econ
01-06 00:00
本研究提出了一个用于评估国家数字贸易竞争力的综合指标——数字贸易竞争力指数（DCIT）。该指数整合了ICT准备度、宽带普及率、人均GDP、外国直接投资、政府效能和贸易额等多个维度，旨在捕捉影响一国参与数字贸易的关键使能条件。敏感性分析表明该指数具有强稳健性，调整ICT与FDI权重仅使结果改变26%，且呈现近乎完美的线性关系（$R^2 = 0.9996$）。预测验证显示，DCIT能较好地解释贸易连通性增长（$R^2 = 0.67$），但对GDP增长的预测能力一般。情景模拟揭示，ICT与FDI协同加速的策略始终优于单一杠杆策略，且收益随集群成熟度提升而增加（在先进集群中可达10%）。高增长情景可使中高级集群的竞争力提升50-60%，凸显了综合数字投资战略的重要性。
数字贸易竞争力指数ict投资情景分析经济预测集群研究
econ
01-06 00:00
本研究结合统计分析（卡方独立性检验、双比例Z检验）与机器学习聚类技术（K-Modes、K-Prototypes），辅以t-SNE可视化和CatBoost分类，深入探究了美国社会经济融合与不平等问题。分析发现，就业与公民身份存在关联，并识别出5个不同的人口群体。关键结论是：公民身份与劳动力参与率无关，但在获得雇主提供的健康保险方面存在显著差异。非公民更集中于缺乏福利的不稳定就业，凸显了医疗保健获取的系统性不平等。教育程度是区分群体的首要因素，劳动力状况和出生地则为次要因素。
社会经济不平等健康保险获取机器学习聚类公民身份差异就业状况
econ
01-06 00:00
本研究通过构建美国大都市区层面的面板数据，分析了租金变化与无家可归率之间的关系。研究发现，租金上涨会显著推高无家可归率，但租金下降却几乎没有缓解作用，呈现出明显的“向下粘性”。作者建立了一个低端住房市场理论模型来解释这种不对称性，并采用Bartik工具变量法（以预测就业增长与地方住房供给弹性的交互项作为工具变量）进行因果推断。结论指出，无家可归本质上是住房问题，但有效的政策需在干预住房市场的同时，解决无家可归者面临的其他障碍。
无家可归住房市场租金粘性不对称效应bartik工具变量公共政策
econ
01-06 00:00
本文提出了一种由已实现信息驱动的半参数联合VaR与期望损失（ES）框架。模型在CAViaR分位数递归基础上，引入动态ES-VaR缺口捕捉时变尾部严重性，并通过测量方程将多个已实现测度转化为高频风险冲击。这些冲击通过动态因子模型进一步聚合，提取出共同的高频尾部风险因子，该因子通过不同风险渠道分别影响分位数水平和尾部厚度，从而明确分离了风险水平变化与尾部风险加剧。实证表明，该模型在多种损失函数下均优于分位数回归、极值理论和GARCH类基准模型，凸显了将高频信息直接嵌入尾部风险生成层的重要性。
尾部风险动态因子模型高频信息风险度量半参数模型已实现测度
econ
01-06 00:00
本研究探讨了当双寡头企业均委托同一预训练大语言模型（LLM）进行定价决策时，算法如何可能促成合谋。模型通过一个表征高价偏好的“倾向性参数”和一个衡量输出对倾向性跟踪紧密度的“输出保真度参数”来刻画。研究发现，为追求稳健性和可复现性而配置的LLM，会通过一个相变过程诱发合谋：存在一个关键的输出保真度阈值。低于该阈值，长期结果是竞争性定价；高于阈值，系统呈现双稳态，竞争与合谋定价均可能稳定存在，最终结果取决于模型的初始偏好。合谋状态类似于默示合谋：平均价格被抬高，但偶尔的低价建议提供了“合理否认”的空间。当训练批次大小$b$有限时，因计算成本导致的低频再训练会进一步强化合谋：若初始处于合谋区间，随着$b$增大，合谋概率趋近于1，因为更大的批次抑制了可能将系统推向竞争的随机波动。不确定性区域以$O(1/\sqrt{b})$的速率缩小。
