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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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”.

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.

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.

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.

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.

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.

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.

短视频营销已成为电商转化的核心场景, 信息传播速度加快和信息量膨胀导致消费者耐心阈值降低, 但视频时长对销售转化的非线性作用机制尚未明确. 本研究从信息有效性与过载性视角出发, 揭示短视频时长与产品销量呈显著倒 U 型关系及其作用机制, 且此关系受产品属性 (价格、类型) 调节. 研究发现: 1) 信息有效性 (正向中介) 与信息过载性 (负向中介) 构成双中介路径, 二者共同作用下产生短视频时长与产品销量的倒 U 型关系; 2) 高价商品使最优时长阈值降低且强化关系, 体验型产品阈值较搜索型产品降低且弱化关系. 研究发现为数字内容营销提供动态权衡框架, 证实信息密度与认知负荷的博弈决定时长阈值效应. 本文结论为平台算法优化与内容生产范式革新提供实证依据.

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.

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.

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.

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.

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.

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.

“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.

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.

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.

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.

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.

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.

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.