收入不均等、贫困和中等收入群体占比等指标广受决策界、社会、学术界,乃至媒体的关注,也是众多经济社会变量(如增长、消费、投资、教育、健康和犯罪等等)的重要决定因素之一,但鲜有文献将其纳入到实证模型里,原因往往在于相关指标或数据的缺失.此外,家户调查数据顶端和底端的观察值也常常缺失,给实证估算带来偏差.本文基于2018年的中国家庭追踪调查(CFPS)数据,评估了由Shorrocks and Wan (2009)提出的基于分组数据“还原”个体观察值,进而估算不均等和贫困等指标的方法,并引入条件分布对Shorrocks and Wan (2009)的方法进行拓展,以便考虑收入分布顶端和底端的数据缺失问题.结果显示,假设变量服从Dagum分布,而非Shorrocks and Wan (2009)所使用的对数正态分布,可以使“还原”偏差保持在可接受的范围内.此外,本文对Shorrocks and Wan (2009)的方法的拓展,能够明显降低数据截断所导致的“还原”偏差,而且在该方法下Dagum分布依然占优.本文的发现表明,后续研究可在Dagum分布的假设下,对各省统计年鉴中提供的收入分组数据进行“还原”,然后测算各省的收入不均等、贫困和中等收入群体占比等等指标,并据此展开经济学分析,至少应该将相关指标纳入到实证研究中,以减少相关指标和模型估算偏误.

本文在内容上是《数据科学在社会经济领域应用的重心——兼评<十字路口的统计学,谁来应对挑战>》²的续篇,试图从更为一般性的角度进一步探讨“应用统计方法研究”相关的“学科规范”问题,即数理统计方法在社会经济领域应用过程中应该侧重做什么和怎样做,关键是为什么这样做.全文分为三个部分:研究的格局、研究的相关性和应用过程中的方法论研究.研究聚焦所面临的第一个选择是:偏理论,还是偏应用?这需要把握好研究的学科格局.进而对论题的聚焦则需要注重“研究的相关性”,否则实证就失去了其不可或缺的社会经济意义.要达成实证研究的“内在一致性”和“外在一致性”,统计学者应该充分发挥自己的专业优势,深入开展“统计应用方法研究”,其内涵便是本文试图概括阐述的,以便统计实证奠基于方法应用的“机理”.统计应用过程也需要方法论研究,这便是本文的核心观点(聚焦点).

在网络拍卖里 (如 eBay), 有三种主要的交易制度, 一是一口价, 二是一般的拍卖, 三是立即购买拍卖 (auction with buy-it-now). 本文利用一个简单的理论,说明这三种制度, 其实是卖家在同一个最适化问题下的三种不同的解. 换句话说,eBay 里, 卖家对上述三种上架方式的策略选择, 可以在一个统一的理论模型下去内生化 (endogenize). 其中的关键在于底价及立即购买价之间的相对关系, 尤以底价的角色最重要. 在这个理论下, 本文证明这三种交易制度下的底价的相对大小,有一个固定的排序. 我们利用 eBay 的 iPod 上架数据, 来证实这个排序.

截至目前,中国是世界上遭受非关税壁垒最多的国家,在全球新一轮贸易保护主义浪潮以及"去全球化"浪潮愈演愈烈的大背景下,深入探究非关税壁垒对中国出口的影响有助于前瞻性研判中国经贸未来的走势.本文基于HS6产品层面的贸易数据构建了时间-国家-产品层面的三维面板模型,研究了非关税壁垒对中国出口的影响.此外,本文从非关税壁垒视角探讨了中美经贸博弈以及RCEP协议签署给中国出口带来的损益.实证结果表明,金融危机爆发以后,非关税壁垒开始显著地抑制中国出口,且技术性贸易壁垒是抑制中国出口的主要非关税壁垒,而技术密集型行业和劳动密集型行业则是中国遭受非关税壁垒影响的重灾区.此外,中国需要高度警惕美国对华施加的一系列技术性贸易壁垒,其显著地降低了中国技术密集型行业和劳动密集型行业的对美出口.RCEP协议的签署将通过大幅削减东盟国家对华实施的非关税壁垒,来促进中国与东盟国家的贸易往来,加快亚洲区域经济一体化的进程.

制造业服务化水平对于我国在全球价值链中的地位究竟是促进还是抑制作用目前在文献中尚未达成一致结论.本文区分全球价值链浅层参与和深度参与,并同时考虑促进和抑制作用,全面探讨制造业服务化水平对全球价值链整体升级的影响机制,并基于双固定效应模型实证测算制造业服务化对我国全球价值链整体升级的影响.研究发现:制造业服务化水平与我国各制造业的全球价值链浅层后向参与和深度后向参与之间呈现"倒U型"关系,与全球价值链浅层地位指数和深度地位指数之间则呈现"U型"关系,且其作用效果和方向在不同制造行业间存在显著异质性.

