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.

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.

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.

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.

提升民生福祉是我国新时代高质量发展的核心目标之一. 数字普惠金融对提升我国居民主观幸福感具有关键作用. 本文利用2013至2019年的中国家庭金融调查数据, 基于城市等级信息, 将其与市级数字普惠金融指数进行匹配, 运用有序Probit模型实证研究了数字普惠金融发展对居民主观幸福感的影响. 研究结果表明, 数字普惠金融发展显著提升了我国居民的主观幸福感; 分维度看, 其覆盖广度和使用深度对居民主观幸福感具有正向影响, 数字化程度则产生负面效应. 此外, 数字普惠金融发展对不同收入水平和受教育水平群体的主观幸福感的影响存在显著差异. 机制分析结果表明, 数字普惠金融发展会通过提升居民金融素养、改善居民经济状况和提高社会保障水平三种途径提升居民主观幸福感.

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.

利用2015年、2017年和2019年中国家庭金融调查数据, 结合收入转移矩阵分析法和实证分析法, 系统性研究了数字金融对农户收入流动和收入不平等的影响. 收入转移矩阵分析表明, 使用数字金融农户收入从低位次向上流动的概率高于未使用数字金融农户. 实证研究发现: 数字金融显著促进农户收入向上流动, 并显著降低收入不平等. 作用机制表明, 数字金融是通过提高农户金融可得性、促进农户发展要素积累和外出务工来提升收入流动性的. 同时, 相较于中高收入农户, 数字金融对低收入农户金融可得性、发展要素积累和外出务工影响效应更大, 有利于缩小低收入农户与中高收入农户收入差距, 降低收入不平等, 助力包容性增长. 进一步讨论发现, 数字金融通过以上三条路径主要作用于农户财产性收入与工资性收入, 最终改善农户整体收入流动与收入不平等; 此外, 数字支付与数字理财均能显著促进农户收入向上流动并降低收入不平等, 而数字借贷则影响不显著. 本文为深化数字金融促进农民持续增收、优化农村收入分配格局提供了经验依据.

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.

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.

随着数字金融的飞速发展, 数字化转型已成为商业银行的一项战略要务. 本文使用更加全面的中国银行业微观数据, 以银行数字化转型的不同阶段所具备的风险收益特征为切入点, 深入剖析其对系统脆弱性风险的动态影响机制. 实证结果表明, 银行数字化转型水平与自身的系统脆弱性风险呈显著的倒U型关系且结果十分稳健, 在考虑内生性问题后依然成立. 机制检验发现, 银行数字化转型通过改变银行收入获取效率与主动风险承担来间接影响银行自身的系统脆弱性风险. 本文的实证发现对于防范银行业系统性金融风险, 理解数字化创新与风险管理的平衡, 具有重要现实意义.

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.

推进大众创业、万众创新对推动经济结构调整、打造发展新引擎、增强发展新动力、走创新驱动发展道路具有重要意义, 也是促进社会纵向流动、公平正义的重大举措.本文利用中国家庭金融调查(CHFS) 2013--2017年三轮调查数据测度我国就业市场中的机会不平等, 并实证研究了其对居民创业的影响效应和作用机理.结果表明, 就业市场中的机会不平等上升将显著激发居民家庭创业动机, 机会不平等每增加一个标准差会使家庭创业概率增加1.14%; 机制分析表明, 机会不平等激发了居民的地位追求动机, 进而促进了居民创业.而扩展研究表明, 数字金融强化了机会不平等对创业的正向驱动效应, 这种强化作用是仅仅存在于城镇地区, 且是通过提高贷款可获得性实现的; 另外本文发现民生性财政支出同样可以放大机会不平等对居民家庭创业的促进作用; 在异质性分析中, 本文发现受教育程度更低、总资产更低、没有失业保险的条件相对弱势的家庭具有更强的创业动机.最后, 本文发现机会不平等抑制了创业家庭的创业绩效, 这表明政府政策应落脚到加强机会均等和帮扶居民创业.

