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.

为探讨绿色技术创新和数字经济发展如何协同推动经济绿色增长, 本文构建了包含绿色技术创新和数字化转型的一般均衡模型, 并结合中国城市层面的现实数据, 从经济增长和碳排放两个方面, 分析了数字经济发展协同绿色技术创新对经济绿色增长的影响效果以及作用机制. 研究发现: 1)绿色技术创新对经济增长和碳排放具有“U”型影响效果, 即在超过特定的技术创新水平门槛后, 随着绿色技术创新水平的不断上升, 经济增长速度会不断提升, 碳排放会持续降低, 而数字经济发展会强化绿色技术创新的影响, 产生更陡峭的“U”型影响. 2)数字经济发展同时具备中介效应和调节效应. 绿色技术创新对数字经济发展存在正“U”型影响, 即绿色技术创新的提高对数字经济发展具有推动作用. 而数字经济发展又会进一步调节绿色技术创新在经济增长和降低碳排放上的作用, 加强绿色技术创新对经济绿色增长的正向作用. 3)数字经济发展增强了绿色技术创新对绿色全要素生产率的影响是数字经济发展协同绿色技术创新推动经济绿色增长的主要机制. 4)促进数字经济发展的政策需要搭配更强的碳税, 虽然存在短期经济成本, 但是在长期经济增长和环境质量上都存在优势. 本研究将经济发展的绿色转型问题与数字化转型问题联合研究, 为协同推进经济绿色化、数字化转型保障经济稳定增长提供了重要的理论依据.

将数字金融能力引入跨期决策模型, 构建理论分析框架探究数字金融能力对家庭财富积累的影响机理, 并基于中国家庭金融调查(CHFS)数据进行实证检验.研究表明, 数字金融能力显著促进我国家庭财富积累, 尤其对农村家庭、低教育水平及低财富水平家庭的财富积累影响更明显.机制分析表明, 增加金融投资收益和促进社会互动是数字金融能力提高家庭财富积累水平的两个渠道.进一步分析发现, 数字金融能力对家庭财富积累影响存在结构差异, 能够提升生产性资产和金融资产配置, 降低房屋资产和其他非金融资产持有.以上研究结论为我国居民家庭财富积累提供新的解释视角, 也为制定推进共同富裕相关政策提供参考依据.

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.

黄金和白银由于其独特的金融属性, 成为投资和资产保值的首选, 其价格波动的定量描述和预测对投资者的风险管理决策至关重要.本文引入了丰富的特征变量, 采用向前一步滚动算法来预测上海黄金和白银贵金属期货的已实现波动率(RV), 并比较了多个机器学习模型在不同损失函数和评估方法下的预测效果.结果表明, 梯度提升决策树(GBDT)模型在贵金属期货市场的预测中表现优异.此外, 本研究融合XGBoost模型和可解释性工具, 分析了贵金属期货市场的特征变量对预测值的动态贡献, 并评估了重要变量对预测性能的异质性影响.研究揭示了市场情绪变量的关键作用, 以及宏观经济变量与波动率分解变量在不同市场条件下的相对贡献.本文的发现为贵金属期货市场波动预测的因子和模型选择提供了清晰证据, 为该市场的投资者和监管者提供了可信的投资和管理建议.

本文以政府数据开放为准自然实验, 以2009—2022年中国上市公司为研究样本, 通过双重差分模型依次探究了政府数据开放对企业经济绩效和环境绩效的影响效应. 本文研究表明, 政府数据开放对企业经济和环境绩效带来了双重增益, 即政府数据开放促进了企业可持续发展, 其原因在于, 政府数据开放会促进企业技术创新, 提高企业运营管理效率. 进一步研究发现, 政府数据开放在国有企业、营商环境更优和数字基础设施条件更好的地区中对经济绩效的促进作用更大, 对环境绩效的提升作用则更易在国有企业、非重污染企业以及环境规制强度更高的地区中得到充分展现. 本研究揭示了政府数据开放对企业经济绩效和环境绩效的提升作用, 为推动经济社会可持续发展以及在“双碳”背景下提升数据开放领域政策制定的科学性提供了重要的经验启示.

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.

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.