当今中国和世界正处于百年未有之大变局, 维护国家的经济稳定性至关重要. 众所周知, 严重的通货膨胀是经济不稳定的一个重要因素. 因此, 建模和预测通货膨胀率成为了亟待解决的问题. 在本文中, 我们研究了包括中国和美国在内的世界四个主要国家近十年的消费者价格指数 (CPI) 通胀率, 提出含结构性断点波动率与时变参数均值随机波动模型 (stochastic volatility in mean model withtime-varying parameters and structural breaks in the volatility, SB-TVP-SVM),并给出了相应的贝叶斯估计框架. 在以往的大多数研究中, 研究者们往往忽略了非平稳特征同时存在于 CPI 通胀率的条件均值和波动率序列中的可能性. 通过引入不可观测的结构性断点, SB-TVP-SVM 解决了这一问题, 从而得到相比于既有方法更高的序列预测精度. 我们模型估计出的结构性断点与过去十年来最大的全球事件高度相关, 例如新冠病毒疫情以及俄乌地区冲突.

当前我国经济发展过程中面临着巨大的碳减排压力,那么这种压力能否驱动我国经济高质量发展值得探究.本文基于2010-2019年中国30个省域面板数据,采用碳排放强度表征政府面临的碳减排压力,基于新发展理念五大维度测度各省域经济高质量发展水平,运用时间固定效应的空间杜宾模型实证分析了碳减排压力驱动经济高质量发展的影响机制,并检验了环保投资在两者间的中介效应.结果表明,邻接地区的碳排放强度和经济高质量发展水平存在空间溢出效应;碳排放强度对经济高质量发展存在“倒U型”的非线性影响,整体上表现从促进经济发展质量提高向抑制经济高质量发展的转变趋势.中介效应回归结果表明,环保投资在碳减排压力驱动经济高质量发展的过程中存在中介效应,即碳减排压力可以通过激励环保投资推动经济高质量发展.

碳中和目标的实现依赖于科技创新有效发挥减排效应,为研究行业视角下创新对减排的驱动效应,构建LMDI模型分解分析了中国2012-2019年工业CO₂排放驱动因素,结果表明:1)能源消费因素中,能源排放强度的增长驱动工业碳排放总量增长,能源的区域结构调整和集聚程度有显著的减排效应;2)科技创新因素中,创新转化效率和创新研发投入的提高并没有发挥预期的减排效应,创新分布广度是最重要的减排驱动因素;3)要素特征因素中,低劳动密集度和高创新密集度代表了工业行业生产方式现代化,面临更高减排压力;4)工业生产因素中,行业的整体增长驱动碳排放总量增长,行业结构调整对碳排放总量起到抑制作用.分析驱动因素时间和行业异质性认为,政策对因素驱动效应存在影响,创新激励政策没有发挥预期的减排效应,电力行业对工业碳排放影响最大,各因素对电力行业的影响效应具有独特规律.保障和重视创新的分布广度,激发各主体全面创新,把握科技创新从转化到实际应用的环节,引导科技创新向绿色技术倾斜,是提高科技创新对中国碳减排驱动效应的潜在路径.

本文拓展了已有的生产率估计方法,构建了一个包含内生生产率变化的计量框架来评估专利对报酬生产率的作用效应.该估计方法直接考虑了专利与研发投入对企业生产率的的影响,从而避免了常见的假定生产率是外生变动而导致的生产函数的估计偏误.为了深入探讨专利对生产率的作用机制,本文将专利对生产率的作用效应分解为垄断效应和规模效应.本文提出的估计框架可以广泛适用于评估和检验专利对报酬生产率的作用效应与作用机制.基于中国医药制造业2001-2007年的企业数据和专利数据的合并数据,本文考察了专利对于生产率的作用效应与机制.实证结果发现:第一,仅有滞后一期的发明专利对于未来的报酬生产率有显著的促进效应;第二,专利对报酬生产率的作用主要体现为物质生产率提高所带来的规模效应而非垄断效应.最后,本文进行了三方面的拓展研究并发现:专利补贴政策未能改善专利对报酬生产率的作用结果,专利审查能够有效地识别高质量的专利,私人企业的发明专利相对于非私人企业能够更显著地促进报酬生产率的提升.

代币作为区块链融资过程中的重要媒介,在区块链平台运营中发挥了重要作用.本文构建了有分红权益的平台币和无分红权益的一般实用型代币的定价模型.与传统金融产品价格依赖于未来的现金流不同,加密代币的价格由用户对代币的均衡采纳所决定.模型中影响代币价格的变量包括平台用户基础、平台生产力、用户的应用需求、代币供应量、价格的漂移项和分红水平等,其中平台生产力、平台用户基础与代币价格的交互影响促进了平台代币经济的积极发展.具体地,采用随机分析的方法来刻画代币的价格、平台生产力和平台用户基础的变动规律,分析平台币和一般实用型代币在平台的用户基础、用户基础波动性以及代币价格波动性等方面的差异.研究表明代币赋权能够促进平台用户基础的增长,但同时也会放大用户基础和代币价格的波动性;此外,分红系数越高,用户基础增长越快,用户基础和代币价格的波动性也越大.

波动率分解是金融风险研究的重要问题,有助于识别金融风险的驱动因素,加深对系统性金融风险生成机制的理解.本文运用广义动态因子模型,将金融机构股票收益率波动分解为公共波动和异质波动两部分,并采用分位数向量自回归模型(quantilevectorautoregression,简称:QVAR)探讨两种波动的风险关联,最后构建了一个全新的金融系统脆弱性指标,用于实时监测金融风险.主要结论如下:1)公共波动关联水平较高,且这种关联水平不随分位数变化,异质波动关联具有非对称性,两侧尾部关联强烈.2)尾部溢出蕴含更多的风险信息,可揭示极端冲击下的金融风险传染,而传统的条件均值估计无法捕捉这些特征.3)相对尾部依赖指标充分利用了数据的左尾信息和右尾信息,可用于评估救助政策的有效性,且具有实时性的优点.

