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.

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.

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.

企业ESG"漂绿"会导致消费者利益受损和社会信任危机等不良后果, 探究其深层原因及发生情境尤其重要.以2011-2021年中国A股上市公司为样本, 检验不同制度来源的合法性压力与企业ESG"漂绿"的关系, 以及融资约束和行业竞争度的调节效应.研究发现, 规制合法性压力与企业ESG"漂绿"显著负相关;规范和模仿合法性压力与企业ESG"漂绿"显著正相关.作用机制检验发现, 融资约束和行业竞争度强化了规制合法性压力对企业ESG"漂绿"的抑制作用, 融资约束强化了模仿合法性压力对企业ESG"漂绿"的促进作用;制度合法性通过内部控制影响企业ESG "漂绿" .异质性分析表明, 在国有企业和重污染行业企业中, 制度合法性压力与企业ESG"漂绿"的关系更显著.本文基于组织退耦视角的研究有助于厘清企业ESG"漂绿"的深层动因及约束条件, 对推进我国企业ESG实践, 促进绿色转型和可持续发展具有重要的启示意义.

文章将台风登陆事件作为外生性气候风险冲击, 台风登陆时点作为干预时点, 使用双重差分方法研究了台风灾害对中国上市公司股票收益率的影响, 分析了台风风险带来的金融风险经由供应链关系的传导问题.为了更深入地理解上述影响, 文章从数字化转型的视角进行了机制分析.研究发现, 台风灾害会对灾区公司的股票收益率产生显著的消极影响, 而这种影响会进一步通过供应链关系传导至供应商和客户, 且对供应商与客户的溢出效应还存在不对称性.特别地, 文章发现数字化转型对于缓解台风风险带来的金融风险具有重要作用, 可以减轻股票收益率受到的负面影响.文章最后通过一系列稳健性检验, 发现文章的结果是稳健的.

近年来,中国自然灾害多发频发,对人民群众的生命与财产安全造成了重大的威胁.在面对愈发复杂严峻的自然灾害时,需要决策者根据实际情况合理储备和调度应急物资来进行防灾、减灾和救灾.当前多层级储备库、多需求点的应急物资区域调度问题仍缺乏立足现实储备网络体系的研究,应急物资“谁来运”、“运多少”、“怎么运”的问题尚未得到进一步细化规范.为了解决上述问题,文章通过总结大量应急物资调度实例,提出严格行政层级、跨行政层级和自由就近等三种应急物资区域调度策略,并构建了基于匮乏成本的多智能体仿真系统模型.文章运用构建的多智能体模型对安徽省亳州市蒙城县进行了案例仿真研究,结果显示:在短时间内区域应急物资需求量巨大时,自由就近调度策略可以实现社会物流总成本的最小,在短时间内区域应急物资需求量较小时,不同的调度策略下社会物流总成本差异不大.该研究表明,在应对特重大灾害时,各级政府应当打破现有行政管辖关系,积极合作共建区域联防减灾抗灾机制;在应对常规型灾害时,按照行政管辖关系调度储备库应急物资进行救助即可满足需求.

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.

近年来, 由于平台经济的迅猛发展和疫情的冲击, 我国外卖行业取得了显著增长. 外卖服务不仅有效减轻了顾客对延迟的敏感性, 还为商家创造了更广泛的市场需求. 实践中, 多数商家采用了集中式运营, 即一个店铺同时接受外卖和堂食订单. 与此同时, 一些商家选择了分散式运营, 即在经营堂食店铺的同时, 另外开设专门的外卖店铺以接受外卖订单. 为了探究外卖渠道对商家决策的影响, 本研究在易拥塞的场景中建立了双渠道服务系统. 该系统刻画了两种运营模式下顾客的均衡策略, 并深入研究了外卖质量水平对商家利润的影响. 最终, 研究根据不同的外卖服务质量水平制定了最优的商家运营策略. 研究发现: 1) 在分散式运营模式下, 商家为外卖渠道分配的服务能力与外卖质量水平之间存在非单调关系, 即更高的外卖质量水平可能促使商家减少外卖渠道的人员配置. 2) 尽管更高的外卖质量水平能够吸引更多的顾客, 但令人惊讶的是, 本研究表明提高外卖质量可能会导致商家的利润下降, 这一现象在集中式运营和分散式运营两种情境下都有体现. 3) 虽然分散式运营可能降低订单处理效率, 但当外卖服务质量较高时, 采用该模式可以有效减轻外卖渠道对堂食渠道的蚕食效应, 进而实现更高的利润. 结果显示, 只有当外卖服务质量适中时, 集中式运营才能为商家带来最高的利润. 此外, 我们从边际成本、外卖配送费等多个角度出发, 进一步验证了该结论的稳健性.

在新时代背景下, 实现经济社会高质量发展的根本途径是城市发展效率提升, 而数字经济在其过程中发挥着重要驱动作用. 本文构建了数字经济驱动城市发展效率提升的理论分析框架, 并采用时空双固定的空间杜宾模型实证检验了数字经济对城市发展效率的影响及空间溢出效应. 研究发现: 1)数字经济明显促进了本地区及周边地区的城市发展效率, 并且该结论通过了一系列稳健性检验仍然成立; 2)数字经济通过提高社会效益、 经济效益和生态效益来促进城市发展效率提升, 但提升作用受限于土地效益的减低, 同时产业融合、 技术进步以及城乡融合在其中发挥着重要的机制作用; 3)数字经济驱动城市发展效率提升的作用呈现出"先降后升"的非线性变化趋势及空间溢出特点; 4)数字经济对城市发展效率的影响存在城市等级和地理区域异质性, 即在行政级别高和人口规模大的城市, 以及东部和北方地区, 数字经济驱动城市发展效率提升的作用更为明显. 以上研究结论意味着, 当前我国应以城市发展效率作为经济高质量发展的重要考量目标, 并将数字经济发展作为驱动城市发展效率提升的主要动力.