算法合谋大语言模型定价策略双寡头竞争机器学习经济学
econ
01-06 00:00
研究构建了一个功利主义框架，分析用户在社交媒体上为获取点赞而策略性调整表达的行为。模型发现，社交媒体互动是一种状态依赖的福利放大器：轻松话题带来帕累托改进，而激烈话题（如选举中的政治辩论）在极化社会中使所有人境况变差。策略性表达在极化事件中放大平台极化，在团结事件中则抑制极化。反直觉的是，用户常陷入“流行度陷阱”：发布更受欢迎的观点对个人最优，但集体行动会消除其真实观点，最终使其境况比真实表达基准更差。基于偏好的算法或同质化曝光能约束流行度驱动行为，缩小陷阱范围。
社交媒体经济学策略性表达福利分析极化流行度陷阱算法设计
econ
01-06 00:00
本研究通过时变参数向量自回归模型分析2023年美国银行危机，发现风险并非通过直接金融关联，而是通过高频信息传染渠道传播，验证了“太相似而失败”假说。研究表明，在利率压力下，业务模式相似的银行间风险溢出显著，SVB、FRC和WAL是主要风险净输出方。市场恐慌情绪和经济政策不确定性显著放大了这种溢出效应，凸显了实时监测对维护金融稳定的重要性。
银行风险风险溢出tvp-var模型系统性风险市场情绪金融稳定
econ
01-06 00:00
本研究首次提出一个利用大语言模型（LLMs）分析IPO后月度信息（财务表现、文件、新闻、市场信号）以估算风投最优退出时机的框架。通过将LLM生成的“卖出/持有”建议与实际风投退出日期对比，计算两种策略的回报差异，量化了遵循AI指导的潜在收益或损失。研究为评估AI驱动决策能否改善退出时机提供了证据，并补充了传统风险模型与实物期权模型在风投研究中的应用。
风险投资退出时机大语言模型ipo后表现ai金融决策投资回报
econ
01-06 00:00
研究揭示了金融市场中从对数正态分布向幂律分布转变的普适机制。该过程仅需三个条件：底层过程的随机性、收益的整流效应以及预期价值的迭代前馈。通过一个无限期权链模型，研究推导出无条件情况下的临界波动率阈值为 $\sigma^* = \sqrt{2\pi} \approx 250.66\%$。当引入选择性生存（参与者需要最低回报以继续参与）时，临界阈值会不连续地降至 $\sigma_{\text{th}}^{*} = \sqrt{\pi/2} \approx 125.3\%$，并可能随生存压力增大而进一步降低。由此产生的“临界波动率分布”呈现幂律特征，其指数可由生存压力和条件预期增长率的闭式表达。这表明金融市场的“肥尾”现象可能是带有选择机制的迭代对数正态过程的内生涌现属性，而非外生特征。
临界波动率幂律分布肥尾现象迭代过程选择性生存金融模型
econ
01-06 00:00
本文提出了一种利用工具变量（IV）在存在未观测混杂因素时，局部识别剂量-响应函数（即连续处理效应）的新框架。核心是引入了“均匀正则加权函数”的概念，通过将处理空间划分为有限个开集，在每个子集上识别局部因果效应。在估计层面，作者在去偏机器学习框架下，为连续处理开发了一种基于工具变量的增强逆概率加权评分方法，并建立了使用核回归或经验风险最小化进行估计时的渐近性质。模拟和实证研究验证了该方法的有限样本性能。
因果推断工具变量连续处理双机器学习剂量-响应函数未观测混杂
econ
01-06 00:00