在基于高频数据的金融资产波动率研究领域,相较于外生抽样方案,当抽样时间为内生时通常能够更有效地捕捉到价格波动是一个共识.目前被广泛采用的内生抽样方式为当价格变化超过某一给定门槛值时进行一次抽样,然而更为具体的方案,例如门槛值如何选定,仍未有定论.本文在原有研究基础上提出了一种能够使波动率估计量渐近方差达到最小的内生抽样方案,该最优内生抽样方案下的已实现波动率将不再存在渐近偏差,且其置信区间宽度至多为5-min抽样方案的1/√3.文章使用蒙特卡罗模拟研究了最优内生抽样方案的有限样本性质,同时在实证研究中采用多种常见的波动率预测模型对不同抽样方案所得波动率估计量的预测能力进行对比,结果显示使用最优内生抽样方案所得波动率估计量作为解释变量时的预测精度更高.

债券风险溢价是衡量债券风险的晴雨表,使用网络自回归模型(NAR)对高维的城投债风险溢价进行建模有助于研究系统性风险外溢效应.简单的NAR模型通过构造空间权重矩阵实现降维,但所估计的网络外溢平均效应可能忽略了网络节点的异质性影响,且忽略了系统因政策或外部冲击产生的结构性变化.本文构建了时变参数和异质性溢出效应的适应性算法模型,提出了有效的适应性网络自回归算法(ANAR),以及时探测参数与解释变量的最大化同质区间,实现在及时探测参数结构性变化的同时,也能对最佳解释变量进行实时选择.应用该模型对我国省级城投债风险溢价网络进行建模分析和预测,我们发现:1)适应性网络自回归算法ANAR相比其他预测模型在城投债风险溢价的样本外预测中具有显著的预测优势.2)从同质区间识别角度来看,相比于2016年与2017年,2018年与2019年ANAR模型的同质性区间变得更短,说明市场短期不确定性风险上升,我国城投债在这一段时期内也相应出现了短期风险溢价高于长期风险溢价的“倒挂”现象.3)从变量选择结果来看,不同省份城投债风险在不同时间决定网络外溢风险的作用不同,被算法以较高频率识别到的风险溢出省份多具有风险溢价较高、风险溢价波动较大以及债券发行数量较多的特征.债券平均规模与债券剩余期限的网络节点效应对债券未来风险溢价也有较大影响.本文提出的模型和方法对政策部门和投资者实时监控和预测城投债风险具有实用性和参考价值,对深化金融供给侧结构性改革,防范债务风险具有实际意义.

近年来我国债券市场频繁出现高信用评级债券违约的现象,聚集性违约与股债两市风险“互溢”和“互补”频繁更迭是否存在关联引起了广泛的关注.论文从公司权益风险与风险的模糊不确定性视角,讨论了权益价格的两种不确定性对债券利差的影响.使用权益的波动率之波动来度量公司权益风险的模糊不确定性,利用2009-2021年我国A股的日内高频数据与匹配的公司债和企业债数据进行实证研究发现,公司权益价格的两种不确定性对债券利差呈完全相反的影响.权益的模糊不确定性与债券利差呈显著的“异向震荡”和“互补”关系,波动率之波动每增加1单位标准差,将引起债券年利差平均下降3个基点.而权益的风险不确定性对债券利差呈显著的“同向联动”和风险“互溢”关系,权益波动率风险每增加1个单位标准差,将引起债券年利差平均上升8个基点.进一步的实证发现,权益风险和风险的模糊不确定性与债券利差的异向影响,在民营企业发行的债券、低信用评级和长期债券中表现尤为突出.机制分析表明,债券的违约距离、公司的预防性储蓄和投资者的模糊性偏好异质性是权益风险的模糊不确定性对债券利差产生影响的可能渠道.论文的结果对股债两市的风险监管和公司信息披露要求提出了有价值的政策建议.

因果是人类由弱人工智能时代迈向类人智能时代的关键, 加之大数据时代下, 数据的多样性及其信息的丰富性促使挖掘文本数据中的因果知识成为新的研究热点. 目前的因果推断方法更多地应用在低维的、结构化观测数据, 对文本数据的利用并不充分. 为了实现对非结构化文本数据的因果分析, 本文首先结合现代汉语的句型系统, 提出了一种基于规则的事件抽取方法. 之后, 提出了一种基于文本的概率因果图推理方法. 具体来说, 针对已抽取出的事件, 该方法采用聚类算法抽象并泛化语义相似事件的公共语义特征, 以定义文本数据中的变量及观测的概念, 并基于语义依存关系抽取因果关系来指导文本中因果事件链条的抽取, 以进一步发现文本蕴含的因果网络, 进而采用因果图模型完成了对文本数据中因果效应的推断. 最后, 本文分别选取司法文书及金融研报作为语料进行实验, 具体展示了针对文本数据的概率因果推理过程.