基于深度学习的端到端投资组合策略具有较高的决策性能, 但其黑箱操作使得决策机制缺乏可解释性. 本文使用深度学习、强化学习及知识蒸馏方法, 构建了兼具决策能力和可解释性的端到端投资组合策略. 首先, 利用改进Transformer模型缓解其内置的二次复杂性问题, 并据此提出长序列表征提取器. 其次, 通过跨资产注意力网络和强化学习算法, 构建一个非线性的“黑箱”模型, 用于金融资产的动态配置. 然后, 通过计算模型输出相对于资产特征的梯度, 计算在特征域上的显著性向量, 从而识别出影响较大的关键特征. 最后, 在关键特征上提取一个线性回归模型, 进而得到了简单而具有经济学解释意义的端到端投资组合策略. 实证结果显示, 这种基于Transformer和关键特征的可解释端到端投资组合策略可以获得较好的收益与风险表现, 兼具深度学习决策性能和解释性. 本文的研究为深度学习在金融领域的应用提供了一种兼具高效决策能力与可解释性的投资组合策略.

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.

指令驱动市场中, 限价指令簿是集中反映交易者意图和市场流动性的重要信息载体. 量化评估限价指令簿微观特征的信息含量, 是深入探究市场动态的基础, 对于股票价格精准预测、市场效率有效评估等方面有重要意义. 本文利用我国股票逐笔指令流数据重构了实时演化的限价指令簿, 并基于深度学习模型, 在多档位价格以及成交信息的基础上, 同时纳入从横向时间维度衡量的指令流增量信息以及从纵向空间维度衡量的指令流存量信息, 通过预测多个微观结构变量综合探讨了限价指令簿特征的信息含量. 实证结果表明, 相比于成交数据, 未成交的指令流数据蕴含了更为丰富的有效信息, 在预测微观指标方面展现出显著优势. 随着预测窗口期的延长, 这种信息优势变得更为突出, 凸显了指令流数据在市场分析与预测中的重要地位. 然而, 成交数据信息传递效率更高, 可以为市场指标的预测提供互补信息, 两个特征的组合使用可以有效提升预测性能, 该结论在对于股票自身特征的异质性分析中依然稳健. 另外, 价格档位与跨资产效应对于特征信息含量具有显著影响, 因此在指令流数据挖掘过程中需要审慎选择市场深度以及充分考虑市场环境因素.

城乡融合发展是一个国家和地区现代化的标志, 也是中国式现代化的必然要求, 如何有效测度其发展进程和水平已经成为学界高度关注的热点问题. 本文旨在从经济学视角对城乡融合发展水平测度的相关文献进行全面梳理, 并对城乡融合概念以及城乡经济、社会、空间和生态融合等四个维度内涵进行廓清和界定, 归纳既有的城乡多维融合水平的测度指标、测度方法与区域比较研究, 梳理总结各类研究的侧重点、特色和不足. 在此基础上, 从客观和主观因素联系、要素双向流动、宏观与微观数据结合、指标构建层级下沉四个向度提出城乡融合发展指标体系构建与测度的进一步研究思路. 同时, 尝试为提高新时期中国城乡发展协调性、融合度以及实现共同富裕目标的政策制定提供理论上的研究参考.

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.

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.

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.

在一系列国际重大突发事件的叠加影响下, 国际大宗商品价格剧烈波动, 给我国带来了显著的输入型通胀风险. 立足区域资源禀赋推动大宗商品产业集群化发展可能是应对这一风险的可行方案, 但其实际效果尚未被定量论证. 本研究开发了区域间投入产出价格模型, 并在此基础上集成计量经济模型和假设提取法, 构建了输入型通胀风险的综合测算框架. 基于这些定量模型, 本研究实证分析了新疆电解铝产业集群化对输入型通胀风险的潜在影响. 实证结果表明, 新疆电解铝产业的集群化发展一方面通过产业规模扩张增强了总体物价水平与国际铝价的“绑定”, 导致国际铝价对工业生产者出厂价格指数(PPI) 的综合传导效应上升, 另一方面也通过提升自给能力和增强定价权, 减少国内价格体系对国际铝价波动的敏感性. 尽管截至2017年的测算结果显示前者的影响机制强于后者. 但从长期来看, 在尊重各区域资源禀赋优势的前提下, 在产业政策的宏观调节和应急管理下, 后者的影响机制将进一步强化, 并最终起到平抑输入型通胀的作用.

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.

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.

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.

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.

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.

