econ
01-13 00:00
针对气候科学与经济学之间的鸿沟，研究团队开发了OPTiMEM系统，这是一个将海洋热含量物理模型与时间宏观经济模型相结合的新框架。该方法通过建立碳消费模型驱动气候物理模型，整合了CO₂、CH₄、N₂O等温室气体的最新方程与生产模型，模拟碳排放如何导致地球升温。模型每一步均用已知的碳消费、CO₂浓度、温度及海洋热含量数据进行验证，从而构建了一个基于物理机制的气候成本预测模型，为评估温室气体的社会成本提供了替代性估算方法。
气候经济学物理经济模型温室气体成本海洋热含量碳消费模型气候建模
econ
01-13 00:00
研究挑战了“AI自动化会降低劳动份额并压低工资”的传统观点。通过竞争性经济模型证明，在规模报酬不变条件下，工资最大化的劳动份额仅取决于资本-劳动比率，两者呈非单调关系。当实际劳动份额高于最优水平时，进一步自动化（降低劳动份额）反而能提高工资。基于美国等12个工业化国家数据估算，所有国家的劳动份额均过高，自动化应能提升工资；1954-2019年间，美国劳动份额下降贡献了16%的实际工资增长。
自动化悖论劳动份额工资增长人工智能经济资本劳动比率
econ
01-13 00:00
本文形式化了一类广泛应用的动力学系统——复制-突变动力学和Price式选择-传递模型，并明确了决定该类模型在不同领域如何实例化的建模选择（尺度、原子单位、交互拓扑、传递核）。核心贡献包括：（1）提出一种尺度相对的核参数化方法，使原子单位本身成为参数，支持在物理、生物、经济、认知和社会组织中的系统实例化；（2）为政治哲学构建了一个“同意摩擦”实例，其中摩擦是基本量，合法性函数作为生存概率，信念传递函数作为突变核；（3）从社会契约理论而非生物学或物理学出发，通过独立路径推导出相同的数学结构 $\frac{dp_i}{dt} = p_i (f_i(\mathbf{p}) - \bar{f})$。该框架通过将规范性主张与降低预期摩擦 $\mathbb{E}[\phi]$ 的政策联系起来，为描述性动力学与工具性规范性之间建立了桥梁原则，同时避免了“实然-应然”谬误。
演化动力学社会契约理论同意摩擦尺度相对模型规范性基础跨学科形式化
econ
01-13 00:00
本研究首次系统证明，在农业市场价格预测领域，基于预训练的时序基础模型（TSFMs）已能稳定超越传统时间序列方法及复杂机器学习模型。研究使用1997-2025年美国农业部数据，评估了17种预测方法。结果显示，仅使用历史价格进行零样本预测的TSFMs，其表现优于需额外协变量或从头训练的模型。其中，Time-MoE模型提升最为显著，整体平均绝对误差（MAE）降低45%，对玉米和大豆的预测精度较美国农业部基准提升超50%。这标志着农业预测范式正在转变，预训练基础模型为高风险预测分析提供了可扩展的强大新框架。
农业预测时序基础模型零样本学习价格预测机器学习
econ
01-13 00:00
本研究为具有多维异质性和非参数先验的短面板线性模型开发了一个实证贝叶斯（EB）G-建模框架。该框架允许异质性截距、斜率、动态以及非球形误差协方差结构。研究在一般条件下建立了非参数最大似然估计量（NPMLE）的识别性和一致性，并为多个实证模型提供了低阶充分条件。同时，也确立了所得EB估计量的遗憾一致性。NPMLE的计算采用了适用于面板回归的Wasserstein-Fisher-Rao梯度流算法。利用收入动态面板研究数据发现，潜在经验的斜率系数存在显著的异质性，且与随机截距呈负相关，误差方差和自回归系数在个体间也存在显著差异。与个体最大似然估计相比，EB估计降低了均方预测误差。