准确的旅游需求预测对旅游业高质量发展有着重要的作用, 特别是中短期客流量预测对旅游目的地的旅游资源调配及应急管理至关重要, 新冠疫情的冲击导致旅游需求出现结构性变化, 将对旅游需求预测预警提出新的挑战. 本研究工作主要聚焦后疫情时期多源异构数据融合是否能够提升旅游需求预测方法的性能, 为了探究该问题, 本研究首先从旅游者生成的在线评论、旅游者关注的网络搜索数据和旅游目的地实时在线新闻数据中提取众多影响旅游需求波动的变量, 并采用主题模型、情感分析及特征工程方法对其进行处理; 其次, 根据变量时间频度的不同采用混频建模的方法对变量进行融合处理得到预测的多模态融合特征; 最后, 基于多源异构数据融合驱动SARIMA-MIDAS预测方法对旅游需求进行建模预测. 该研究工作主要以后疫情时期中国香港游客量建模预测为研究对象, 实证结果揭示出本研究提出的多源异构数据融合驱动SARIMA-MIDAS预测方法在后疫情期间能够取得最佳的预测表现, 因此, 该研究的结果可为旅游需求预测提供一种新的解决方案, 为相关政府机构和从业者提供决策支持.

元宇宙创新是基于人工智能、区块链、互联网、虚拟现实技术等多种新兴技术的创新, 是实现制造强国、质量强国与数字中国的重要路径, 而企业文化则是建设文化强国的核心组成. 本文首先基于上市公司新闻和专利文本等文本数据, 运用词向量模型构建了企业层面的"元宇宙创新指数". 然后就企业文化对元宇宙创新水平的影响进行实证分析. 研究发现, 强企业文化能够显著地帮助企业更好地发展元宇宙相关技术. 这一结论在使用工具变量等方法控制内生性问题、以及进行稳健性检验以后依然成立. 机制检验表明, 强企业文化通过促进创新投入以及提升风险承担能力等机制, 促使企业更好地进行元宇宙相关技术创新. 此外, 强企业文化对企业元宇宙相关创新的正面影响存在着异质性, CEO学历高、年龄低、与处在非高新技术行业的企业会受益更大. 本文既丰富了元宇宙相关概念与度量方式, 为元宇宙与公司治理的交叉研究提供了新的研究方法与见解, 也为政府部门应该如何引导企业更好地推动元宇宙创新提供了政策参考.

如何挖掘历史文化资源促进精准营销以高效吸引游客, 是我国诸多文化旅游资源富集的景区亟需解决的问题.本文以西安"唐文化"旅游目的地形象挖掘为研究对象, 通过15, 683条在线文本评论的高频词提取、语义网络分析、主题词挖掘和情感分析, 识别出消费者"唐文化"目的地形象的关注点.研究结果表明, 首先, 前100个高频词可分为遗产资源、旅游活动和游客情绪三类; 其次, 游客较为关注西安著名景区、建筑、文化及"大唐盛世"文化氛围; 再次, 通过文本评论情感分析获取负面情感高频词, 并挖掘负面评论出现的原因; 最后, 通过隐含狄利克雷分布(latent Dirichlet allocation, LDA)模型确定评论主题, 同时, 利用K近邻算法验证LDA主题分类.本文的研究结果可为西安市旅游目的地形象改进和潜在"唐文化"旅游创意策划提供有力支撑, 同时也可为其他历史文化名城提高旅游吸引力提供借鉴.

控制风险是发挥金融核心作用、有效服务实体经济高质量发展的关键, 而影响金融风险的特征变量间的关联关系分析是风险溯源和防控的基础.农地经营权抵押贷款作为农村金融的改革创新, 研究其违约风险特征变量关联结构对有效降低风险、助力更大范围内推行金融创新、破解农民贷款"风控难"的问题具有重要意义.然而, 农地经营权抵押贷款的风险影响因素多变, 且其特征变量之间的关联结构组合具有高维复杂性, 因此需要一种有效的建模方法.本文提出了一种基于藤copula中C-vine copula函数的深度强化学习驱动算法框架, 针对农地经营权抵押贷款风险影响多变量关联结构组合的高维复杂性, 实现自动化变量关联结构建模.在此模型中, C-vine copula函数采用二元函数组合, 能够方便直观地描述变量间的结构关联.而深度强化学习因具备突出的非线性拟合与高维空间表征能力, 在探索尝试中自动学习, 在复杂高维度的变量结构关联建模方面发挥关键作用.同时, 该方法根据数据分布选择各层级变量及copula函数种类, 能有效提升度量模型的效果.研究结果表明, 在农地经营权抵押贷款债务违约影响变量的关联结构中, 变量生成顺序依次为: 贷款金额、贷款利率、抵押土地面积、家庭支出水平、主要农作物产值、家庭收入水平、年龄、受教育年限以及村庄到最近土地交易中心距离.我们还发现, 关注变量间尾部的依赖关系对于风险全面分析与有效防范至关重要.本文提出的方法为农地经营权抵押贷款关联变量结构建模提供了支撑, 对有效控制农村金融债务违约风险具有重要意义.