在传统财务指标基础上, 基于过去、未来和情感视角, 应用文本分析方法和自然语义处理方法, 重构企业风险识别指标体系, 然后引入机器学习方法, 以上市公司财务数据及管理层讨论与分析文本信息为数据来源, 构建企业风险识别模型, 进行企业风险识别. 研究结论如下: 1)通过提供增量信息, 完善风险度量尺度, 构建兼具时态敏感性和情感洞察力的三维风险识别体系, 以更全面、更准确地对企业风险进行测度和识别; 2)引入机器学习算法, 对AdaBoost模型、Hist Gradient Boosting模型、Random Forest模型和Bagging模型进行精度比较, 发现AdaBoost模型最优, 稳健性最好, 可用于企业风险识别; 3)应用机器学习方法和SHAP方法, 进行企业风险特征重要度排序和企业风险识别机理分析, 识别出企业风险关键影响因素, 观察各项风险特征对企业风险识别模型的影响. 本研究能为企业风险识别指标体系设计和风险识别模型优化提供经验证据和决策支持, 并助推企业高质量发展和供应链安全稳定.

不确定性冲击是扩大内需和畅通国内经济循环难以回避的现实问题. 本文通过构建中国居民消费市场随机可计算一般均衡模型, 从总量和结构角度分别测算了不确定性冲击对居民消费韧性的影响, 并从制度角度考察了不同政策组合对提高居民消费韧性的保障机制. 研究发现: 收入水平是影响居民消费韧性的最主要因素, 多风险交互影响对居民消费抗冲击能力的影响大于单因素简单叠加, 恢复性冲击对于不同经济指标可能具有反向影响; 城乡居民消费韧性在结构上具有显著差异性, 供给侧与需求端的恢复性冲击共同影响居民消费市场韧性, 其中, 供给过剩也会造成经济效益下降; 提高居民消费韧性和实现扩大居民消费目标需要综合政府和市场作用, 且政策导向需要注重就业问题和实现土地、资本要素在区域间自由流动. 本文的边际贡献是采用可计算一般均衡的方法研究居民消费韧性问题, 克服了现有研究采用局部均衡分析的局限性; 并通过引入随机数的方式, 更有效地模拟了不确定性冲击对居民消费韧性的影响, 提供了更为可靠的理论支持和政策启示.

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.

设置经济增长目标是地方政府宏观经济管理的重要手段. 本文着重考察经济增长目标设置理念转变对制造业结构优化的影响效果, 通过逻辑推理和文献归纳提出地区经济增长目标对制造业结构优化的影响机制假说, 并基于中国2001——2020年31个省区(不包括香港、澳门特别行政区和台湾省)的省级面板数据进行实证检验. 调节效应分析显示, 地区经济增长目标设置理念转变后地区经济增长目标对制造业结构合理化具有显著促进作用, 施加环境约束能有效弱化地区经济增长目标对制造业结构高度化的抑制作用; 地区经济增长目标加码程度减弱有助于弱化地区经济增长目标对制造业结构优化的抑制作用; 中介机制检验结果表明, 政府绩效考核下地区经济增长目标能通过投资结构扭曲效应、技术创新挤占效应以及要素市场发育阻滞效应对制造业结构高度化和合理化产生抑制作用, 这为减少经济增长目标设置的负向影响以及促进制造业优化发展提供了可行路径.

在探讨复合假设检验问题时, 基于经验过程的检验统计量往往缺乏分布无关性. Khmaladze变换, 包括鞅变换和酉变换, 为克服这一难题提供了有效的解决方案. 首先, 20世纪80年代初期, Khmaladze提出了鞅变换, 专门用于处理连续分布函数的检验问题. 随着时间的推移, 鞅变换的理论基础得到了不断的深化和完善; 其应用范围也日益扩大, 涵盖了分布函数与回归模型等众多检验问题. 进入21世纪, Khmaladze在2013年和2016年进一步提出了酉变换. 其不仅适用于离散分布, 也适用于连续分布, 为统计学领域带来了新的视角和工具. 然而, 尽管Khmaladze变换在国际上已有一定的研究基础, 但在中国, 这两种变换方法的研究和应用尚未得到充分的认识. 本文旨在对Khmaladze变换的起源、理论原理、发展过程以及当前的应用状况进行梳理, 并对其进一步拓展和应用前景提出一些思考.

低碳转型是企业应对气候变化的必然选择, 也是实现我国经济高质量发展的必由之路. 本文以2007至2021年中国上市企业为研究样本, 利用文本分析技术构建了企业低碳转型指标, 探究了低碳转型对企业价值的影响. 研究发现, 低碳转型对企业价值具有显著提升作用, 这一正向影响在环境规制强度高的行业和区域中更为显著; 低碳转型主要通过提升市场关注、提高生产效率、缓解融资约束、降低融资成本等渠道促进企业价值提升. 本文结论对中国扎实推进绿色低碳发展具有参考价值, 为推动实体企业向低碳转型提供了经验证据.