增进民生福祉是发展的根本目的, 也是衡量发展成效的重要标尺. 本文利用大数据和以ChatGPT为代表的大语言模型技术, 探索在全国范围内准确核算居民主观幸福感的可能性, 提出一种基于微博大数据的居民主观幸福指数构建方法, 并基于ChatGLM3开发一种针对于社交媒体文本的情感分析大语言模型SentiGLM, 以提升微博文本情感分类的准确性和有效性. SentiGLM模型通过在精心设计的多任务指令微调数据集上进行低秩适应训练, 提升其在微博文本情感分析任务中的表现. 基于约6千万条的微博文本数据, 首次在年、月、周、日四种时间粒度上核算中国各地区以及国家层面的主观幸福感指数. 研究发现: SentiGLM在微博文本情感分析中的预测效果明显优于传统机器学习模型(如BERT、LSTM和SnowNLP); 同时, 基于大语言模型的测度方法相比传统问卷调查, 展现出更优的经济性、时效性和稳健性, 并且在时间和空间上具备更细的颗粒度.

“双碳”目标是中国经济低碳转型的一项重大战略决策, 对经济高质量发展意义重大.本文首先从区域减碳增汇缺口的绝对水平, 和考虑区域人口规模、能源消费和经济发展后减碳增汇缺口的相对水平构建能够科学测度中国城市“双碳”目标实现进程的指数体系, 为中国“双碳”目标工作的推进提供了量化依据.接着本文基于碳排放权交易试点这一准自然实验, 使用地级市层面2006–2020年的面板数据, 深入讨论市场型政策工具在实现碳中和目标过程中扮演的角色.研究结果表明, 碳排放权交易政策的实施有助于在区域总体、区域人均、能源消费和经济发展四个层面上推进试点地区碳中和目标的实现.机制讨论发现, 该政策能够从碳排放端、碳吸收端和绿色创新三方面, 多途径助力碳中和愿景的实现; 具体而言, 碳排放权交易政策有助于排放端能源结构的改善和能源效率的提升, 能够从碳汇端促进人工造林和封山育林, 还存在“波特效应”, 推动了试点地区绿色创新在量上的发展.进一步研究显示, 健全的碳市场能够强化碳排放权交易政策的减排增汇效果, 将市场机制细化至碳价、流动性和相对规模三个层面, 发现试点地区碳价越高、碳市场相对规模越大, 碳排放权交易政策对其碳中和进程的助推效应越强, 而市场流动性则仅在经济发展维度对前述政策效果有强化作用.本文研究为科学测度“双碳”目标实现进程、健全完善全国碳市场和助力经济发展实现高质量转型, 提供了实证依据和政策参考.

金融系统的结构在宏观环境的冲击下不断变化, 而风险溢出是分析系统性风险的关键. 为了突破传统参数模型的维数限制与模型规范, 本文提出了一种半参数方法——动态贝叶斯-局部高斯相关网络(DBN-LGCNET) 来衡量整体和尾部风险的时变非线性关联. 将该模型应用于我国A股65家上市金融机构数据, 结果表明: 1) 金融系统存在明显的尾部风险溢出现象. 2) 金融行业的风险溢出具有异质性, 一般风险传播的来源主要是银行业, 尾部风险传播的来源主要是证券业. 3) 风险在金融机构间动态传播, 国有银行接受风险溢出较为稳定, 中小银行对极端事件的抵御能力较弱. 4) 极端事件发生后, 一般关联网络中银行业影响增强, 证券业影响减弱. 尾部关联网络中金融机构间的联系增强, 尤其是保险机构.

中美贸易争端是近年来国际贸易领域的重大事件, 其对中美贸易产生了深远影响. 本文以2018和2019年特朗普两次对中国产品加征关税为背景, 运用合成控制法从两个层次研究其影响: 第一, 分析关税政策对中国对美国出口额的动态影响, 识别政策实施前后的变化趋势; 第二, 探讨21个HS大类产品的异质性影响, 揭示不同类别产品对关税政策的敏感度差异. 本文进一步结合历史政策效果, 对特朗普本次执政可能对中美贸易的潜在影响进行推断与预测. 结果显示, 若特朗普在未来继续实施类似政策, 中国对美国出口额将再次下降. 政策初期囤货效应等市场行为可能引发出口额向上波动, 但随后出口降幅将逐步增加. 高价格弹性类产品所受的潜在影响相对大于高附加值产品, 但由于美国的技术限制措施, 高科技类产品的出口也将面临较大压力. 本文为理解中美贸易争端的经济影响、评估关税政策的后果以及制定应对措施提供了参考.