实证贝叶斯面板数据异质性系数非参数估计梯度流算法收入动态
econ
01-13 00:00
本文提出“人工锯齿状智能”概念，描述生成式AI在看似相近任务上表现高度不稳定的现象。通过构建经济模型，将用户采纳视为信息问题：用户关注局部可靠性，但通常只能观察到粗略的全局质量信号。模型将真实知识视为粗糙的布朗过程，AI系统仅“知道”从泊松过程中抽取的散点，并通过最优插值进行预测。研究发现，盲目用户存在采纳阈值，经验误差会被检查悖论放大；扩展定律可提高平均质量但无法消除锯齿性。研究进一步表明，能够根据局部不确定性进行校准的用户，即使在盲目测试失败的领域也能获得正期望价值。
人工智能经济模型信息问题校准学习扩展定律可靠性
econ
01-13 00:00
本研究系统综述了用于模拟碳税分配影响的微观模拟模型，并通过元分析评估了建模选择对结果的影响。基于对71个国家217项估计的样本进行Probit模型分析，研究发现：对进口排放征税的模型显著更不易得出累退性结果；使用较旧数据集、采用明确税收累进性或收入不平等指标、以及考虑家庭行为的模型，得出累退性估计的可能性较低；而纳入一般均衡效应则会增加这种可能性。研究揭示了建模实践的多样性及其对政策解读的关键影响。
碳税分配效应微观模拟元分析累退性政策建模
econ
01-13 00:00
本研究提出了一个统一的框架，用于估计去偏机器学习中的核心组件——Riesz Representer。该框架通过最小化Riesz Representer模型与其实值之间的Bregman散度来拟合，将Riesz回归、协变量平衡等多种现有方法统一起来。研究表明，平方损失对应Riesz回归，KL散度对应定制损失最小化，其对偶解分别对应稳定平衡权重和熵平衡权重。该框架还将密度比拟合推广至Riesz Representer估计，并适用于更广泛的应用场景。文章还提供了在再生核希尔伯特空间和神经网络模型类下的收敛性分析。
去偏机器学习riesz representerbregman散度协变量平衡因果推断统一框架
econ
01-13 00:00
本文认为加密货币市场的价格区间并非随机形成，而是市场背景与资本条件结构化互动的结果。研究指出，4小时时间框架是观察机构头寸、杠杆敞口和流动性管理汇聚的均衡区的关键窗口。永续合约中的资金费率作为一种纪律性力量，通过施加经济成本来调节交易者行为并塑造方向性承诺。当资金费率与主导的4小时市场背景一致时，价格扩张成为可能；反之，则压缩和区间震荡行为占据主导。因此，价格区间反映了知情参与者的战略布局，是一种受控的平衡状态，而非市场犹豫不决的表现。理解4小时背景与资金费率如何作为市场调节器运作，对于将加密货币价格行为解读为一个理性的、权力介导的过程至关重要。
加密货币市场价格区间资金费率永续合约市场微观结构4小时框架
econ
01-13 00:00
本文研究了议会选举中的新型策略操纵问题，目标不再是提升单个政党，而是提升一个政党联盟的总席位。研究聚焦比例代表制选举，分析了两种操纵手段：贿赂（修改选民偏好）与控制（改变选民或政党集合）。研究发现，对于某些贿赂类型存在多项式时间算法，而另一些则是NP难问题。在控制方面，通过增减选民是可行的，但通过增减政党则要么不可能，要么是计算困难的（W[1]-难）。
议会选举策略操纵联盟博弈计算复杂性比例代表制
econ
01-13 00:00
