子的解释能力不显著.

本文基于2017年和2019年中国家庭金融调查数据(CHFS), 针对我国通勤对居民主观幸福感的影响与作用机制, 从城乡异质性、人口特征异质性角度开展了系统性研究. 研究发现: 第一, 通勤的三个方面通勤时间、通勤距离、通勤方式对于居民主观幸福感具有显著影响, 通勤时间对居民主观幸福感具有显著负向作用, 而较长的通勤距离通过提升其他方面的效用来弥补长距离通勤对居民主观幸福感的负向作用, 通勤方式中, 现阶段公共交通对于居民主观幸福感提升的抑制作用最为明显. 第二, 作用机制分析表明, 通勤时间、通勤距离、通勤方式因区域位置、个体特征的差异对居民主观幸福感影响表现出较强异质性, 在城镇地区、东部地区、高房价地区、男性居民、已婚居民、有孩子居民的分组中影响作用更强. 第三, 在进一步探讨通勤提升居民主观幸福感的外部条件中, 过度建设大桥、立交桥等并不利于提升通勤质量, 反而可能损害居民的主观幸福感.

增强机构投资者的价值投资引导力有助于资本市场充分发挥价值发现和资源配置的功能. 本文从主动管理类公募基金的持仓网络中识别基金团体, 探究基金抱团行为对股价信息融入的影响. 结果表明, 基金抱团阻碍了股价信息融入, 且该结论在经过一系列稳健性检验后依旧成立. 本文在机制检验中发现: 在投资者交易行为层面, 基金抱团一方面通过减少团体内部成员之间的竞争性交易、增加基金团体与外部其他投资者之间的信息不对称引发股票流动性恶化; 另一方面, 基金抱团吸引了大量机构和散户投资者集体性交易, 从而阻碍了股价信息融入. 在公司治理参与层面, 基金抱团削弱了“退出威胁''机制对公司管理层的市场化监督作用, 造成公司信息披露质量下降, 从而损害股票市场定价效率. 进一步地, 本文发现基金抱团引发的股价信息融入延迟在经济下行时期、基金承受较大业绩压力以及个股受关注程度较低的情况下会显著加剧. 而且, 基金抱团会诱发股价估值泡沫和崩盘风险, 为资本市场的平稳运行埋下隐患. 本文从基金团体内部的利益捆绑和共进退特性入手, 揭示了这一强网络关系限制如何通过影响投资者交易行为和公司治理参与导致股价信息融入延迟, 深化了对机构投资者网络结构复杂性及其市场后果的认知, 对于推进公募基金行业和资本市场的高质量发展具有重要启示意义.

大宗商品是工业生产和金融投资中不可或缺的组成部分, 准确的大宗商品价格预测对保障工业生产顺利进行和帮助投资者规避风险具有重要意义.但现有的大宗商品价格预测模型大多是基于收盘价构建的点值模型, 忽略了价格的波动信息.因此, 本文从区间价格预测的角度出发, 提出了一个带有外生变量的门限自回归条件异方差区间模型(HTARIX), 构建了一个基于区间型数据的检验统计量来检验模型是否存在条件异方差, 进而提出了广义最小$D_K$距离估计求解模型参数, 并将其应用于大宗商品市场.HTARIX模型的优势在于能够捕捉区间型时间序列模型的条件异方差和非线性特征.相比于传统的点值数据模型, 我们的方法能够更加充分地利用区间的内部信息.实证结果表明, 本文提出的模型在大宗商品区间价格预测上的表现优于其他对比模型.