本文基于爬虫技术和文本挖掘技术, 从政策层面、投资者关注层面和风险关注层面分别构造气候政策冲击指数、气候关注度冲击指数和气候风险冲击指数, 量化分析三类不同的气候冲击源对中国股票、汇率、大宗商品三种大类资产收益的溢出效应.研究发现, 不同类型的气候冲击均会对大类资产收益产生一定的溢出效应.静态情境下, 气候关注度冲击对大类资产收益的溢出效应最大, 其中黄金、钢铁与股指对气候冲击较敏感.动态情境下, 系统总溢出指数易受气候相关大事件影响, 存在明显的时变特征.不同气候冲击对不同大类资产的溢出同样存在较强的异质性, 气候关注度冲击对大类资产的溢出效应最强, 除小麦外的其他资产都在不同程度上受到气候冲击溢出影响.最后, 近年来气候冲击对大类资产的溢出影响有增强趋势.本文的发现补充了我国气候金融领域的实证研究, 为金融监管部门与投资者提供了决策参考.

石油在全球经济发展中扮演着重要的角色.为了更有效地预测石油价格, 本文将新闻媒体和舆论事件等信息纳入到油价预测研究中.首先, 应用主题识别模型对与油价相关的网络新闻进行主题识别, 将其转化为主题分布数据.并根据新闻主题对新闻进行情感分析, 最后将主题分布与每个主题下的新闻情感特征加入到油价预测模型中, 以此来改进预测效果.实证结果表明, 相较于基准模型, 结合了网络新闻主题特征以及主题分类下新闻情感特征的预测模型具有更好的预测性能.这表明, 新闻媒体中蕴含的信息能够有效反映市场情绪, 并有助于对油价进行预测.

随着信息技术的发展, 机构研报、财经新闻、搜索指数等多种舆情信息成为影响汇率变化的重要因素.通过自然语言处理(NLP)技术处理非结构化舆情文本数据可以反映投资者行为、情绪和预期, 为汇率趋势预测提供数据基础.本文基于NLP技术和深度学习的方法, 提出一种使用多种舆情信息预测人民币汇率的研究方法, 并首次使用研报对汇率进行预测.本文收集了研报、新闻及搜索指数三类舆情信息, 首先, 使用NLP技术和基于词典的文本情感分析方法, 将研报和新闻舆情文本数据转化为可计算的专业舆情指数和社会舆情指数; 其次, 综合了人民币汇率的百度搜索指数和谷歌趋势, 构建了大众舆情指数; 最后, 设计了8组"汇率-舆情"预测组合, 使用长短期记忆网络(LSTM)模型对人民币汇率进行预测.实证结果表明, 舆情信息可以预测汇率趋势; 三种舆情信息中, 新闻舆情对汇率的预测效果最好, 研报次之, 搜索指数最后; 加入多种舆情信息相比单一舆情信息, 预测效果显著提升; 此外, 相较于自回归综合移动平均(ARIMA)、支持向量回归(SVR)和极限学习机(ELM)模型, LSTM模型对于基于舆情的汇率预测效果最好.

新闻报导对公共政策的有效实施有重要影响.本文使用潜在狄利克雷分布(latent Dirichlet allocation, LDA)模型, 对2013-2021年期间约26000篇碳市场中文新闻进行主题建模, 并分析主题的时间演变与地区间的异质性.结果表明, 中文报刊对碳市场的报导围绕气候变化及其对经济社会的影响、重点行业的转型发展、碳市场与绿色金融、碳市场与生态文明、以及碳市场本身的要素五个方面; 在识别出的十个主题中, 气候变化对农村与城市发展的影响、电动汽车行业、高耗能行业转型、碳市场与生态文明建设、碳市场对金融业务的拓展、以及碳市场本身的要素是新闻关注的重点.在时间维度上, 电动汽车行业和高耗能行业转型两个主题一直受到新闻的高度关注; 随着2021年中国全国碳市场启动上线交易, 高耗能行业的转型成为关注最高的主题, 碳市场本身的要素及其对金融业的拓展又重新受到重点关注.在空间维度上, 不同区域和地区的报刊对碳市场主题的关注有明显的异质性.中文报刊一直关注重点行业低碳转型的核心议题, 在公众理解碳市场政策方面发挥了良好的引导作用.碳市场主题的地区异质性反映出不同区域的政策关切, 在全国碳市场建设过程中应充分考虑.

随着电子商务的飞速发展, 在线商品评论成为影响消费者购买决策和产品销量的重要因素.然而, 消费者对在线商品评论的依赖导致在线商品虚假评论的不断涌现, 电商平台和商家通过操纵评论进行恶意竞争, 在损害消费者和商家相关利益的同时也扰乱了电子商务营商环境.本文以在线商品评论的文本数据为主要研究对象, 基于说服性知识理论探究评论感知真实性对产品销量的影响.一方面, 本文结合数据分析和实证模型探究评论感知真实性对消费者决策的影响.另一方面, 本文通过文本数据分析, 探究影响在线商品评论感知真实性的评论文本表现形式.本文构建系统广义矩估计模型对在线商品评论感知真实性对消费者决策的影响进行实证检验.同时, 本文构建fractional logit模型探究影响在线商品评论感知真实性的评论文本表现形式.研究结果表明: 在线商品评论的感知真实性通过调节消费者对评论信息的处理过程从而影响产品销量.评论的参考性、语境嵌入、内容细节和论点结构化是影响在线商品评论感知真实性的主要表现形式.研究结果为商家和平台有效治理在线商品虚假评论提供管理启示.