本文通过引入一个拓扑框架来建模偏好循环，将孔多塞悖论（社会选择理论中的经典矛盾现象）与曲面的非定向性联系起来。研究发现，偏好循环的矛盾性在拓扑上对应于克莱因瓶或实射影平面等非定向曲面。基于此，作者将阿罗不可能性定理简化为一个关于曲面定向性的陈述，从而为经济学中的不可能性现象与更广泛的逻辑悖论提供了新的拓扑视角。
社会选择理论孔多塞悖论拓扑模型非定向曲面阿罗不可能定理偏好循环
econ
01-13 00:00
本研究采用Giglio-Xiu三通方法，在控制已观测的股票市场和加密货币市场因子的同时，允许存在被忽略的潜在因子，以估计加密货币横截面收益的风险溢价。基于广泛的大型加密货币周度数据，研究发现加密货币预期收益不仅受加密市场特有因子影响，还与技术和盈利相关的特定股票行业因子相关，表明加密市场与传统市场融合度加深。此外，研究首次引入并分析了捕捉投资者情绪、投机轮动和安全冲击的非交易性状态变量。与传统Fama-MacBeth估计相比，潜在因子方法对关键因子的溢价估计存在显著差异，凸显了在加密资产定价中控制未观测风险的重要性。
加密货币定价潜在因子模型风险溢价市场融合投资者情绪资产定价
econ
01-13 00:00
本文提出了一种新颖的模拟范式，用于对城市交通管制政策进行事前评估。该框架整合了一个多层城市交通模型，将网络、流量和排放的物理层与捕捉行为响应和政策适应性的社会层相结合。通过利用真实世界数据构建“现状”情景，并将政策替代方案和行为假设编码为模型参数以生成多个“假设”情景，该框架支持通过分析政策干预引起的模拟结果变化，进行跨情景的系统性比较。案例研究表明，该方法能够探索不同的监管设计和用户响应，为城市交通政策的知情和前瞻性评估提供支持。
交通政策评估情景模拟城市交通模型行为响应事前评估系统复杂性
econ
01-13 00:00
本研究提出并估计了“前沿成本”（无监管时的非土地建造成本）与“监管税”（监管带来的货币化成本）两个核心概念，以量化监管对住房供给的影响。通过分析多楼层公寓的价格与建筑高度数据，研究无需借助工具变量即可识别前沿成本。应用于以色列新建住宅数据发现，平均监管税高达房价的48%，且与区位中心性、密度和价格正相关。在考虑住房质量差异后，研究构建了监管税的下界估计，在样本末期（房价最高时）介于40%至53%之间。
住房供给监管成本前沿成本城市经济学计量识别
econ
01-13 00:00
本研究针对非可分但位似的效用函数，推导出公共品边际与非边际变动下补偿变动（CV）与等价变动（EV）的精确闭式解。该解由单一充分统计量概括消费者偏好，并揭示了决定其大小的三个经济机制。其中，相对偏好效应有助于解释公共品支付意愿（WTP）与接受意愿（WTA）之间的差异。研究还展示了如何利用现有实证估计，应用该闭式解计算不同收入群体的WTP与WTA。
公共品估值补偿变动等价变动非可分效用支付意愿福利经济学
econ
01-13 00:00
本文研究基于微观数据识别群体层面参数（如儿童惩罚）的因果效应估计。研究发现，标准的一步法（如混合OLS和IV回归）由于存在内生权重偏差（政策影响隐含权重，如改变生育率）通常不一致。作者提出一个两步最小距离框架，明确将参数识别与政策评估分离，从而消除内生权重偏差，并在群体规模较小时要求明确处理样本选择问题，提高了透明度。研究表明，当大多数群体参数可估计时，MD估计量表现良好，并提出在数据有限时利用辅助信息的稳健替代方案。以2005年荷兰托儿改革对儿童惩罚的影响评估为例，传统一步法估计值显著大于两步法结果。
因果推断内生权重偏差最小距离法政策评估微观数据
econ
01-13 00:00