本文从环境规制软约束的视角研究环境规制对经济可持续发展的影响.我们构建了一个以绿色创新投资门槛效应为基础的理论模型, 首次将环境规制软约束引入波特假说的理论框架中, 分析环境规制和环境规制软约束如何影响企业的创新和竞争力.利用2007-2014年中国工业SO₂排污费征收标准调整这一准自然实验, 本文综合利用中国工业企业数据库、中国上市公司数据和国家重点监控企业排污费数据, 基于双重差分和三重差分模型, 研究环境规制和环境规制软约束对企业竞争力的影响.研究结果显示, 在经济转型时期的中国, 环境保护和企业竞争力存在实现双赢的可能.面对相同的环境规制政策, 波特假说是否可以实现受到环境规制软约束的影响.当企业面临环境规制软约束问题时, 企业竞争力显著下降.通过进一步分析, 本文发现环境规制软约束问题抑制了环境规制的创新激励.由于环境规制带来成本的增加, 最终导致企业竞争力的下降.当较少存在环境规制软约束时, 环境规制反而激发企业显著的创新效应, 并通过创新补偿效应显著提升了企业的盈利能力.

为贯彻落实习近平总书记关于“提升国家自然科学基金资助效能”的重要指示精神, 国家自然科学基金委员会管理科学部组织开展了一系列调研活动, 系统分析杰青、优青人才项目的资助效能.设计并发放了556份调查问卷, 参与座谈专家233人次.我们利用变异系数法、双重差分法、自然语言处理等统计方法对调研数据进行量化分析.调研数据统计发现: 与优青等人才项目相比, 杰青的综合资助效能相对较高, 立项后其学术成果、学术影响力均有大幅度提升; 杰青优青等人才项目的资助效能存在异质性; 从年龄上看, 42岁前获杰青资助的学者, 其综合资助效能会有更大提升.基于调研分析, 提出了人才项目要“强化过程管理与结题管理”等建议.

以ChatGPT为代表的大模型是通用生成式人工智能技术的一大突破, 不但对人类生产方式、生活方式与思维方式产生深刻影响, 也正在推动经济学研究范式的变革. 大模型是大数据与人工智能催生的一种新的系统分析方法, 适合于研究复杂人类经济社会系统. 本文首先讨论ChatGPT与大模型的主要特征以及发展范式, 特别是大模型如何破解“维数灾难”的方法论原理, 然后详细探讨ChatGPT与大模型将如何影响经济学研究范式, 包括从理性经济人假设到“人机结合”的人工智能经济人, 从孤立经济人假设到其行为可测度的社会经济人, 从宏观经济学和微观经济学的分离到两者的融合, 从定性分析和定量分析的对立到两者的统一, 从长期流行的经济学研究“小模型”范式到“大模型”范式, 以及计算机算法作为经济学日益重要的研究范式与研究方法等. 最后, 指出包括大模型在内的人工智能技术作为经济学乃至社会科学的研究方法的局限性.

混合性(Mixing) 在时间序列和空间计量经济学研究中起着重要的作用, 许多时间序列文献都假设其模型中的变量服从混合过程. 然而, 目前尚无关于判定空间计量经济模型所生成数据是否满足混合性质的准则. 基于Doukhan (1994)的思想, 基于若干常见假设, 我们建立了一系列准则, 用于判定不规则格点上的线性空间过程是否满足$\alpha $-混合性. 我们将这些准则应用于建立由空间自回归模型、空间误差模型、矩阵指数空间模型以及基于潜在被解释变量的空间计量经济模型(例如空间样本选择模型) 所生成被解释变量的$\alpha $-混合性质. 利用$\alpha $-混合性质, 我们建立了Flores-Lagunes et al. (2012)提出的空间样本选择模型的估计量的大样本性质.

在政治、经济和科技等多种因素的影响下, 全球价值链正在经历深刻调整. 美西方和印度自身正在积极出台一系列产业政策, 引导印度成为新一轮国际产业转移的承接地. 本文构建了一个定量评估框架以衡量一个国家/地区承接国际产业转移的前景, 并围绕印度开展了案例研究, 补充了现有研究的不足. 总体来看, 莫迪政府实现“印度制造”取代“中国制造”可谓道阻且长. 印度潜在优势的6个行业包括食品、饮料和烟草制造业, 基本金属, 纸制品及印刷业, 其他非金属矿产品, 其他运输设备, 计算机、电子及光学设备. 其中, 食品、饮料和烟草制造业, 纸制品及印刷业和其他非金属矿产品可能会率先承接中国对外产业转移. 越南、泰国和保加利亚在食品、饮料和烟草制造业, 越南和马来西亚在纸制品及印刷业, 以及越南、马来西亚、泰国和保加利亚在其他非金属矿产品上, 具备和印度竞争的能力.