本文为柔性海水淡化厂（WDPs）作为混合发电-负荷资源的最优调度开发了一个数学框架。WDPs集成了热力发电、基于膜的可控负荷和可再生能源，为电力系统运行提供了独特的灵活性。它们可以同时参与两个市场：向水务公司出售淡化水，并根据其净电力需求与电网进行双向电力交易。我们构建了一个利润最大化的WDP调度决策问题，捕捉了水电流动之间的运行、技术和市场耦合。我们推导出的基于阈值的结构提供了适用于大规模部署的计算上易于处理的协调方案，揭示了热力发电和膜基负荷如何互补地提供连续双向灵活性。阈值以技术和电价参数的显式函数形式进行解析表征。我们研究了外生电价和技术参数的微小变化如何影响WDP的利润。大量仿真说明了最优WDP的运行、利润和水电交换，相对于基准算法有显著改进。
能源经济海水淡化优化调度可再生能源电力市场水电耦合
econ
01-06 00:00
本文提出了一种针对不完全结构模型的贝叶斯推断框架——分布匹配后验推断（DMPI）。该框架基于Dirichlet-多项式结构，利用理论矩分布与经验矩分布之间的Jensen-Shannon散度构建准似然函数，从而处理模型误设和随机奇异性问题。通过结合序贯蒙特卡洛与Metropolis-Hastings算法的抽样方法，DMPI能够联合推断结构参数与理论矩分布。实验表明，在误设的新凯恩斯模型中，DMPI能通过概率性地降低与结构模型不一致的矩分布的权重，实现更稳健的推断并提升分布匹配的一致性。对美国数据的实证应用显示，一个简约的随机奇异新凯恩斯模型比过度参数化的满秩模型能更好地拟合商业周期矩。
贝叶斯推断结构模型矩匹配模型误设蒙特卡洛方法
econ
01-06 00:00
本研究提出一种数据驱动的患者安置策略，旨在优化医院普通病房（NCU）的资源分配以降低死亡率。研究利用工具变量因果森林方法，以急诊入院作为工具变量，估计了不同患者特征和病房利用率水平下，病房安置对健康结果的异质性处理效应。结果表明，在病房专业化程度与利用率之间存在明确的权衡关系。基于此，研究者设计了一种最小化最大遗憾的安置策略，该策略结合了频率学派、Balke-Pearl和Manski界限，通过根据患者的个体化平均处理效应进行重新分配，在不增加床位容量的前提下有效降低了死亡率。
医疗资源优化因果推断工具变量患者安置死亡率数据驱动策略
econ
01-06 00:00
本文研究风险情境下的偏好聚合问题。当个体偏好由一组期望效用函数表示（即偏好不完全）时，经典的帕累托原则无法处理涉及犹豫不决（indecisiveness）的共识。为此，作者引入了一个新的帕累托原则，使其适用于部分个体“保留判断”的情形。主要结论表明，在该原则下，对于任意给定的个体效用函数组合，都存在一个对应的社会效用函数，其形式为个体效用的加权和。这类聚合规则保证了标准帕累托原则所无法确保的一些自然性质。
偏好聚合风险决策不完全偏好帕累托原则社会选择
econ
01-06 00:00
本文提出一个多自我模型，研究决策者在做出选择时如何通过系统性地扭曲自身真实偏好来“惩罚”自己。模型的核心是定义一个“自我惩罚程度”，用以量化决策者否认自身愉悦的程度。研究刻画了具有最低自我惩罚程度的非理性选择，并识别出那些能以最小愉悦否认来解释决策者选择的偏好。该模型能解释一些已知的选择偏差，如“次优选择程序”和“障碍规避”。研究还给出了估计选择数据中自我惩罚程度的充要条件，并部分揭示了能证明选择数据的偏好扭曲线性序。最后，研究刻画了具有最高自我惩罚程度的选择行为，并表明该子类几乎包含了所有选择。
行为经济学选择理论自我惩罚偏好扭曲决策模型非理性选择
econ
01-06 00:00
本文提出了一种新的“体制诊断”框架，用于识别气候-经济系统在脱碳过程中的不同结构性状态（即“体制”）。传统模型常假设排放与经济增长的关系是稳定且同质的，导致政策评估结果相互矛盾。该框架通过分析碳排放对经济活动的时变响应性，重构出具有不同稳定性、惯性和重构特征的潜在转型体制。研究者将此作为建模前的诊断步骤，使后续的计量经济学和机器学习分析能够基于经验识别的具体体制进行。该研究基于1991-2022年间约150个国家的全球面板数据，为理解气候转型的异质性动态及制定更具针对性的政策提供了新工具。
