本报告基于西班牙全域企业间交易数据，实证发现企业通过国产供应商与客户网络学习进口行为，进口经验的上下游网络溢出显著存在，10个百分点供方(需方)进口比例提升分别带来10.7%(19.2%)新增进口概率。且地理距离远的联系更有助于进口决策，大企业对信息吸收更敏感但信息扩散能力较弱，本文采用线性概率模型结合高维固定效应与网络工具变量策略，精确识别进口关联学习效应，揭示生产网络在国际贸易中的信息传递机制，且进口溢出仅限于地域特定知识。[page::0][page::4][page::20][page::23][page::31]
本报告基于1919-1923年德国大通胀的宏观与微观数据，揭示通胀通过债务-通胀渠道影响实体经济的机制。通胀显著削弱企业账面债务负担，降低破产率；高杠杆企业利息支出下降，股权价值与就业增加显著，股票市场表现优于低杠杆企业。价格与工资调整频率随通胀升高加快，表明通胀在灵活价格环境下依然通过债务刚性实现实质经济影响，为理解金融摩擦与通胀传递提供新视角[page::0][page::1][page::3][page::4][page::18][page::24][page::34][page::39][page::56][page::57]
本报告利用分位数回归方法，系统分析了哥斯达黎加通胀率极端值与GDP缺口、通胀预期和进口通胀等宏观变量的关系。实证发现，进口通胀对通胀率下尾部有滞后正向影响，表明进口价格冲击是引起低通胀甚至通缩事件的关键因素；通胀预期和进口通胀的滞后值对通胀率上尾部也有显著正向推动作用，而GDP缺口表现出复杂的非线性影响。此外，研究揭示了通胀极端值响应不同经济变量的非对称性特征，为货币政策制定提供了参考依据 [page::0][page::4][page::7][page::8][page::9]
本报告提出了一种基于贝叶斯决策理论的实验设计框架，通过结构化微观经济模型和先验分布构建，优化实验地点选择以提升政策推广的外部效度。实证部分结合南亚迁移走廊的数据，显示选址策略对提升政策效率具有显著影响，且随机选址或选取最大预期效应地点均显著导致福利损失。方案兼顾了实验数目、预算限制与信息增益的权衡，为多站点实验设计提供科学参考 [page::0][page::1][page::3][page::5][page::26][page::34].
本报告通过实验设计检验了市场框架下“卖柠檬”行为的发生频率，并区分了其他关怀偏好与康德式道德关切的作用。研究发现在市场框架中，受试者更倾向于选择利己的卖柠檬行为，而在角色不确定性（无知之幕）情形下，道德关切显著增强，卖柠檬行为显著减少。结构性偏好参数估计结果表明，市场框架主要通过降低领先厌恶影响决策，而道德关切在无知之幕下被激发，从而抑制自私行为[page::0][page::1][page::2][page::3][page::5][page::6][page::10][page::16][page::26][page::35][page::36]
本文基于Merton跳跃扩散模型，结合多种机器学习和统计方法预测加密货币价格的漂移率和波动率。通过对2020-2023年Binance BTCUSDT数据的全方位分析，融入路径依赖蒙特卡洛模拟对价格跳跃和波动进行建模，实现了更准确的价格预测和交易信号生成，重点表现出机器学习模型在回归预测中的优势及GJR-GARCH模型在波动率预测中的优异表现[page::0][page::1][page::16][page::18]。
本报告首次通过实证分析揭示欧盟碳排放交易体系（EU-ETS）中碳配额远期与现货的持有成本利差（C-spread）异常，主要由参与公司信用利差驱动。构造Z指数作为信用利差代理，发现C-spread与该信用利差及无风险利率协整，实证估测误差修正模型表明C-spread长周期趋于信用利差，且与现货波动率及其他金融指标无显著关联。政策建议纳入欧央行抵押品名单，促进市场效率和绿色过渡发展。[page::0][page::1][page::4][page::5][page::10][page::12][page::18]
本报告研究了主动基金中集中持仓导致的价格冲击，提出“自我膨胀回报”概念，并通过实证分解出价格冲击和基本面回报成分，发现投资者无法区分两者，导致资金追逐自我膨胀回报，形成内生反馈循环并重分配财富。基金流入与自我膨胀回报相关，尤其在流动性差且集中度高的ETF中表现显著，每日约5亿美元财富因该机制重分配，且该机制可预测ETF泡沫及其随后的崩盘 [page::0][page::1][page::6][page::21][page::26][page::28]。
本报告首次利用德国“工资调查”数据，采用三重差分方法研究2022年德国最低工资22%大幅上调对劳动市场的影响。结果显示，最低工资提升显著提高了低薪工人的小时工资和月收入，同时观察到了工时的短期减少，尤其是对迷你工的负面影响，导致劳动需求弹性约为-0.2，但未影响就业稳定或地区就业总量。研究揭示了政策正面增收效应与工时调整的复杂交互，为劳动市场政策制定提供了有力实证依据[page::0][page::1][page::12][page::13][page::15][page::16][page::21][page::29]。
本报告基于鲁棒优化及预算不确定性方法，构建了多式联运物流服务网络在时间不确定性下的鲁棒规划模型，针对运输延迟对供应链韧性的影响，系统性探讨了网络规模、破坏规模与破坏程度三大关键因素，揭示了网络规模扩大和多服务选择对降低韧性风险的重要作用，提供了深入的模型求解与敏感性分析结果，为多模态物流网络韧性提升策略提供理论支持与实证依据 [page::0][page::1][page::4][page::5]。