股指预测对于金融市场监管和金融投资决策具有重要意义.本文从行业风险关联的新视角提出了基于风险溢出网络的多变量时空图神经网络(MTGNN)预测模型.该模型将风险溢出网络作为图输入, 将包括情绪指标和风险净溢出指数的节点特征矩阵作为时序输入, 对全行业股指进行预测, 并与其他5种模型的预测性能进行了综合对比.此外, 本文将点值与区间预测结果结合, 提出了带有区间限制的交易策略.实证结果表明: 1)相较于传统的机器学习和深度学习方法, 基于风险溢出网络的MTGNN模型在行业趋势预测上具有最好的预测性能; 2)行业投资者情绪和风险净溢出指数在行业股指预测中显著提升了模型的预测能力; 3)基于MTGNN “点值+区间”预测结果的交易策略在全样本期以及牛市和熊市状态中均展现出稳健的回测性能.本文的研究为投资者科学预测股指趋势提供了具有可操作性的新工具, 为宏观审慎监管提供了更有效的决策支持.

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.

本文将聚焦引力模型这一重要的理论空间模型. 贸易引力模型是物理学中引力模型的推广, 它可以进一步拓展到研究n个区域的相互作用, 而非仅仅两个区域. 经济学中的引力模型涉及流量变量, 可以发展为空间流量模型. 本文中, 我们考虑空间流量模型的经典的估计方法.

近年来, 东南亚、南亚国家在全球供应链中的占比上升, 正展现出强大的经济韧性和增长潜力.经济加速发展阶段下工业化、城市化水平的快速提升, 导致了二氧化碳排放量的不断上升, 进而产生了严重的气候变化问题.在此背景下, 东南亚、南亚等新兴经济体亟需制定各自的减排目标和减排路径, 及时减缓并有效遏制气候变化所带来的负面影响.而全面、细致、统一的二氧化碳排放清单是评估排放趋势、科学规划路径的重要基石.基于此, 本研究融合了多尺度能源、人口、经济数据, 构建了东南亚、南亚11个国家2010–2020年的二氧化碳排放清单, 从而识别各个国家多空间尺度、多种能源类型(包含生物质)、细分经济部门的碳排放异质性, 进而为新兴经济体规划短期和长期的能源转型战略, 制定“一国一策” “一域一方”的二氧化碳减排策略提供科学支撑.

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.

理解股票收益率的影响机制极具价值, 但我国股市受国内外多种因素影响, 且市场存在着规律性行为, 使得研究难以开展.本文提出带亚组结构的函数型变系数单指数回归模型, 并通过该模型对股票收益率影响因素进行分析, 影响因素体系涵盖宏观、中观和微观三大维度.同时, 本文利用函数型结构刻画日历效应, 利用亚组结构刻画行业效应, 使得模型尽可能完善且适配于我国国情.最终发现, 宏观经济因素对股票收益率的影响方向在全年中存在变化, 国际原油价格变化率对股票收益率的影响存在行业异质性.同时, 盈利能力、创值能力与估值水平对企业评价及股票收益率的影响作用较大.此外, 基于一些正则条件, 本文建立了模型中指数系数、链接函数和斜率函数估计量的渐近理论.

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.

自2008年全球金融危机后, 美国积极推进制造业回流, 在为本土制造业创造发展机遇的同时, 也深刻影响全球产业结构和布局, 尤其给中国制造业发展构成显著挑战. 本文利用亚洲开发银行公布的2009—2022年国家间投入产出表和美国官方统计数据, 对比和分析了回流政策背景下中美两国制造业国际竞争力动态演变特征, 并结合结构分解模型, 探究了不同阶段、不同技术水平制造业国际竞争力变化的驱动因素及其贡献. 研究发现: 1)美国制造业回流政策在解决美国产业空心化问题、增加就业、降低供应链风险和改善经济状况等方面取得一定成效; 2)2009年至今, 在全球维度上, 美国制造业国际竞争力并未得到显著提升, 而中国制造业国际竞争力增强和产业转型升级趋势仍在继续; 3)近年来中美两国在中高技术制造业领域的竞争明显加剧; 4)对国际竞争力的驱动因素分解表明, 产业链供应链韧性、传统贸易格局演变和全球价值链重构为增强中国制造业国际竞争力提供了重要支撑; 而美国始终未能形成巩固和强化其高技术制造业比较优势的国内驱动因素. 本文的实证结果为中国如何进一步提升制造业国际竞争力提供了参考.

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.

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.

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.

