当前, 以ChatGPT (chat generative pre-trained transformer) 为代表的大语言模型迅速发展, 被广泛用于股市投资算法交易、风险管理等多个领域. 这为金融投资者提供了新的决策工具和投资途径. 本文基于BERT (bidirectional encoder representation from transformers) 模型和ChatGPT构建了适用于中国股票市场的投资交易模型, 实现从财经新闻文本数据以及传统金融数据中获取交易信号. 对于文本数据, 首先抓取每日的财经新闻将其与对应的股票代码相匹配. 其次将新闻文本数据输入至训练好的FTBERT (fine-tuning BERT) 模型中, 得到每条新闻的情感倾向, 选择积极情感的财经新闻作为正的投资交易信号. 对于传统金融数据, 借助ChatGPT的高级解析能力, 对中国股票市场的历史数据进行深入分析. 通过调整prompt读取数据, 从而构造出用于股票投资的关键因子, 输出每日各股票的得分. 最终根据不同数据类型得到每日各股票的投资交易信号, 并将其作为构建投资组合的依据, 构建有效的投资策略. 实证结果表明, ChatGPT能有效判断文本情感倾向, 且经过微调后的大语言模型能有效助力量化投资, 为投资者带来超额收益. 本研究尝试将大语言模型运用于金融投资领域, 展现了其在生成股票投资信号方面的潜在价值. 随着技术的不断发展和市场环境的变化, 这种基于人工智能的投资策略将不断演进, 为投资者创造更多价值.

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.

当前，另类数据的应用为金融投资领域的学者和从业者提供了新的视角.本文构建了基于因子增广回归与深度神经网络的预测模型，实现了从财经类短视频和财经新闻等另类数据学习交易信号，并构建了中国股票市场投资交易策略.首先，将抓取的财经新闻匹配相应股票代码，并分解为文本数据和图像数据.其次，将文本数据输入文本数据学习框架，求解因子回归方程计算新闻文本得分情况；图像数据输入基于迁移学习搭建的图像识别深度神经网络模型，计算图像情绪指数和图像得分.对于抓取的财经类短视频，包含两步，第一步剥离音频数据转换为文本数据，利用训练好的文本数据学习框架计算短视频文本得分；第二步提取视频的关键帧，利用训练好的图像模型计算视频图像得分；文本得分与图像得分求和得到短视频数据得分.最后将财经类短视频得分、新闻报道的文本得分和图像得分求和得到股票投资信号，并将之作为构建投资组合的依据，制定合适的投资策略.研究结果表明，财经类短视频和财经新闻数据中包含了与股价相关的信息，能够有效预测市场变化，并为投资者带来超额收益.实证研究证实，另类数据在中国市场中具有重要影响力.通过对另类数据进行综合分析，本文为投资者提供了一个全面且有效的交易信号提取方法，有助于优化投资策略并实现更高的实际收益.

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.

本文构建了一个能够充分捕获高频数据信息、当前收益率信息以及波动率长记忆性的实时已实现EGARCH-MIDAS (RT-REGARCH-MIDAS) 模型对中国股市波动率进行建模和预测. 采用上证综合指数(SSEC) 和深证成份指数(SZSEC) 5分钟高频数据进行实证研究, 结果表明: RT-REGARCH-MIDAS模型相比其它众多竞争模型具有更好的收益率数据拟合效果, 能够更好地描述股市波动性. 利用稳健的损失函数以及模型置信集(MCS) 检验作为判断准则, 实证比较了该模型与其它竞争模型对中国股市波动率的样本外预测能力. 实证结果表明: 捕获高频数据信息、当前收益率信息和波动率长记忆性对于股市波动率预测具有重要作用; 在众多竞争模型中, RT-REGARCH-MIDAS模型具有最为优越的波动率预测能力. 进一步, 采用不同的已实现测度、不同的预测窗口、不同的MIDAS滞后阶数、不同的预测期以及样本外R²检验进行稳健性检验, 证实了该模型优越的波动率预测能力具有稳健性. 最后, 通过考察模型波动择时策略发现, 该模型能够获得相比其它模型显著更高的投资组合经济价值.

