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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.