当前, 高质量发展是全面建设社会主义现代化国家的首要任务, 而正确处理经济增长目标与环境保护目标之间关系是高质量发展的题中应有之义. 本文基于223个地级以上城市的面板数据集, 从经济增长目标动员的视角切入, 探究雾霾污染问题. 研究结果显示, 从全国层面来看, 经济增长目标动员显著增加了雾霾污染; 同级政府间的策略模仿显著增加了本地的雾霾污染, 上级政府的目标考核能够有效纠正下级政府的治理偏好. 异质性分析结果表明, 经济增长目标动员的雾霾污染效应在不同行政级别的地级市之间不存在显著差异, 但在位于东部地区的地级市和人口规模更大的地级市中的效应更大. 进一步分析发现, 目标动员约束强度加剧了经济增长目标动员的雾霾污染效应, 该效应是地方政府基于投资拉动增长的发展模式放松环境规制强度的结果, 具体原因是污染治理投资不足. 本研究对解决地方政府经济增长与环境保护的"两难权衡" 以及加快转变经济发展模式具有积极的政策启示.

数字政府建设如何通过健全数据基础设施建设赋能实体经济高质量发展, 成为实践探索的重要议题. 本文以地方政府中小企业融资服务平台作为数字政府建设的外生冲击, 研究这种数字政府建设对中小企业投资的影响. 研究发现, 融资服务平台的建立显著提高了中小企业的投资水平. 机制分析发现, 融资服务平台主要通过缓解融资约束和加强监督治理提高中小企业的投资水平. 异质性分析表明, 融资服务平台对企业投资水平的积极影响主要发生在抵押品价值较低、投资不足的企业中和法律保护程度较高地区的企业中. 本研究拓展了数字政府建设以及企业投资的相关文献, 对政府如何引导金融机构为企业特别是中小企业提供高质量金融服务具有启示意义.

本文构建了基于深度学习的企业债券信用风险预测模型(CDL), 并探究其背后经济机制.研究发现, 相比于经典机器学习模型和普通神经网络模型, CDL深度学习模型能够更准确地预测企业债券信用风险.机制分析表明, 对于具有低评级等特征的相对风险更高的债券, CDL深度学习模型表现出更强的非线性预测能力.估值与成长类、无形资产类指标是模型预测的重要企业特征.CDL深度学习模型还能有效识别交易量小、融资约束高、内部控制质量低的经济特征, 进而识别出高风险债券.本研究为债券信用风险预测提供了新的思路, 有助于维护金融市场稳定, 促进经济高质量发展.

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.

本文采用TVP-VAR方法研究受到新冠疫情冲击时, 原油、天然气、新兴国家股票、发达国家股票、工业金属、贵金属、加密货币、农产品以及汇率市场等九个重要金融市场之间的总波动率溢出效应, 并探究其内部各市场所发挥的作用及成对市场间关系在疫情前后的变化. 研究结果表明: 一是, 系统受到的总冲击在疫情发生初期达到峰值, 随后随着时间推移而降低; 二是, 通过研究九个市场之间的成对波动率溢出情况, 发现疫情前后市场间风险传染发生了显著变化, 其中原油市场变化最大, 由波动率净溢出者转变为波动率净接收者; 加密货币市场从在系统中扮演较为不重要的角色, 转变为重要的风险净传播者; 农产品市场则受疫情影响较小.

预测是决策和规划的基础, 包括单变量和多变量预测建模. 由于单变量预测建模仅需利用时间序列本身的历史值, 在农业、能源、环境、金融等领域得到了广泛应用. 数据特征驱动模型是基于数据本身特征进行模型选择, 以预测未来趋势. 本文立足于数据特征驱动的预测建模研究范式, 通过文献梳理和总结, 提出了数据特征驱动的单变量预测建模的七种典型框架, 即专家知识类、数据特征驱动类、专家知识驱动的分解-集成类、专家知识驱动的分解-聚类-重构-集成类、数据知识混合驱动的分解-集成类、数据知识混合驱动的分解-聚类-重构-集成类、知识数据混合驱动的分解-集成类. 在此基础上, 对数据特征分类与识别方法、分解-集成方法、聚类-重构方法和预测方法等进行了评述. 最后, 从混叠数据特征的识别检验、智能化预测建模、聚类-重构新方法、预测-集成新方法、时序预测大模型等方面讨论了未来的五大研究方向及其典型科学问题, 以期为促进数据特征驱动的单变量预测理论与方法的研究提供参考.

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.

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.