宏观审慎政策的目标是维护金融稳定, 本文首次提出利用计量方法在Rubin因果效应框架下对现代宏观经济政策评估进行模型量化评估了中国2007--2020年宏观审慎政策对金融稳定的影响效应.首先, 本文构建了能反映中国宏观审慎政策实施强度的宏观审慎政策指数; 其次, 采用Brownlees and Engle (2017)提出的系统性风险指数SRISK测度了中国的系统性金融风险; 最后, 评估了宏观审慎政策对系统性金融风险、系统性金融风险跨部门传染以及信贷传导渠道中重要中间变量的影响效应.研究发现, 宽松性宏观审慎政策会加大信贷渠道中间变量的风险, 这些风险主要传导至房地产部门, 导致房地产部门SRISK显著提升, 而对金融部门系统性风险的累积影响并不显著, 风险也没外溢至制造业部门.紧缩性宏观审慎政策除了会显著提高商业银行资本充足率同比增速外, 对信贷渠道其他中间变量基本无显著影响, 进而对金融部门、房地产部门及制造业部门的SRISK也无明显趋势性影响. 基于以上结论, 本文建议应进一步深化系统性金融风险测度指标的研究, 为宏观审慎政策的制定与实施提供更全面、更系统的靶向目标; 其次, 需充分考虑监管套利的影响, 疏通宏观审慎政策传导渠道, 健全传导机制, 提高调控效率; 最后, 应重视系统性风险的跨部门传染, 从更广泛的角度关注金融稳定, 以避免跨机构、跨部门间的风险传染对金融稳定造成不利影响, 进而更好地防范系统性金融风险.

完善和发展绿色金融体系是实现碳达峰与碳中和目标战略下的重要一环, 研究中国证券市场中绿色激励(green incentive, GI)的存在性和显著性有利于进一步发现绿色风险补偿机制以及把握政策对市场的引导效应.与现有相关研究思路不同, 首先本文以中国股票市场环保行业板块为切入点, 从指标构造的时效性和便捷性出发, 通过经典的资本资产定价模型及行业α收益, 在不同激励因子的设置下构建了全新的绿色激励指标. 其次, 为探究绿色激励指标的性质和特点, 本文提出了一种系统的混合分析方法并进行了综合应用, 包括GI指标关于中证环保指数的因果检验分析、趋势分析和回归分析等, 全面地反映了所建指标的优势与参考价值. 最后, 对绿色激励指标的预测价值进行了实证研究与讨论. 研究结果表明, 在不同激励因子影响下构建的绿色激励指标对于环保板块指数均具备一定的趋势先行性、回归系数显著性和预测模型解释性.其结论既指出了环保指数的变化趋势仍然长期受市场对环保板块要求的绿色风险补偿影响, 同时也为跟踪和预测行业指数趋势提供了新的参考思路.

本文将Ellsberg双色球实验进行了两阶段扩展, 以检验决策者的静态暧昧厌恶程度与动态信息学习之间的联系.第一阶段为Ellsberg双色球实验的静态拓展, 旨在测试决策者的暧昧厌恶程度, 并将决策者按照暧昧厌恶程度从低到高分为四组. 第二阶段为动态实验, 允许决策者以试抽球的方式获取有关罐子中球的构成的信息, 随后再次回答Ellsberg双色球问题, 以反映信息学习对于决策的改变.我们发现, 在面对有利于暧昧前景的信息时, 暧昧厌恶程度较高的决策者更有可能对信号反应不足, 表现出对信息的低信心.