本文构建了包含宏观经济和股票市场两个层面的投资者情绪指数体系, 采用分布滞后模型和联立方程模型, 分析了不同层面上情绪对中国波指iVX的影响以及两者的互动关系.研究发现, 与仅考虑情绪对iVX影响的单方程结果相比, 考虑了双向互动机制下的联立方程模型能发掘更多信息.结果显示, 第一, 在iVX运行期间和停止发布后, iVX对同期宏观层面情绪均具有表征作用; 第二, 在iVX运行期间和停止发布后, iVX可以反映同期的股票市场层面的投资者情绪; 第三, 在iVX运行期间, 股票市场情绪会受到iVX变化的显著影响, 但这种影响在iVX停止发布后消失, 表明投资者情绪在一定程度上受到股市指标的干扰, 而宏观情绪在两段期间内均不会受到iVX变化的影响.由于我国股市还处于不断发展和完善的阶段, 本文的研究对于证实iVX的实践价值、推进和维护股票市场指标发布和运行具有重要意义.

企业经济政策不确定性感知的传染效应是研究经济政策不确定性问题的崭新视角.本文使用文本挖掘方法, 从2008-2018年沪深A股上市公司年报中提取信息, 测算企业经济政策不确定性感知指标.本文进一步将企业经济政策不确定性感知置于连锁董事网络框架之下, 分析了企业经济政策不确定性感知的传染效应及其经济后果.本文研究发现, 企业经济政策不确定性感知会通过嵌入的连锁董事网络产生传染效应.异质性研究表明, 对于存在董事网络联结的企业, 当企业注册地和所属行业类型相同时, 传染效应更强.进一步研究发现, 该传染效应促进了企业金融化, 降低企业的创新投入, 不利于企业长期发展, 而完善公司治理可以起到一定的缓解作用.在进行一系列稳健性检验后, 本文基准结论依然成立.本文研究结论对于政府进行宏观政策跨周期调节, 保持宏观政策连续性、稳定性、可持续性具有重要启示意义.

如何构建有效的金融安全风险监控系统以实现对金融安全风险感知的监测与防控, 一直是金融安全风险防范研究的重点.本文基于多种智能优化算法, 采用2020年1月至12月的社交网络文本信息数据, 针对不同状况下的金融安全风险感知情况展开仿真实验.研究发现, 考虑智能优化算法的风险感知监控体系可以对真实情况下的社交网络金融安全风险感知进行实时有效的防控.本文运用中国社交网络真实数据完成了基于智能优化算法下的风险感知实时监测, 为我国金融系统提高社交网络信息引导效率、防控投资者风险感知的跨区域冲击, 提供了监控策略与政策依据.

自从OpenAI在2022年11月推出其生成式人工智能(AIGC, artificial intelligence generative content, 也有人使用generative AI)产品——ChatGPT后, 整个世界都为之颠覆.生成式人工智能主要有两个主流: 大型语言模型(LLM, large language model)和扩散模型(diffusion model), 新的应用和研究每天都在加速发表.在本文中, 我们首先对大型语言模型表现出来的智能水平提出了一个严肃的问题: 它是否真的拥有像普通人的智能能力一样的通用人工智能(AGI, artificial general intelligence)能力?在本文中, 我首先提出了一个重要的假说: 作为一个封闭的系统, 通过一个大型的语言模型被设计成表示和存储人类的巨大知识和智能的能力和行为, 并配备了最高的价值标准, 即模型必须符合人类的价值, 但大型语言模型内部结构和性质并没有显示其拥有通用人工智能能力.然而, 作为一个开放的系统, 一旦我们输入一些隐含人类知识和智能的格式化文本, 我们就会突然发现, 大型语言模型的输出显示出某些人类智能和行为的特征.其中格式化的输入文本被称为提示(prompt), 提示的智能程度越高, 模型的智能输出就越好.换句话说, 大型语言模型拥有某种以prompt提示为条件的通用人工智能AGI能力.经济学研究和其他社会科学研究如政治、历史、语言学等包括了最复杂的社会形态和人类最深刻的思想, 因此本文试图通过总结其他研究者最新的研究成果来探讨大语言模型的通用人工智能是事实还是错觉?以及大语言模型其他经济功能和效用, 对于这个模型的类通用人工智能的能力, 我们总结这些研究学者的最新研究成果, 包括大语言模型的智商水平, 生成式人工智能的产业经济学, 生成式人工智能下的计算社会科学研究, 大语言模型的商业决策制定, 经济学和其他社会科学, 以及虛拟生成式人工智能经济学家的范式研究等问题.

本文首先提出采用网络爬虫文本挖掘技术, 结合新闻报道及学术研究信息数据(新华网和谷歌学术搜索网)两个数据来源, 根据预测最小偏差采用动态权重方法构建我国2002年1月至2021年12月的中国经济政策不确定指数, 研究其统计性质, 并且采用混频VAR模型融合该指数对我国11个主要宏观变量进行了预测, 实证研究发现: 1)本文构建EPU指数与现实经济政策及内外经济环境不确定一致性较高, 我国经济政策不确定指数具有时间序列长记忆特征, 对未来经济波动具有持续影响效应; 2)本文构建EPU指数对我国11个主要宏观经济变量预测优于不包含EPU指数及基于报纸信息编制的EPU指数; 3)根据混频VAR模型预测, 经济政策不确定对我国主要宏观经济波动存在负向显著效应, 我国2022年GDP增长率预测区间波动幅度为2%, 城镇登记失业率呈现波动幅度越来越大的趋势.本文采用大数据网络爬虫文本挖掘技术构建动态经济政策不确定动态指数, 避免了信息量过少导致的采样误差及媒体报道的主观偏差性, 多来源大数据文本挖掘动态权重技术可为我国货币政策不确定指数、财政政策不确定指数等其它不确定指数构建提供可行策略.