本文针对数字平台实验中长期效应难以直接观测的挑战，提出了一种利用大量短期代理变量进行估计的方法。该方法将问题形式化为一个潜变量模型，其中观测到的代理变量是少数未观测替代变量的噪声测量。理论分析和模拟表明，正则化回归方法（特别是岭回归）显著优于简单的代理变量选择，其偏差随代理变量数量增加而减小，并给出了偏差-方差权衡的闭式解。该方法在加州GAIN实验中得到实证应用。
因果推断代理变量正则化回归长期效应数字实验
econ
01-13 00:00
本文挑战了传统规范模型中决策者是完全贝叶斯理性的假设。受熊彼特的企业家精神和沙克尔潜在惊奇概念的启发，作者提出了“活跃决策树”框架，以描述那些因有限理性而无法被完整建模的动态决策过程。该框架超越了标准风险和不确定性概念，允许在因理性有限而被截断的决策树终端节点上，使用实值主观评估而非确定结果。这种扩展的贝叶斯理性形式，不仅为国际象棋软件中使用的蒙特卡洛树搜索算法提供了理论基础，也有助于合理化备受争议的预防原则。
有限理性主观评估决策树贝叶斯理性不确定性行为经济学
econ
01-13 00:00
传统预测优化通常只关注单一指标（如最小化均方误差），可能忽略符号准确率、预测平滑性等重要性能。本文提出平滑符号精度（SSA）框架，能同时权衡符号准确率、均方误差（MSE）以及预测值符号变化的频率，从而解决预测中的“精度-平滑性”两难问题。该框架将传统MSE指标推广为多目标优化，并可扩展至非平稳的积分过程，特别强调控制预测的单调性。研究还通过商业周期分析工具的应用，展示了该方法的广泛适用性。
预测优化平滑符号精度精度-平滑性权衡非平稳过程商业周期分析多目标预测
econ
01-13 00:00
本文重新审视了Bergemann等人（2015）关于三级价格歧视的经典分析。原论文声称任何带有随机定价的市场细分都存在对应的直接细分（每个细分市场收取确定性价格），但作者指出，在原定义下这一结论并不成立，并提供了反例。作者随后提出了替代性定义以解决该问题，并探讨了两种定义对原论文主要结论的影响。
价格歧视市场细分消费者剩余生产者剩余随机定价
econ
01-13 00:00
本研究提出了一种递归且易于实现的通用算法，用于计算状态转换模型中的得分向量和海森矩阵。通过模拟实验，比较了基于海森矩阵与基于得分向量外积构造的渐近方差估计量，结果表明后者表现更优。该算法为相关模型的参数推断提供了高效的计算工具。
状态转换模型递归算法得分向量海森矩阵渐近方差参数估计
econ
01-13 00:00
本文提出了一种在缺乏未处理组或对照组情况下估计政策处理效应的方法。通过利用处理前的短期时间序列数据，为每个个体构建反事实结果的无偏预测，进而获得个体异质性处理效应的无偏估计量，以及平均处理效应的一致且渐近正态估计量。研究强调，当最终目标是估计平均处理效应时，应关注预测的无偏性而非准确性。研究表明，简单的基函数回归能确保对广泛的反事实数据生成过程实现无偏预测，而基于特定参数模型的预测则需要更强假设且易受模型误设和估计偏差影响。该方法无需对照组即可复现先前部分实证研究的发现。
因果推断政策评估无偏预测反事实分析平均处理效应时间序列
econ
01-13 00:00
本文指出，在信息干预实验中，标准估计量会赋予信念更新幅度更大的个体更高的权重。然而，这些个体恰恰是信念对结果因果效应最弱的群体，导致标准方法系统性低估了因果效应。作者提出了一种局部最小二乘（LLS）估计量，能在推广贝叶斯更新的学习率模型类中，恢复具有代表性的无加权平均效应。对六项已发表研究的重新分析显示，其中五项研究的信念对结果的因果效应估计值有所增加，两项研究的估计值甚至翻倍以上。
因果推断信息干预实验信念更新估计偏差计量经济学