央行沟通是受到市场广泛关注的重要叙事文本，如何从高维文本中有效提取关键信息是有待深入研究的科学问题.本文将Ke et al. (2019)提出的基于文本筛选和主题建模情感提取模型运用到央行沟通测度中，具有简单透明、可复制性强的优势.结合中文文本特征和中国货币政策多工具的框架，选取多个货币政策实际干预的变动值作为监督变量进而构建央行沟通指数，并基于广义货币政策规则对未来货币政策实际干预进行预测.研究结果表明，央行沟通文本信息有助于提供额外预测能力，并且与现有文献基于关键措辞、监督词典和LDA主题模型等文本分析方法构建的指数相比，本文构建的指数对未来货币政策实际干预的预测能力更好，尤其是长期预测表现更为优越.本文从预测角度验证了央行沟通引导政策预期的有效性，提供了根据不同预测指标提取文本大数据信息的可行方案.

国内生产总值（GDP）实际增速是衡量国家经济运行状况的重要指标，但该指标以季度频率发布，相比于经济分析需求来说显得较为滞后.本文运用混频动态因子模型（MF-DFM）方法，基于大规模的月度经济数据对季度GDP实际增速进行短期实时预测，以提高经济分析的及时性.为有效提升大规模数据的利用效率，避免因子模型中指标选择的主观性，本文提出大规模数据下MF-DFM的指标选择方法，即将二元动态单因子模型的均方预测误差作为指标选取依据，能有效兼顾季月混频数据、缺失值以及“碎尾”数据等特征.实证结果表明，相比于传统的时间序列预测模型和常用的混频模型，基于二元模型指标筛选的MF-DFM在疫情前的经济平稳时期和疫情后的经济恢复时期对中国季度GDP增速均有较高的预测精度.同时，该方法对中国月度GDP实际增速的预测值与宏观经济一致指数有较高的同步性，可用于提升经济运行状况监测的时效性.本文为大规模数据条件下的经济实时监测预测预警提供了基于指标选择的新思路.

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.

随着全球贸易的发展，世界各国间的隐含碳排放转移规模不断扩大，深入了解中国在全球贸易中的隐含碳排放情况有利于中国争取更多的碳排放权并实现公平性发展.通过构建二氧化碳排放清单和多区域投入产出表，本研究定量估计全球140个国家和地区在2004年、2007年、2011年和2014年全球贸易中的隐含碳排放，并从具体行业层面进行了分析.研究发现，2004—2014年各国间的碳排放交换关系进一步加强，隐含碳排放规模同样不断扩大.2014年全球贸易二氧化碳转移量高达53亿吨左右，约占全球总排放量的四分之一.中国成为世界隐含碳排放出口的中心，承担了全球五分之一以上的贸易碳转移，而美国则成为进口中心.中国净出口隐含碳从2004年的956百万吨增加到2014年的1201百万吨，成为愈发典型的隐含碳净出口国，中国出口结构主要集中于能源密集型和碳密集型的制造业，而进口结构涉及采矿业、普通制造业、交通运输业等多个部门.为减少隐含碳排放，中国应积极主张基于生产侧与消费侧共同承担碳排放责任的核算机制，以确保中国获得公平合理的排放额度和排放权，整顿高污染行业，优化进出口贸易结构，加速低碳转型的力度，提高能源利用效率.

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.

基于时变超阈值模型和溢出指数方法构建国际股票市场尾部风险关联网络, 从大小、方向和动态性的角度考察1997–2022年间全球10个重要股票市场之间的尾部风险溢出效应, 对极端风险事件下尾部风险关联结构的时变特征进行考察, 并分析了尾部风险传染的内在机制.研究发现, 整个样本期内, 10个市场尾部风险溢出的均值达到59.79%, 呈现出明显的尾部风险跨市场传染效应, 且该效应在危机时期更为显著.美国是最大的尾部风险净输出者, 是国际股票市场极端风险的重要来源之一.中国内地市场则具有最低的双向尾部风险溢出水平, 并长期保持尾部风险净接收者的地位.中美贸易摩擦和新冠疫情暴发以后, 国际市场尾部风险联动增强, 给防范境外输入性风险冲击、维护金融安全与稳定带来了更大的挑战.国际尾部风险溢出结构也具有明显的时变特征, 平稳时期主要存在发达资本市场之间的溢出效应, 新兴市场间的尾部风险溢出效应在危机时期明显增强.最后, 经济基本面和市场传染都是国际股市尾部风险溢出效应的重要影响因素.

