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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

“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.

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.

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.

常用的泰勒规则一般盯产出缺口与通胀缺口, 但是在重大外生冲击下, 泰勒规则可能需要适时调整盯住对象以提高货币政策的调控效果.本文以新冠疫情作为外生冲击的代表, 分外生冲击前和外生冲击后两个阶段分期构建PVAR模型, 对比研究了调整盯住目标后的泰勒规则的有效性.研究显示: 添加了汇率和金融稳定因素之后的泰勒规则能够更好地应对外生冲击, 且对发达国家和浮动汇率国家更为有效.政策建议是: 各国应当结合自身发展特征调整货币政策, 建立应对突发危机事件外生冲击的货币政策调控框架, 完善国际货币政策协调机制, 实施稳定的汇率政策和跨境资本的宏观审慎调控政策, 抵御外生冲击的不利影响和实现对宏观经济的最优调控.

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.

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.

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.

房租占家庭收入的比重是衡量一个城市居民家庭租房负担的重要指标. 由于数据可得性的限制, 通常采用城市年度平均租金与家庭平均收入的比值来研究城市的房租负担问题.然而, 这种方法得出的中低收入家庭负担较重的结论往往只是一般性的逻辑推测, 无法提供不同收入水平家庭租房负担的量化结果. 本文利用第七次人口普查租房户租金分组数据和城市居民家庭人均可支配收入数据, 通过引入租金和收入两个连续分布函数, 克服了数据统计口径不一致的难题, 构建了房租与居民收入匹配效率模型, 对典型城市进行了模拟测算. 该模型不仅可以准确测算出各城市房租与居民家庭收入的总平均比值, 还能够细化到不同收入水平家庭房租的实际负担.该模型在揭示不同城市和不同收入群体房租负担差异的同时, 还具有可操作性和普适性, 有助于评估城市租赁市场的公平性和有效性.

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.

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.

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.

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.

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.

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”.