数据要素作为新型生产要素, 在数字经济发展中起着基础性、关键性作用.本文基于356份问卷调查所得的数据, 从物理-事理-人理角度探究了数据要素市场的影响因素.首先, 通过理论分析和文献梳理, 基于WSR系统方法论, 将影响数据要素市场建设的42个因子分为物理维、事理维和人理维; 其次, 基于物理、事理、人理分别进行主成分分析, 从中提取影响三个维度的重要因素; 最后, 根据所提取的重要因素, 通过验证性因子分析, 构建数据要素市场影响因素模型.实证研究表明, 数据要素的供给是关键, 数字技术的突破是基础, 数据价值的测度是前提, 数据收入的分配是动力, 数据安全的保护是底线, 专业人才的培养是重点.最后, 提出了突破关键数字技术、加强市场制度设计、制定数据产权法、加快专业人才队伍建设等政策建议.

共同富裕是社会主义的本质要求, 是中国式现代化的重要特征.研究基于收入不平等视角, 以中国家庭金融调查(China household finance survey, 简称CHFS)数据考察了数字经济对共同富裕的影响机制与影响效应.实证结果表明: 1)数字经济能够显著地缓解居民收入不平等, 通过内生性处理与相关稳健性检验后该结论仍然成立; 2)机制分析表明, 数字经济通过缓解家庭流动性约束、提升居民创业活跃度以及扩大居民社会网络等渠道从而有效降低居民收入不平等; 3)异质性部分显示, 数字经济对居民收入差距的降低效果在中西部省份、农村和数字经济发展程度较低的区域中更加显著, 尤其在受教育程度较低、金融素养较低和数字鸿沟较高的居民家庭中更为显著, 这体现了数字经济的普惠性.扩展讨论结论表明, 数字经济分指数均能显著缩小居民收入差距, 其中数字化效率提升分指数形成的数字红利对居民收入差距的增益效果更大.因此, 本研究为推动我国数字经济发展及促进共同富裕提供了理论支撑和经验证据.

本文使用中国A股的日内高频交易数据, 采用集成神经网络算法实现了针对知情交易行为的精准识别并证实A股市场中存在与股票知情交易程度相关的定价异象.研究发现: 知情交易者的交易手法主要包括首尾盘操纵和策略化下单, 具体表现为首尾盘时段内量价指标的异常变化和日内买卖价差、订单簿深度的短期突变, 上述特征均可被本文建立的模型所捕捉.进一步研究发现, 由于信息不对称所导致的流动性风险使得具有高知情交易倾向的股票需提供额外的风险补偿以吸引普通投资者的进入, 基于本文计算的知情交易指数所构建的多空组合每月可获得1.38%的等权收益率.此外在市值规模较大、流动性较高、机构投资者和大股东持股比例较高的股票中组合收益更加显著.本文的研究对于完善金融市场监管、提升资本市场定价效率具有一定的启示意义.

社交媒体是股市投资者获取金融信息的重要来源, 其中携带的情感等信号与股价走势关系密切.但社交媒体信息表达随意, 口语化严重, 长度较短且语义密度低, 使得基于情感词典的传统文本分析方法存在损失有价值词汇的风险.近期Fan et al. (2021)提出的分步降维框架试图通过充分利用文本本身的语义特征以提升关键信息抽取的精准性.本文将这一框架扩展至社交媒体情景, 以系统探索东方财富网股吧短文本是否为个股价格走势提供有效的前导信息.具体而言, 首先使用主成分分析方法提取文本中的公共因子, 继而对残差矩阵依次实施变量扫描进一步过滤信息, 再采用Lasso回归构建预测模型, 从而在实现降维的基础上, 更大程度地挖掘文本中蕴含的面向个股的独特价值语义.结果表明该框架能够较好地从股吧短文本中抽取预测个股收益的信息.此外, 其识别出的具备预测能力的词汇集合也体现了社交媒体短文本不同于其他金融文本的特点, 且与传统的金融情感词典差异较大.因此, 该分步降维框架为分析社交媒体短文本数据提供了新思路.

环境污染的治理是中国发展的重要议题, 污染物的减排必然面对一定的成本.在环境保护与经济发展的权衡取舍下, 减排责任的合理分配成为了环境政策制定的关键抓手.然而, 如何通过减排责任的最优分配来实现全社会减排成本的最小化?这一核心问题仍然缺乏理论回答.对此, 本文提出了一个“效率优先, 公平补偿”的兼顾公平与效率的污染物减排新思路, 并基于中国六大高耗能行业的二氧化硫减排进行模拟分析.利用企业级数据和方向距离函数方法, 本文测算了边际减排成本并构建了边际减排成本曲线, 以此定量验证了本文减排新思路下减排总成本的最小化和福利改进.结果表明: 按照六大行业每年减排1%的目标计算, 相比于“按排放比例分配减排量”的传统方案, 本文的“两步走”方案能够使社会总体和每一个排放主体都节省高达97.67%的减排成本.此外, 污染物边际减排成本的行业间异质性得以凸显, 边际减排成本曲线的应用价值得到体现.在减排责任分配的方案设计和边际减排成本的微观估计方面, 本文提供了有益的参考.