本文梳理了现代金融学研究的发展，汇总整理了1950年以来金融学在资产定价、公司金融与金融市场与经济成长关系等的理论和方法的演变，再进一步分析金融学研究的发展趋势和面临的挑战。在此基础上列出金融学发展的前沿问题，包含针对金融危机与数字货币的新货币理论、可持续金融、金融安全与气候金融等，并将防范系统性风险、拓展货币理论和普惠金融等议题列为中国金融学的机遇.

参数化影子价格分析框架被广泛应用于估计二氧化碳边际减排成本，但不同学者针对我国二氧化碳影子价格的测算结果存在较大差异，难以为政府决策提供可信赖的减排成本依据。本文首先梳理基于参数化影子价格分析框架估计二氧化碳减排成本的研究脉络，发现影子价格估计结果的差异主要源自：是否考虑了二氧化碳与其他污染物间的协同效应、生产技术差异、距离函数的显函数选择差异以及对距离函数施加约束条件的差异。基于此，本文尝试从投入和产出变量设定、生产技术构建、距离函数的显函数选择以及对距离函数施加的约束条件、影子价格推导等方面进行统一化，重点考虑了异质性生产技术、异质性技术进步和异质性减排策略等关键因素对影子价格估计结果的影响, 进而给出了一个统一的参数化二氧化碳影子价格分析框架。该统一框架旨在为二氧化碳边际减排成本研究提供一个更加科学合理的研究范式，增强相关应用研究的可比性和延续性.

本文应用2014年和2018年中国家庭追踪调查数据(CFPS), 围绕着我国电子商务发展质量对居民主观幸福感的影响与作用机制, 基于共同富裕视角开展了系统性的研究.研究发现, 第一, 电子商务的发展可以显著改善居民的主观幸福感, 并且对于后发地区居民与相对弱势群体具有补短板效应, 促进了全体居民精神生活的共同富裕.第二, 作用机制分析表明, 电商发展可以通过促进物质层面的共同富裕, 即减小城乡收入差距和降低生活成本, 改善居民的主观幸福感, 但也会通过降低城市居民与非网民的相对收入恶化其幸福感.第三, 在多种机制综合作用下, 现阶段电子商务发展质量与主观幸福感呈现出倒U型关系.最后, 跨境电子商务的发展也可以显著提高居民的主观幸福感, 在电商发展促进精神层面共同富裕的过程中发挥了锦上添花的作用.本文的现实意义在于, 既剖析了电子商务发展对人们现实生活的多重影响, 也加深了对中国居民主观幸福感影响因素的理解, 为相应政策的制订提供了启示.

创新管理与创新政策研究的科学化迫切需要系统性的分析理论与方法来支撑; 同时, 分析创新过程上游科技研发产出的科学计量学理论与方法未能满足全面分析创新过程并系统支撑创新管理与创新政策研究的需要. 这一现状必然催生一个更加综合的交叉学科——"创新计量学(Innovametrics)". 创新计量学是以整个创新系统为研究对象, 面向创新的发生与发展, 对创新系统全面分析的新兴学科。这一学科研究旨在从创新系统的视角构建分析创新过程的理论与方法体系, 实现对创新过程的系统性诊断与分析. 本文在回顾创新活动分析与创新模型同步发展基础上, 从投入(I)、产出(O)、收益(P)、转化(T)和系统(S)五个方面对创新计量学进行了分类: 创新投入计量、创新产出计量、创新收益计量、创新转化计量和创新系统计量; 从结构问题、发展问题和动力问题角度总结了创新计量学的典型研究问题与分析技术. 最后, 结合我国创新管理与创新政策实践, 对创新计量学迫切需要解决的科学问题进行了展望. 创新统计与调查数据的不断丰富必然促进创新计量学的蓬勃发展, 而创新计量学发展也使得创新管理与创新政策更加科学化. 本文构建的"I-O-P-T-S"五维创新计量学体系不但首次为创新活动的分析提供了分类体系, 而且为创新领域的研究问题设计提供了一个系统性的全过程分析视角.