本报告针对哥斯达黎加通胀预测，比较了基于时间序列的单变量ARIMA模型与基于经济理论的多变量模型（如新凯恩斯菲利普斯曲线模型）。通过结构性变点分析选取2009-2018年数据，结果显示单变量模型在样本外预测中表现略优，多变量模型样本内拟合更好，但对2022年疫情及全球冲突引发的冲击预测能力不足，凸显了模型在面对重大外部冲击时的局限性[page::5][page::6][page::10][page::11][page::12][page::13]。
本报告系统研究了风险函数和效用函数对大额损失的敏感性条件，定义了“对大损失敏感”这一性质，并针对风险度量中的VaR和ES等主流度量进行了深入分析。研究指出，VaR和ES在自然定义域内通常不敏感大损失，但修正后或局部考虑时可具备该性质。报告还涵盖了星形风险测度、期望效用以及确定等价物等多种实例，揭示了经济和数学上的充分必要条件，为风险管理和资产定价的理论与实践提供了重要借鉴 [page::0][page::1][page::3][page::4][page::9][page::10][page::24][page::29]
本文首次将分布式状态价值函数引入金融市场估值与交易算法领域，提出了一种灵活且基于收敛性质的模型框架（CDG-Model），可并行估计多策略及多时间尺度的资产未来收益分布。该模型无需严格分布假设，能有效整合交易成本和滑点，增强特征表示能力，提升市场定价和算法交易性能。实证结果显示模型可捕获收益分布多样性及其时间动态，为风险管理和决策提供丰富信息，具有广泛的应用潜力和未来研究价值[page::0][page::1][page::7][page::14][page::19]。
本报告通过回归不连续设计与工具变量方法，实证分析了旧金山地区检察官切萨·布丁任期对起诉、定罪及案件转移的显著影响。结果显示，布丁任期内，月度起诉与定罪分别下降31%和21%，成功案件转移增长58%。利用布丁任期作为工具变量，分析指出起诉减少与犯罪水平之间存在一定关联，但受新冠疫情等因素影响，结论并不完全显著。结合机器学习方法优化回归估计带来了潜在的改进空间，推动社会科学计量分析方法革新，为未来司法政策评估提供了新的技术路径和视角。[page::0][page::4][page::5]
本报告提出一种离散时间的高频市场做市最优策略模型，采用随机线性需求函数及一般价格动态，无需布朗运动或鞅假设，实现对未平仓库存的终端清算成本的动态控制。策略能够在线自适应市场订单流的变化，基于纳斯达克MSFT限价单簿实证校准，显著优于非自适应策略，提升收益和库存管理效果。[page::0][page::3][page::27][page::34][page::39]
本文提出一种基于罚函数法和深度BSDE框架相结合的深度学习算法——深度罚函数方法（DPM），用于高维最优停止问题的数值求解。该方法解决了传统离散时间方法中的优化误差累积问题，提供了误差界定，且通过美式期权的数值测试验证了算法的准确性与计算效率，支持在高维状态空间中有效应用 [page::0][page::2][page::22]。
本文利用超过三年欧元斯托克期货逐笔订单数据，提出基于两个时间尺度的双层粗粒化方法，去除高频噪声，实现分钟级数据有效分析。通过主成分分析构建“微结构模式”，分离买卖对称与反对称流量/价格动态，并基于多阶向量自回归(VAR)模型捕捉其演化，获得稳定的动态结构及良好预测效果(R²达30%以上)。研究揭示长期记忆导致VAR模型趋向边界稳定，支持“内生流动性危机”观点。对冲击价格的模拟反映出影响的线性及自身回归但未复现实证中广泛观察到的平方根冲击规律，提示需要引入价格条件依赖等非线性因素以改进模型。[page::0][page::1][page::6][page::8][page::10][page::13][page::14]
本研究通过实验设计，考察了人工智能（AI）辅助在减少医疗过度治疗中的效果。采用三种激励机制（固定、递增、递减）与AI辅助相结合，发现AI可使过度治疗率降低最高达62%，并显著提升诊断准确率17%-37%。研究量化了过度治疗中的货币与非货币激励贡献比例，强调激励一致性对AI发挥最大效用的重要性。结果为医疗管理者引入AI提供了实证依据，展现了激励调整与AI协同改善医疗质量和社会福利的潜力 [page::0][page::1][page::2][page::3][page::6][page::8][page::12][page::15].
本报告聚焦零售时尚行业中消费者对产品视觉美学的异质性偏好，利用预训练多模态深度学习模型将商品图片与文本描述转化为高维嵌入向量。通过离散选择模型并结合消费者人口统计数据，系统解析价格敏感性、美学偏好、详细描述及季节性因素对消费者选择的驱动作用。模型运用自动微分及GPU实现大规模估计和推断，有效捕捉不同消费者群体间的美学差异及价格弹性，且具备对于新品设计预测销售表现的良好验证能力 [page::0][page::4][page::5][page::7][page::10][page::11][page::12]。
本报告系统梳理了估计创新产出函数的多种方法，包括朴素法、线性回归、极大似然估计和贝叶斯推断，针对不同数据可得性，以及考虑随机模型的扩展。通过美国TFP、计算机象棋软件Stockfish和软件研发的案例分析，揭示了输入输出数据测量难题和统计估计中多重共线性、内生性等挑战，并展示了如何在数据充分和匮乏情况下应用现代统计方法进行估计，为创新和经济增长研究提供了规范化的路径和经验启示 [page::0][page::3][page::5][page::13][page::21]