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.

现有研究发现引入LDA（latent Dirichlet allocation）主题模型能够提高对公司财务违规的预测效果.为了进一步探讨主体模型中主题因子预测能力的来源，本文以2008—2019年我国3，397家A股上市公司18，220份年度报告为样本，在以往LDA的基础上加入公司、经理、宏观基本面变量作为主题选择变量，加入违规标签作为情景变量，对年报信息质量进行分析并提取高质量和低质量主题因子.本文基于半监督思想的结构化主题模型（structural topic model）的实证结果表明，基于STM的财务违规预测模型优于基于LDA、词频和财务指标的财务违规预测模型，其错误分类成本降低13%以上.进一步研究发现主题因子的预测能力更多地来源于公司规模、年龄、杠杆、固定资产占比等公司特征，而非反映经理特征的有关变量.本文的预测模型不仅能够预测重大违规事件，也能在精确度较高的前提下给出覆盖率较高的违规公司或安全投资标的.本文的研究在实践上对监管机构监测违规公司和投资者构建安全投资标的池具有重要参考价值.

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.

如何提取期权隐含信息并研究其对标的股票收益的影响一直是学界和业界关心的问题之一. 现有研究主要依赖某个单一维度: 在值程度(Moneyness)或者期限结构(Maturity), 来提取期权隐含信息, 如隐含波动率、隐含偏度或者隐含尾部风险等. 如何在两个维度上同时提取隐含信息, 并且如何从众多信息中提取共同信息因子是本文的研究重点. 为解决上述问题, 本文使用了主成分分析结合机器学习的方法, 从期权波动率曲面中提取隐含信息, 并检验其对标的股票收益率的可预测性. 区别于传统方法, PCA-LASSO可以捕捉期权隐含信息的时变性, 同时提炼出不同类型信息的共同驱动因子, 因此对股票收益率具有更好的预测能力.

在后疫情时代逆全球化思潮抬头的背景下, 如何扩大居民消费规模和畅通经济内循环成为当下亟待解决的重要问题. 数字经济与传统产业的深度融合能够创造可观的“数字红利”, 是扩大内需以及实现高质量发展的关键驱动力. 本文利用中国家庭追踪调查数据库(CFPS) 与宏观数据相匹配, 构建面板固定效应模型进行估计. 研究发现: ①数字经济发展能够显著提升居民家庭消费水平和居民人均消费水平, 且具有稳健性. ②数字经济发展主要通过改善居民收入质量对居民消费水平产生积极影响. 而消费环境的优化不是数字经济提升居民家庭消费的主要原因. ③异质性分析表明, 数字经济发展对低失业率地区和以及低人力资本家庭的消费提升作用更为明显. ④从家庭消费结构来看, 数字经济发展显著提高了各类收入群体的发展型消费支出, 仅对高收入家庭的享受型支出有显著的正向作用. 本文的研究结论为进一步利用数字经济发展来释放消费潜力提供了决策依据.

上市公司的业绩说明会能够实现管理层与投资者之间的实时互动, 其管理层语调更可能“真情实感”地反映企业的真实信息, 从而有助于提高股票市场的定价效率. 本文基于2008–2020年中国A股上市公司业绩说明会的文本分析, 研究了业绩说明会语调中, 由管理层自主把控、战略决策的异常语调对股票价格延迟的影响. 研究发现, 业绩说明会管理层异常语调与上市公司股票价格延迟显著负相关. 机制分析发现, 一方面, 业绩说明会管理层异常语调能够显著预测公司未来业绩, 说明其通过具有信息增量的信号传递机制影响了股价延迟; 另一方面, 异常语调还与公司信息透明度和媒体关注度均显著正相关, 说明其通过改善公司内外部治理环境的公司治理机制影响了股价延迟. 此外, 在盈余管理水平较高、分析师跟踪较少、被研报关注度较低和民营性质的公司子样本中, 异常语调与股票价格延迟的负相关关系更加显著. 上述结果表明, 业绩说明会的管理层异常语调具有量化业绩信息以外的增量信息, 能够提高新信息被吸收、融入进股票价格的速度, 缓解股票价格延迟. 这些研究发现对提升股票市场定价效率、缓解市场信息不对称和促进我国上市公司高质量的信息披露具有重要启示.