金融结构对经济增长的影响是多年来国内外学者研究的热点问题, 且学者们的研究结果存在差异, 没有得出一致的结论.基于金融结构对经济增长影响的36篇文献、385个实证研究结果, 首先, 应用Meta效应值分析从文献角度将学者们的研究结果进行综合分析, 得出金融结构对经济增长影响的一般性结论, 并进一步探究文献研究结果是否存在发表偏误问题.其次, 通过构建Meta回归模型, 对造成文献研究结果存在差异的因素(指标选择、传导路径、时间、区域、理论基础、效应特征)进行深入探究.综合学者们的差异性研究结果发现, 金融结构对促进经济增长具有正向推动作用.文献中金融结构与经济增长影响的差异性更多体现在传导路径、理论基础和效应特征因素上, 而不是时间效应、区域效应、金融结构变量选择.在传导路径方面, 金融结构通过技术进步促进经济增长的作用强度小于通过产业结构、制度约束促进经济增长的强度.在理论基础方面, 基于新经济地理学理论、新古典增长理论、柯布-道格拉斯理论的研究金融结构与经济增长的相关性强, 基于金融结构理论与最优金融结构理论的研究相关性弱.在效应特征方面, 门槛效应可能会导致金融结构影响经济增长的数值偏小.

我国当前正在构建绿色金融体系, 而包括ESG (environmental, social, and governance)在内的社会责任投资理念将在此过程中扮演重要角色.本文利用基金持股的加权平均CSR (corporate social responsibility)评分来度量基金社会责任, 并从基金暴跌风险的视角探讨了社会责任投资在资本市场中的表现以及对应的机制.基准回归结果表明基金社会责任能显著缓和基金暴跌风险, 呼应了既往研究中企业CSR降低股价暴跌风险的结论.在控制反向因果、选择偏误及其它内生性问题后该缓和作用依然稳健.机制分析表明, 高基金社会责任的基金有适当范围内更高的持股集中度, 且面向因重视社会责任而对财务收益相对不敏感的投资者, 这些都有助于降低基金暴跌风险.在经济高质量绿色发展的要求下, 本研究对于全面认识我国社会责任投资理念与金融系统风险之间的内在联系具有重要的理论和现实意义.

信息处理成本可以影响公司层面信息传递.本文以上交所和深交所2009年起要求上市公司披露XBRL财务报告为准自然实验, 研究信息处理成本降低与公司层面信息传递之间的关系.实证结果表明, 公司采用XBRL财务报告后, 股价中公司层面的特质信息增加; XBRL的实施对会计信息透明度较低的企业更好; 与国有控股企业相比, 非国有控股企业实施XBRL财务报告效果更显著.不同的公司层面信息的度量指标、不同的回归模型以及安慰剂检验都支持以上的结论.

本文提出了降维数据预测方法和组合预测相结合的一种新方法, 旨在通过模型组合避免选择降维数据预测方法造成的不确定性和降维过程中信息损失.以122个宏观经济因子和14个技术指标因子预测SP500股指超额收益为实证对象, 利用单变量预测、单变量预测组合、降维数据预测和降维数据预测组合等进行预测评估.研究发现: 第一, 样本外拟合优度(R_OoS²)表明降维数据预测组合优于三种降维预测方法, 落后于单变量VOL(1, 9)和单变量预测组合.确定性等价收益(CER)显示降维数据预测组合优于单变量组合预测, 落后于单变量VOL(1, 9)预测和主成分分析预测.两方面综合结果说明降维数据预测组合均衡兼顾了统计上的预测精度和经济上的收益.第二, 不同经济周期和不同风险厌恶系数的结果表明降维数据预测组合方法是均衡稳健的.最后, 针对组合预测包含的信息提出一个简单的计量检验方法, 检验结果表明组合预测能够利用降维数据预测最优的模型的信息, 避免单一模型造成的信息损失.

增强市场流动性是我国证监会推出融资融券制度的初衷之一, 然而相关研究中关于融资融券的实际效果如何的结论并不一致, 且研究中的内生性问题一直未得到解决.本文从价格影响和交易成本两个维度实证研究了融资融券交易对沪市A股股票流动性的影响.基于融资融券标的范围调整方式, 本文使用断点回归处理了相关研究中一直未能解决的内生性问题, 并发现在价格影响维度, 融资融券交易会在市场温和波动时缩小价格影响(改善流动性), 在市场大幅波动时扩大价格影响(恶化流动性).随后本文对投资者的融资融券交易模式进行了识别, 发现投资者在不同市场波动程度下呈现出不同的交易模式, 从而对这种差异性给出了可能的解释.而在交易成本维度, 本文发现只有对于信息不对称程度较低的股票, 融资融券交易才可以降低其交易成本(改善流动性).