气候转型体制诊断碳排放经济政策异质性动态机器学习
econ
01-06 00:00
本文系统研究了状态依赖局部投影法（LPs）的估计性质。首先，在最小假设下，证明了状态依赖LPs的估计量本质上是因果效应的加权平均，适用于几乎所有实际应用中的设定。其次，阐明了LPs与向量自回归（VARs）方法针对不同的估计目标，并提出了一个基于VAR的简单估计量，使其概率极限等于LP的估计量。最后，在工具变量（LP-IV）设定中，研究发现即使真实效应不依赖于状态，状态依赖的加权也可能产生非零的交互项，这是导致LP-IV结果被误读的一个关键来源。
局部投影法向量自回归因果推断工具变量状态依赖计量经济学
econ
01-06 00:00
本文系统综述了体育转播权销售的经济学文献。体育作为娱乐产业的重要组成部分，其转播与媒体版权销售是职业体育俱乐部最主要的收入来源。研究特别聚焦于一个核心问题：当转播权通过集体销售模式产生收入后，如何在各俱乐部之间进行公平有效的分配。这一分配机制的设计直接影响联赛的竞争平衡、俱乐部财务健康与整个产业的可持续发展。
体育经济学转播权销售收入分配集体销售职业体育媒体版权
econ
01-06 00:00
本文提出了一种基于强化学习的两步条件选择模拟估计方法，以解决动态离散选择模型在“大数据”和高维状态-动作空间下的估计难题。该方法将机器学习算法的可扩展性与结构模型的透明性、可解释性相结合，特别适用于反事实政策分析。核心在于将CCS估计视为一个强化学习问题，并利用RL算法在模拟路径中更新所有访问过的状态-动作对值的特性，显著提升了计算效率。蒙特卡洛模拟实验验证了该方法在机器更换和消费者食品购买模型上的有效性。
动态离散选择模型强化学习条件选择模拟计算效率可解释性反事实分析
econ
01-06 00:00
本研究通过双重差分法评估了华盛顿特区亚历山大市免费公交服务的影响。调查显示，与对照地区相比，亚历山大市居民公交使用率最多仅增加6%，对地面臭氧水平和交通事故无显著影响。约三分之一对照地区受访者表示若本地提供免费公交将增加使用。基于受访者报告的汽车里程减少量，该项目每年减少0.294至0.494吨二氧化碳排放，相当于美国汽车年均排放量的5%-9%，减排成本为每吨70-120美元。若免费公交覆盖全部研究区域，预计年减排量可达0.454吨（相当于8%）。
交通政策碳排放公共交通自然实验环境经济
econ
01-06 00:00
本文提出了一种稳健的半参数识别与估计方法，用于面板多项选择模型。该方法允许无限维固定效应以加法非可分离方式进入消费者效用函数，从而纳入丰富的未观测异质性。识别策略利用参数指标的多变量单调性，并通过选择概率的跨期不等式逻辑逆否命题获得识别约束。研究提供了具有一致性的估计程序，并通过蒙特卡洛模拟和尼尔森数据爆米花销售的实证案例展示了方法的实用优势。
面板数据多项选择模型半参数识别固定效应未观测异质性蒙特卡洛模拟
econ
01-06 00:00
本文通过一个委托代理模型重新审视波普尔的可证伪性标准。委托人雇佣潜在专家提出理论，并根据理论在观测中的表现支付报酬。模型的关键在于，专家并非知晓真实的数据生成过程，而是掌握着关于数据生成过程的“前沿信念”，并能通过获取额外信息来精炼这一知识。研究表明，当专家具备这种信息获取与精炼能力时，可证伪性标准能够有效地区分专家与非专家，并识别出有价值的理论。这凸显了专家在知识获取与更新方面的核心能力。
可证伪性专家理论信息获取委托代理模型知识精炼