本文研究了气候变化与中国金融系统性风险之间的关系. 首先, 本文以极端气候事件为切入点, 测试了我国银行、证券与保险行业的系统性风险对极端气候灾害的反应速度, 并评估了不同金融行业抵御极端气候灾害的能力, 结果证实了部分极端气候事件可能会加剧金融系统性风险. 其次, 通过构建非线性自回归分布滞后(NARDL) 模型, 本文分析了绿色和棕色市场股票指数表现对金融子行业系统性风险的影响. 结果显示, 短期内棕色资产风险的提高及指数的降低会显著增加金融行业的系统性风险. 但从长期来看, 棕色资产指数上升会增加银行业系统风险, 而绿色资产指数上升有助于降低证券业系统性风险, 绿色资产风险的减少会显著降低银行业系统性风险. 本文的研究不仅强调了应对气候灾害频率和严重程度增加的政策重要性, 还提出对绿色和棕色行业实施差异化的金融审慎监管建议, 以在降低物理风险的同时, 最大限度地减少气候政策实施所带来的转型风险. 这对于金融行业改善风险管理模式, 降低物理风险与转型风险对金融系统性风险的冲击具有重大意义.

本文检验了因子动量策略在中国市场上的盈利能力, 并对因子动量策略的超额收益来源给出了合理解释. 研究发现因子动量策略在A股市场可以获得显著的超额收益, 且多头端贡献了策略的大部分收益. 在考虑控制多个横截面指标, 不同的经济状态下以及使用不同的因子数量作为因子样本后, 因子动量策略的收益仍然显著. 本文进一步从行为金融学角度发现投资者情绪越低, 因子动量策略的收益会越高. 且在极端市场行情下, 因子动量策略的收益高于平稳市场. 本文为中国机构投资者根据因子动量进行市场择时的可行性提供了有力证据, 对丰富机构投资者的价值投资策略也有一定的启示.

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.

改革开放以来，中国M2/GDP长期上升却没有持续出现严重的通货膨胀、货币流通速度长期下降现象，被称为“中国货币之谜”.2008年— 2019年间，此现象更加显著.为了解释这一现象，本文根据中国的经济特征和30多种实际数据，拓展文献中研究房地产投资的模型结构，建立和校准了一个一般均衡模型.校准后的模型解释了12年间M2/GDP上升的42.27%和货币流通速度下降的49.70%.“反事实”分析表明，如果根据“十四五”规划，实现货币供应量基本匹配名义GDP增速，可以破解“中国货币之谜”，并有助于经济高质量发展.本文的主要贡献是提供了一个分析框架，可以量化房地产投资、地方政府债务等因素对M2/GDP上升和货币流通速度下降的影响.

金融科技兼具金融性、普惠性和科技性. 在新发展格局下, 扎实推进我国共同富裕离不开金融科技的支撑. 本文首先基于我国2011–2020年省际面板数据, 从发展性、共享性和可持续性三个特征维度构建共同富裕综合指数及子指数, 进而研究金融科技发展对我国共同富裕的影响效应和作用机制. 结果表明, 金融科技发展能够显著促进我国共同富裕. 进一步研究发现, 金融科技发展的覆盖广度对我国共同富裕的促进效果更为明显, 且对共同富裕的可持续性有更强的促进作用, 发展性次之、共享性最弱. 机制分析表明, 金融科技发展能够促进人力资本积累、提升市场化程度、促进流通业发展、提振居民消费, 通过畅通国内大循环助力我国共同富裕. 异质性检验发现, 金融科技发展中存在区域马太效应, 而提升创新活跃度有助于缓解金融科技的马太效应. 为此, 本文提出持续推动金融科技提质增效, 改善国内大循环的各个环节, 增强数字基础资源倾斜力度, 提升区域创新活力, 从而使金融科技更有效地发挥其效能, 为实现我国共同富裕增添动力.