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.

在世界范围内发生的大量恐怖袭击事件中,各地的恐怖主义组织呈现出协同合作的趋势,对国际反恐工作提出了巨大的挑战.基于全球恐怖主义数据库GTD,文章从2001年至2018年全球发生的121,074起恐怖袭击事件中构建了恐怖组织合作演化网络,并对该网络进行时序拓扑结构分析.根据恐怖组织合作特性,将网络按照3年为一个时间切片进行划分,从多尺度对恐怖组织社团流动规律进行建模.分析结果表明,随着时间推移,恐怖组织合作网络的鲁棒性也在不断增强,因此有必要提出相应的策略对其进行瓦解.针对恐怖组织合作网络中影响力不断扩大的最大连通子网络,文章提出了一种基于社团结构的邻域中心性指标(CSNC)以度量最大联通片中节点的重要性.基于该指标的网络瓦解策略在2001-2018年恐怖组织合作网络仿真实验中得到的R值与多种基准策略相比,最高降低了16.45%,证明基于CSNC的瓦解策略可以实现对恐怖分子合作网络更有效的瓦解.

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.

针对电力现货价格时序的高波动性和复杂性, 研究提出了基于小波变换与轻量级梯度提升决策树(light gradient boosting machine, LGBM) 的组合预测模型. 通过引入滚动时间窗口与小波变换实现电力现货价格序列的动态多尺度分解, 提取各频率特征以降低其模态复杂性的同时还可以有效规避数据泄露问题. 研究利用LGBM算法的复杂非线性特征提取能力进行预测建模. 为了验证模型的有效性, 研究采用山西省电力现货市场数据对提出的组合预测模型进行实证分析. 结果表明: 文章提出的动态分解组合预测模型在均方根误差、平均绝对误差和决定系数等多个关键性能指标上均优于长短期记忆模型、支持向量机、弹性网络回归模型以及极致梯度提升模型等主流预测方法, 其中决定系数$R^2$达到0.9792, 表现出较高的预测精度. 同时, 文章所提模型在不同市场条件下均表现出稳健性和适应性, 为电力市场参与者提供了可靠的预测工具, 有助于优化交易策略、降低市场风险.

“双碳”目标是中国经济低碳转型的一项重大战略决策, 对经济高质量发展意义重大.本文首先从区域减碳增汇缺口的绝对水平, 和考虑区域人口规模、能源消费和经济发展后减碳增汇缺口的相对水平构建能够科学测度中国城市“双碳”目标实现进程的指数体系, 为中国“双碳”目标工作的推进提供了量化依据.接着本文基于碳排放权交易试点这一准自然实验, 使用地级市层面2006–2020年的面板数据, 深入讨论市场型政策工具在实现碳中和目标过程中扮演的角色.研究结果表明, 碳排放权交易政策的实施有助于在区域总体、区域人均、能源消费和经济发展四个层面上推进试点地区碳中和目标的实现.机制讨论发现, 该政策能够从碳排放端、碳吸收端和绿色创新三方面, 多途径助力碳中和愿景的实现; 具体而言, 碳排放权交易政策有助于排放端能源结构的改善和能源效率的提升, 能够从碳汇端促进人工造林和封山育林, 还存在“波特效应”, 推动了试点地区绿色创新在量上的发展.进一步研究显示, 健全的碳市场能够强化碳排放权交易政策的减排增汇效果, 将市场机制细化至碳价、流动性和相对规模三个层面, 发现试点地区碳价越高、碳市场相对规模越大, 碳排放权交易政策对其碳中和进程的助推效应越强, 而市场流动性则仅在经济发展维度对前述政策效果有强化作用.本文研究为科学测度“双碳”目标实现进程、健全完善全国碳市场和助力经济发展实现高质量转型, 提供了实证依据和政策参考.

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.

快速多极算法(FMM)是处理大规模多体系统的高效数值算法,在分子动力学、天体动力学、声学以及电磁学等领域发挥着重要作用.本文首先回顾了快速多极算法的发展历史,其次以Helmholtz和Maxwell方程为例,介绍了二维和三维情形下基于核解析展开的快速多极算法的数据结构、数学原理、实现步骤和复杂度分析,并给出了相应的自适应FMM实现方法,最后基于MATLAB平台进行了二维和三维情形下多体模拟的数值实验.

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.

近年来,将人工神经网络用于求解偏微分方程正反问题的研究发展迅速.在正问题求解上,基于神经网络的Penalty-Free Neural Network-2(PFNN-2)方法可精确逼近问题的初始与本质边界条件,放松对解的光滑性要求,实现比较理想的求解精度(Sheng and Yang,CiCP,2022)^[1].在本文中,将结合PFNN-2的特点,将其扩展至偏微分方程参数反演问题当中.为了实现该目标,在原PFNN-2损失函数基础上,引入数据驱动损失项,同时制定了相应的平衡系数自适应策略.在数值实验中以Burgers方程及对流扩散方程中的参数反演为例,对提出的反演方法进行了测试,验证了方法的可行性.本研究扩展了PFNN-2方法的应用范围.