在“守住不发生系统性金融风险的底线”背景下, 本文探究行业泡沫对行业内公司系统性风险贡献的影响, 并以此构建行业间风险网络来识别不同强度冲击下的风险源头, 旨在为深化以国内大循环为主体的新发展格局改革提供有效的政策参考. 研究发现: 第一, 除农业、水利业以及文娱业外, 大多数行业泡沫对行业内公司系统性风险贡献的影响不显著或呈抑制作用; 但当投资者情绪高涨时, 行业泡沫会提高行业内公司系统性风险贡献; 第二, 局部投影模型的累积效应结果表明, 大部分行业泡沫的促进作用呈持续上升趋势, 且促进作用的累积效应存在异质性; 第三, 分位数风险网络中尾部冲击导致的行业联系相较于正常时期更为紧密, 同时各行业的风险防御能力也随冲击强度而异. 此外, 行业泡沫网络的风险源主要集中在农业、制造业、交通业、住宿餐饮业和租赁业, 说明风险冲击以生产、分配、流通、消费为核心向外扩散, 体现了我国经济正转向以国内大循环为主体的新发展格局.

本文在Liu et al. (2019)三因子基础上引入风险感知因子(FRP) 构建中国股票市场的四因子模型(记为RPM4模型). 结果表明, 对比现有模型的定价因子, 风险感知因子在样本期内能获得显著溢价, 且因子的波动率、夏普比率、最大回测等指标均具有明显优势. 风险感知因子的最大平方夏普比率最高, 具有显著的增量信息, 能够有效地捕捉市场、规模和价值等因子外的有效信息. 进一步检验表明, RPM4模型蕴含了更丰富的信息, 在对股票组合收益率的解释上具有绝对优势, 在截面回归R²对比检验中表现出色, 是Fama and French (1993)三因子、Liu et al. (2019)三因子和四因子模型的有效补充.

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.

当前, 非同质化代币(NFT)市场正面临剧烈的价格波动.本研究旨在检测NFT市场中的泡沫现象, 并分析影响NFT价格泡沫的关键特征及作用机制.首先, 本文聚焦NFT市场及三个重要子市场, 通过广义单位根检验法(GSADF)检测NFT价格泡沫的出现、持续、消散时间.其次, 本文纳入了传统金融资产价格、市场情绪指数和加密货币价格等特征, 使用多个决策树机器学习模型对NFT价格泡沫进行建模分析.最后, 借助SHapley Additive exPlanation (SHAP)方法, 本文实现了NFT价格泡沫影响机制的可视化解析.实证结果表明, NFT市场在观测期共出现了5次泡沫, 在2021年, 各个子市场的泡沫持续时间都显著增加; 在三种机器学习模型中, CatBoost (Categorical Boosting)模型在拟合NFT价格泡沫方面表现最优; SHAP分析表明黄金、美元指数和原油价格对泡沫形成有重大影响, 而标普500的影响则较为微弱.同时, 市场情绪指数、芝加哥期权交易所波动性指数(VIX)和谷歌搜索指数(GoogleTrend)对泡沫的影响趋势相反.本文通过纳入多元特征, 加深了市场参与者对NFT价格泡沫特性的认识, 并为他们提供了基于数据的市场洞察.

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.

保险机构投资者作为保险资金这一长期耐心资本的运用方, 如何更好发挥其社会稳定器和经济减震器的作用并促进企业绿色创新至关重要.利用2013–2021年中国A股上市公司的数据, 本文研究并发现了保险机构投资者持股对企业绿色创新有显著促进作用.机制分析结果解释了这一正向影响: 保险机构投资者可以缓解管理层的短期主义的途径激励公司进行绿色创新.异质性分析结果发现, 保险机构更多的实地调研、国有及大型保险机构投资者更能促进公司的绿色创新.本文建议监管部门持续完善保险资金运用政策, 充分调动保险资金开展绿色投资的积极性和影响力.本研究基于保险机构持股视角为我国进一步促进低碳经济发展和企业成长提供了科学依据.

目前研究宏观产业政策影响微观企业创新的文献通常假设企业的决策是独立的. 然而, 本文通过引入空间自回归模型, 探讨了《高新技术企业认定管理办法(2008)》这一产业政策对地区企业研发创新行为的影响, 并关注创新的同群效应及其异质性. 研究发现, 受到政策扶持的企业倾向于模仿区域内其他受扶持企业的创新行为, 体现出正向的创新同群效应. 这种模仿行为的目的是为了维持或提升企业在市场中的相对竞争地位. 相比之下, 未受政策扶持的企业并未表现出这种正向的同群效应. 在这些企业中, 融资约束较大的企业会积极参考同伴的创新活动, 以降低决策过程中的信息成本. 相反, 融资约束较小的非扶持企业由于与同群企业在产品或要素市场上存在竞争关系, 可能会表现出负向的竞争挤出的同群效应. 本文的结论从创新同群效应的视角, 丰富了关于政策影响的研究. 通过揭示企业间同群效应和互动行为的异质性, 本文强调了不同企业在不同场景下行为模式的差异, 这些发现对于政策制定者根据企业类型精准施策具有重要启示.