本文基于上市公司2009年至2021年度包括企业董事、监事和其他高级管理人员在内的个人特征信息, 利用文本分析识别出环保背景高管, 研究其对于所在企业当年度和未来一年度ESG评级的影响.研究发现, 上市公司董监高团队具备较好的环保背景能显著提高企业当年度及下一年度的ESG评级, 这一作用受到权力效应和利益关联的影响.而且随着新《环境保护法》实施, 相对于其他企业, 有环保背景高管的企业ESG评级在2015年后有显著的提高.对ESG不同维度的分析表明, 环保背景高管对于企业ESG评级的提高主要在于环境和社会责任维度.机制分析表明, 企业环保背景高管能够通过两种途径提高企业ESG评级, 一是提高股东大会上ESG相关议案通过概率, 二是健全企业环境保护制度.基于股权、行业和历史评级的异质性分析结果表明, 环保背景高管对于企业ESG评级提高作用主要集中在国有企业、污染行业和历史评级较低的企业中.

投资者情绪与股票市场的价格变动息息相关, 所以正确理解投资者情绪对金融投资者的投资策略选择与监管部门的风险管控具有重要意义. 本文选取国务院新闻文本与金融情感词典, 首先构建一个基于粉丝加权的新闻媒体情绪区间指数, 然后建立自回归条件区间模型, 对我国股市主板市场与不同板块子市场进行预测研究. 实证研究结果表明: 1) 基于粉丝加权的新闻媒体情绪指数能够有效地反映新闻情绪, 且对我国股票市场回报产生显著的负向影响; 2) 不论在主板市场还是不同板块子市场, 粉丝加权的新闻媒体情绪指数对我国股市回报的预测效果显著最优, 为文本情感指标的构建提供了新的思路与实践; 3) 新闻媒体情绪对主板市场股票回报的预测效果随着预测步长的增加而减弱, 但对不同板块子市场股票回报的预测效果具有异质性. 研究表明基于文本挖掘的新闻媒体情绪区间指数对股市区间值回报预测具有重要作用.

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.

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.

企业创新研发活动对促进经济社会的绿色可持续发展具有重要意义.绿色信贷政策如何影响信贷资金于高碳行业内部在研发强度不同企业之间的配置尚不明朗.本研究使用2007年—2019年共620家高碳排上市公司数据，使用T检验、混合截面回归模型、双重差分模型等方法，研究了绿色信贷政策如何对研发强度不同的高碳企业的信贷融资产生差异化影响.研究发现，从信贷数量视角来看，2012年颁布的《绿色信贷指引》显著导致在高碳行业内部信贷资金更多地被配置给了研发意愿高、研发投入大的企业.尽管绿色信贷政策导致高碳行业整体的信贷规模下降，但研发投入较高的企业所受影响相对较小.从信贷价格视角看，随着金融市场的发展，相比于研发投入低的高碳企业，高研发投入的高碳企业所受的信贷优惠逐渐加大，但尚没有充足的证据说明在该过程中《绿色信贷指引》产生了显著影响.

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.

在险增长是稳增长与防风险的一个分析框架，而稳增长与防风险又是统筹安全与发展的“迷你版本”.作为宏观经济分析新范式构建的一种尝试，我们利用非线性期望理论研究经济增长均值、方差均不确定的在险增长问题，非线性期望理论的主要特点或优势在于经济增长波动的“内生刻画”、风险度量的底线思维与区间思维以及数据处理的“单向独立”等.本文的主要边际创新和贡献在于：1）理论上从经济增长G-分布满足的偏微分方程的初值条件的单调和凸凹变化给出G-顶点分布的解析和定义，由G-顶点分布给出G-在险值（G-VaR，G-Value-at-Risk）的刻画；2）阐释用G-VaR度量在险增长的区间数据思维，实证检验表明均值、方差不确定的在险增长精度最高且对经济增长的影响最为显著，给出在险增长走廊的刻画等；3）最大波动性与经济增长负相关，最小波动与经济增长正相关，经济出现负增长前滚动标准差直线上升，部分解释现有经济增长领域的“波动性悖论”等.

金融市场瞬息万变, 对于量化投资策略, 需要及时地调整和优化.融合模型可以根据市场变化动态调整模型的权重和组合方式, 实现自适应的调整和优化.基于此, 本文尝试从融合模型的角度来设计量化投资策略.本文基于LightGBM、Adaboost、XGBoost三种不同的Boosting类算法构造了三个不同的融合两层Stacking模型, 通过沪深300成分股上进行选股回测实证分析来对比择优来得到最合适的基学习模型和次级模型最佳的融合效果.实证结果表明, 三种不同的融合模型在股票市场的预测表现均优于单一算法模型, 其中表现最为优异的是基学习器为XGBoost和LightGBM算法, AdaBoost算法作为次级学习器的融合模型.在持仓数量为20只时, 平均年化收益为13.57%, 夏普比率为1.23, 最大回撤为0.48.此外该回测结果表明, 融合模型在市场波动性较大时有更好的适应性和有效性.本研究能够为投资者提供一种新的投资思路, 也对如何推动融合模型在金融实践中运用具备一定的启示意义.

黄金现货、ETF、期货等市场在维护一国经济稳定、增强国家信用、对冲金融市场波动等方面一直发挥着核心作用.最近几年，黄金价格历经多次剧烈波动.黄金现货、ETF、期货之间观察到了不同步不协同现象，加大了市场不确定性和风险.本文选取2015年至2021年黄金现货合约、华安黄金ETF、黄金期货主力合约每日收盘数据，探讨黄金现货、ETF、期货市场的动态联动及波动溢出效应.首先，构建MS-GARCH模型，研究三市场波动及区制转变关系；然后借助DCC-GARCH模型进一步探究三个黄金市场彼此之间的动态联动关系；最后使用溢出指数模型测度三市场间的波动溢出效应.结果表明：1)三市场一体化程度较高.DCC-GARCH模型表明：三市场收益率动态相关性绝大部分时间都维持在了0.9左右的水平.2)不同市场之间的动态联动性具有显著区别.DCC-GARCH模型表明：黄金现货与期货市场收益率之间的相关系数波动更为剧烈更为频繁.溢出指数模型表明：黄金现货市场在多数时期呈现为负向净溢出，绝大部分时间为溢出的接收者，黄金ETF、期货市场收益率多数时期为正向溢出，即绝大部分时间为溢出的传播者.3)样本期内，三市场波动溢出具有动态特性.MS-GARCH模型平滑概率图发现2019年后三市场收益率在高、低波动状态的持续时间都比较短，两种状态的交替更加频繁.DCC-GARCH模型表明三市场收益率相关系数在2015年、2018年后都有显著下降.溢出指数模型表明；三市场的总溢出指数在2019年出现较大波动，一度下探到55%；2019年对外溢出指数(TO)和接收溢出(FROM)均出现了显著的下降，黄金现货市场降幅最大，分别下降到43%、50%；2019年黄金现货、ETF市场收益率的净溢出指数波动较大，也观察到了黄金现货到ETF、现货到期货的净成对溢出指数的大幅波动.

在国内供给侧结构性改革背景下, 市场环境复杂多变, 公司债务违约频发, 建立一种及时有效的财务困境预警模型十分必要. 已有的多数困境预测模型尚未有效解决数据集不平衡、关键预测指标选取不稳定、样本匹配存在随机性等问题, 且并不适应于当下中国复杂多变的市场状况. 为此, 本文采用Bootstrap重抽样方法构建1000个研究样本, 通过LASSO (least absolute shrinkage and selection operator) 变量选择技术筛选关键预测因子构建提前3年预测的Logit模型, 并在预测阶段将样本进行1000次随机切割和预测以降低随机误差. 结果表明, 由Bootstrap样本组建方式结合LASSO构建的Logit困境预测模型相比传统应用的“同行业资产规模相近”方式所构建模型的预测能力更强. 另外, 该嵌入Bootstrap式LASSO-logit模型比主流的O-Score模型、Z_China-Score模型预测效果更好, 准确率提高10%, 更加适用于中国时变的市场.本文所构建模型能帮助公司利益相关者更好地识别财务困境并及时做出调整, 以降低公司债券违约率或避免发生公司违约.