探究中国碳排放交易体系(ETS)试点政策对省域金融机构转型风险的影响及其作用机制, 是具有现实意义和理论价值的重要研究课题.本文构建了省级金融机构转型风险指标, 使用交错双重差分方法(staggered DID)、中介效应分析两步法和广义矩面板向量自回归模型(GMM-PVAR), 分析了ETS试点政策对试点地区金融机构转型风险的影响效果及作用机制.研究发现: 首先, ETS试点政策会增加试点地区的金融机构转型风险, 且相较于地域因素, 环境规制政策对试点政策效果的异质性影响更为显著; 其次, ETS试点政策主要通过绿色转型直接成本、企业经营收益、绿色技术进步和绿色信贷等渠道发挥作用, 其中绿色技术进步机制存在异质性; 最后, 绿色技术进步与企业经营收益机制存在动态滞后效应, 使得ETS试点政策存在滞后负向影响趋势.本文首次从量化分析层面探讨了ETS试点政策与省域金融机构转型风险的内在动态联系, 为兼顾政策实施和转型风险管理提出相关建议, 为稳妥推进“双碳”进程、保障低碳经济下的金融稳定提供参考依据.

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.

在数字化转型影响的微观层面上, 目前尚缺乏数字化转型对管理层自利行为影响的相关研究. 本文构建固定效应模型, 基于 A 股上市公司的数据, 分析了企业的数字化转型对管理层自利行为的影响效果与传导路径. 研究显示: 企业的数字化转型通过降低信息不对称、提高公司治理效率、减少公司财务柔性而约束了管理层的自利行为, 且企业的数字化转型对于不同区域、不同竞争程度、不同行业的管理层自利行为存在异质性影响效果. 政策建议是: 加大企业数字化转型的力度, 降低信息不对称、提高公司治理效率、降低公司财务柔性, 并对管理层的自利行为实施差异化调控. 本文积极响应促进实体经济和数字经济深度融合制度的精神要求, 以管理层自利行为作为突破口, 为企业的数字化转型促进公司治理、提高经营效率提供了经验解释与决策参考.

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.

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.

准确测度是认识数字经济及开展后续研究的首要条件, 本文参考美国经济分析局 (BEA) 和国际经合组织 (OECD) 等权威组织的做法, 结合国家统计局 2021 年最新公布的《数字经济及核心产业统计分类 (2021)》的分类方法, 利用官方统计资料测算了中国省级数字经济增加值, 并探究了数字经济发展对城乡收入差距的影响及其机制. 研究发现, 我国数字经济发展迅速但地区间差异明显, 数字化基础设施是数字经济发展的根基, 数字经济发展对城乡收入差距存在 “正 U 型” 的影响效应. 进一步, 为寻求拐点后缩小差距的可能路径, 本文通过机制分析发现: 数字经济发展推动了我国农村劳动力转移并推迟了拐点到来; 促进了农业现代化发展, 提高了农户收入进而缩小了城乡收入差距; 且数字经济强省可通过空间溢出方式缩小相邻地区的城乡收入差距. 本文为促进数字经济包容性发展提供了政策建议.

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.

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.

铁路作为服务和支撑中国式现代化的 “火车头”, 分析城市高铁建设对劳动薪酬差距的影响及其内在机制, 对推进共同富裕进程至关重要. 本文使用 2000–2013 年各城市高速铁路开通数据和中国工业企业数据, 基于劳动市场结构视角, 采取双重差分方法估计了城市高铁建设对企业劳动薪酬差距的影响. 结果表明, 城市高铁开通将能够显著降低企业劳动薪酬差距, 其中区域间劳动市场一体化与区域内劳动技能结构改善发挥了重要中介作用. 异质性分析表明, 高铁的这种收入均等化效应在交通依赖度和工业自动化程度较高的行业、制度环境更好的城市以及一般贸易企业中表现更强劲. 扩展分析验证了城市高铁开通对劳动市场结构影响的空间溢出效应, 并从整体、广延边际及集约边际角度探讨了城市高铁开通对城市-行业层面劳动薪酬差距的降低作用, 而这种降低作用主要由新企业进入、原有企业退出及持续在位企业的企业内劳动薪酬差距缩小所致. 本文为政府利用高铁网络引导高质量劳动要素合理流动, 并推进共同富裕进程提供了经验层面参考.

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.