全面考察产业系统的结构和韧性, 以及重大事件背景下它们的变化, 有助于深入理解产业之间的生产协作关系, 维护系统整体的稳定运行, 进而科学指导资源优化配置, 推动产业转型升级. 本文以投入产出表为数据基础, 将复杂网络理论与整数规划方法相结合, 构建投入产出-整数规划复杂产业关联网络, 探讨中国产业系统结构与韧性的变化轨迹. 实证结果表明: 1) 产业系统结构显著影响GDP增长速度, 前者越密集则后者越快速, 反之亦然. 自2011年以来的10年里, 实际中的产业系统结构朝越来越稀疏的方向发展; 2) 积极的经济政策施行、供给侧结构性改革等将缩短产业之间资源传递距离, 改善产业系统结构, 但其作用具有局部性; 而欧债危机升级、中美贸易摩擦加剧、新冠疫情暴发等由于延长了上述距离, 造成负面冲击, 其影响呈现出全局性; 3) 与经济高速增长时期相比, 在中低速增长期间产业系统的结构更为松散, 导致某些产业在更大范围内充当“中介”来协调资源以满足生产的需要, 在贸易摩擦和新冠疫情发生时这一现象显得更加突出; 4) 从2011至2020年, 产业系统的韧性始终保持在较高水平, 但总体上表现出减弱的趋势. 在相关经济政策和市场改革的驱动下, 产业系统面对重大事件冲击的抵御、适应和恢复能力得以显著提升.

随着经济发展, 政府税收和债务的问题也成为了人们关注的焦点之一. 尤其是在经济下行时期, 如何通过合理调控税收水平和债务水平来实现经济的稳定发展, 也成为了政府考虑的问题之一. 考虑到现实生活会面临通货膨胀的冲击, 本文将构建一个在通货膨胀背景下政府最优税收和债务模型, 试图分析通胀对我国最优税收和债务的影响. 首先利用随机分析理论推导通胀不确定环境下政府实际债务价值的演化动力学方程. 接着, 利用动态规划原理推导出通胀不确定环境下最优实际家庭价值的哈密尔顿-雅可比-贝尔曼(HJB) 方程. 最后, 对政府最优税收和债务进行数值模拟, 分析通胀对政府最优税收和债务的影响, 以及对达到债务容量的时间影响, 并预测我国到达债务容量的时间. 研究结果表明, 在最优税收和债务下, 较高的预期通胀率和较低通胀波动率都会降低税率和债务的边际成本, 并会缩短到达债务容量的时间.

投入产出数据作为国民账户体系(System of National Accounts, SNA)中产业数据的核心, 是经济结构分析的重要数据基础.目前国家统计局已开始了对我国投入产出核算方法的改革.在此背景下, 本文系统归纳并分析了SNA核算思想从早期英美主导向后期欧洲主导转变过程中在核算框架上表现出的主要特征.分析表明分歧的焦点主要集中在生产核算上, 进而导致了投入产出核算的引入及后来的发展.沿着这样的理论路径才能更好理解投入产出核算方法变化和欧美不同做法背后的原因, 从而正确认识当前形势下我国投入产出核算方法改革对于我国整体核算框架的完善, 以及服务于我国经济结构转型分析所具有的理论和实践意义, 并进一步明确改革的路径和方向.在上述分析基础上, 基于我国实际并借鉴国外做法, 为我国投入产出核算的改革提出建议.

本文探讨了产业数字化对行业性别雇佣偏好的影响效应及其背后的作用机制.理论上，产业数字化可以通过提升机械化水平、促进服务化转型和增强培训投入力度，改变各行业生产、销售过程中的工作模式和岗位需求偏好，进而改变各行业对性别的雇佣偏好.实证上，通过编制2002、2007、2012和2017年103个行业全口径分性别就业数据，测度了4个年度各行业的性别雇佣偏好，在量化行业产业数字化的基础上运用双向固定效应模型进行计量分析.结果表明，产业数字化水平的提升会使各行业整体更偏好雇佣男性劳动力，扩大两性在性别雇佣偏好上的差距.分样本回归发现，产业数字化对行业性别雇佣偏好的扩大作用在偏好男性以及第二产业组别中更为明显.机制分析检验发现，上述异质性是由于产业数字化对不同类型行业性别雇佣偏好的作用机制（机械投入水平、服务化转型程度或培训投入力度）差异所导致.本文的研究为理解数字技术赋能产业后对性别就业结构、行业性别雇佣偏好等方面的作用提供了理论和现实依据.

在经济学领域的随机对照试验中，在经济学领域的随机对照试验中，受试者的分配通常按照完全随机的方式进行.然而，完全随机化可能无法使基线协变量在试验组和对照组间的分布均衡可比，导致试验的解释性与准确性降低，甚至会得出错误的分析结果.本文在经济学随机对照试验中引入协变量平衡自适应设计，该设计在分配过程中自适应地对协变量的平衡性进行调整，从而能够获得协变量在组间分布相对均衡的分配方案.本文基于一项探究个性化信息是否能够影响养老金个人账户储蓄的随机对照试验案例，分析比较了不同随机化设计对于在随机化试验中的协变量平衡以及处理效应估计等方面的影响.实证分析表明，相比于完全随机化，考虑协变量平衡调整的随机化设计能够降低组间的协变量的不平衡程度，并提高后续对于平均处理效应的估计精度和检验功效.

本文从众多变量中筛选出59个相关经济指标, 分别考查疫情前后传统时间序列模型和几种回归树集成学习模型对中国工业增加值增速的预测效果, 并结合Shapley additive explanations (SHAP) 方法对相关预测变量的作用进行解释分析. 研究发现, 随着预测步长的增加和新冠疫情的暴发, 传统时间序列模型的预测性能明显减弱, 而集成学习模型的预测表现则相对较好, 其中梯度提升树模型在较长预测步长中更加稳健和准确. 基于SHAP方法的分析发现, 作为预测变量的经济指标在不同时期的重要性有所不同, 除生产、投资等指标外, 金融类变量在高风险时期也具有一定的预测作用, 需结合具体时间和预期目标来选择合适的经济指标进行工业增长预测. 基于预测的视角可在一定程度上说明新冠疫情冲击可能不会改变工业增长未来走势的基本面.

在推动全国各地区梯次有序碳达峰的新形势下, 评估绿色信贷的空间减碳效果对进一步改进和发挥其减碳作用具有重要意义.本文基于2010–2019年中国30个省的面板数据, 采用Moran、Geary等指数检验了各地绿色信贷发展规模与区域碳排放的空间相关性, 刻画了其时空演变趋势, 构建空间杜宾模型(SDM)分析了绿色信贷对区域碳减排影响的空间效应, 并结合Bootstrap检验法揭示了其作用机理.研究发现: 1)从时空演变趋势上看, 绿色信贷在全国呈现"先东部、后内陆" 的发展趋势, 且东部地区规模最大, 西部地区规模增长最快; 2)绿色信贷的发展能够显著促进碳减排, 且空间溢出效应显著; 3)绿色信贷对本地及邻地的减碳效果存在显著空间异质性.西部地区绿色信贷在资源和技术交流下带动了邻地的碳减排, 而在东部地区严格绿色信贷规制造成了污染转移和技术研发资源流失, 加剧了邻地碳排放; 4)绿色技术创新在绿色信贷对区域碳减排的影响中起到重要中介作用.以上结论可为绿色信贷区域协同合作、发挥减碳溢出效应和促进各地因地制宜减碳等政策制定提供实证依据.

由于全球新冠疫情的暴发, 各国经济和金融市场受到了严重的冲击, 而中国有色金属期货市场也不例外. 因此, 对于新冠疫情如何影响中国有色金属期货市场的研究, 在我国期货市场的发展进程中具有重要的理论和实践意义. 本文采用了MF-DFA和多重分形谱分析方法, 通过对沪铜、沪铝、沪锌、沪铅四种有色金属期货价格数据进行分析, 探讨了新冠疫情对这些市场效率的影响, 并进一步分析了市场风险的变化情况. 实证结果显示, 除了沪铜期货外, 沪铝、沪锌、沪铅三种有色金属期货受到新冠疫情冲击后, 市场效率下降、市场风险加大. 具体而言, 沪铝期货市场效率下降最为明显, 而沪铅期货价格波动最为剧烈, 市场风险增加最多. 此外, 本文对新冠疫情前后原始时间序列进行重排和替代处理后发现, 在疫情前, 时间序列的长程相关性对四种金属期货市场低效性的贡献程度更大; 而在疫情之后, 时间序列的厚尾分布对沪铜期货市场出现低效性的作用程度更大. 而对其他三种有色金属期货来说, 时间序列的长程相关性依然是其造成市场低效性更加重要的原因. 以上结论阐述了较大冲击因素对市场造成的影响特征, 有助于我国有色金属期货市场的成熟稳定发展.