随着政府隐形担保消失、债市刚性兑付被打破, 公司债市场的有效性逐渐提高, 研究债券市场定价规律的意义凸显. 为此, 本文提出了一个基于机器学习与债券特征的参数化定价方法, 借助机器学习技术利用高维债券特征, 估计随机贴现因子对公司债定价, 充分挖掘了线性与非线性的定价信息, 并可获得解析解, 具有经济可解释性. 理论上证明了该方法与参数化投资组合方法等价, 丰富了公司债随机贴现因子的经济内涵与估计方式. 基于中国公司债市场的研究显示: 1) 参数化定价模型比经典因子模型提取出更多的公司债定价信息, 这主要源于对高维债券特征中复杂定价关系和弱因子信息的提取. 2) 债券收益类和流动性类特征对于公司债定价最为重要, 并且特征的重要程度及预测方向呈现出较强的时变性. 发行主体的基本面特征无法提供债券特征之外的定价信息. 3) 参数化定价模型在高久期、高波动、低信用评级、低流动性、非国有企业和非上市公司债券上的定价能力更强; 在扩张的宏观经济状态下的定价能力略有减弱, 反之则增强. 本文拓展了公司债定价理论的研究框架, 有助于理解公司债的定价规律, 提升市场定价效率以及防范债券风险.
受物理信息神经网络方法的启发, 本文结合金融理论与深度学习技术, 创新性地提出了金融信息神经网络 (FINN) 这一框架, 旨在提升实证金融研究中深度学习技术使用的透明度和准确性. 本文基于套利定价理论和实证投资组合构建方法设计 FINN 的网络结构, 并将市场效率信息作为约束引入训练 FINN 的损失函数. 在对中国 A 股市场的实证研究中, FINN 展示出显著的优势: 首先, 相较于常规全连接网络和传统实证 APT 因子模型, FINN 在样本外
新一代人工智能作为引领生产力跃迁与产业变革的重要力量, 已经深度嵌入到经济社会运行和产业发展中. 在此背景下, 数据正逐步成为人工智能领域内竞争差异化的核心要素, 高质量的数据集有助于显著提升人工智能服务商的模型训练效率和水平. 本文聚焦于数据提供商与数据交易平台之间如何合作提升数据颗粒质量, 以促进人工智能产业的发展. 同时, 考虑到数据供应链中存在的非合作博弈, 运用非合作-合作两型博弈模型, 探究利益相关者的均衡策略与最优利润, 并分析社会福利, 最后通过数值分析探讨关键因素对数据供应链策略的影响, 为数据提供商、数据交易平台以及政府决策提供理论依据. 研究发现: 1) 数据提供商和数据交易平台的最优销售价格、最优利润、数据颗粒质量水平以及社会福利与价格敏感系数呈负相关. 2) 随着人工智能服务商对数据颗粒质量的偏好增强, 数据供应链会积极提升数据颗粒质量水平, 数据提供商和数据交易平台的销售价格增加, 社会福利得到提升, 数据提供商对数据交易平台的依赖度降低.
在数字时代, B2C (business-to-consumer) 产品共享作为一种新兴的共享经济商业模式应运而生. B2C 产品共享平台通常有两种渠道结构模式可以选择, 即模式 R (仅建立产品共享渠道) 和模式 RS (除了产品共享渠道外还建立产品销售渠道). 考虑到 B2C 产品共享的两个独特特征: 使用价值折扣 (消费者因前往指定位置或等待一些时间使用共享产品的不便利而感知到一个较低的使用价值) 和聚集效应 (同一个共享产品在一段时期内可以被多个消费者在不同的时间使用), 本文研究了一个 B2C 产品共享平台是否以及在什么条件下应该增加一个销售渠道, 并进一步分析了该渠道结构模式的变化对消费者盈余的影响. 研究发现: 当使用价值折扣因子不是较小时, 若聚集效应较小, 则平台应该增加一个销售渠道, 此时, 采用模式 RS 会同时获得最大的平台利润和消费者盈余, 实现一个双赢结果; 否则, 平台不应该增加销售渠道. 在一定条件下, 放弃共享渠道去转变为一个仅建立销售渠道的零售平台, 可能进一步提高平台利润和消费者盈余.
随着平台即服务 (platform-as-a-service, PaaS) 行业的迅速崛起, 该行业的新生性使得服务提供商面临着拓展市场与提高利润间的冲突与挑战. 针对以上 PaaS 行业症结, 本文考虑用户创新采用异质特性, 分别从市场规模最优和利润最优两种决策视角出发, 提出统一定价和个性化定价两种策略, 探究 PaaS 服务提供商定价策略选择与服务质量升级设计. 通过研究发现, 个性化定价策略具有广泛优越性, 当服务质量需多次提升或用户偏好中等时, PaaS 服务提供商应以市场规模最优为决策目标; 在服务质量提升频率较低且用户偏好较弱时, 则应以利润最优为决策目标; 利润最优决策模式有助于缓解 PaaS 初始服务质量、服务质量升级与个性化定价之间的冲突; 服务升级次数的临界点可扭转质量升级对个性化定价的负面影响, 而增加升级次数则有助于缓解早期用户对个性化定价的厌恶.
为了消除消费者对线上销售假货的担忧, 众多企业开始利用区块链溯源系统向消费者展示产品的来源信息. 联盟区块链在产品追溯范围和品牌价值提升方面存在差异, 因此, 研究企业如何采纳区块链溯源系统显得尤为重要. 本文构建了一个包含一个制造商和两个零售商的供应链模型, 比较了制造商单独使用区块链、加入联盟区块链以及主导联盟区块链三种策略, 探讨了制造商的最优采用策略及其官方渠道合同. 研究结果表明, 制造商始终有动机采纳联盟区块链. 对于制造商而言, 如果消费者对渠道销售的怀疑程度适中, 且消费者对产品品牌价值的感知程度较高时, 采用批发合同并加入联盟区块链对制造商总是有利的; 而当消费者对产品品牌价值的感知程度较低时, 采用批发合同并主导联盟区块链对制造商总是有利的. 此外, 不同的渠道合同对渠道利润、消费者剩余以及社会福利的影响也各不相同. 本文为制造商采纳区块链溯源系统提供了理论支持和决策建议, 有助于获得消费者信任并提升品牌价值.
时间是军事博弈中各决策主体评估军事行动时考虑的主要因素之一. 为了描述军事冲突中时间要素对决策者的影响, 首先建立了基于决策时间的军事博弈图模型, 定义了单边移动所需的两类时间以及基于决策时间的单边改进等一系列建模要素; 其次, 给出基于决策时间的图模型稳定性定义; 最后将所构建模型应用于某假想军事冲突案例, 解出稳定状态并分析博弈演化路径. 模型结果及分析表明, 文章所构建的模型与方法可以有效模拟军事博弈中各方行为, 直观反映决策时间对博弈参与方的影响, 对实际作战有一定指导意义.
数字经济时代下如何保护企业信息资产已成为重要的研究问题. 本文在划分企业信息资产类型 (关键和非关键信息) 和黑客攻击类型 (无差别和目标攻击) 的前提下, 构建具有风险偏好 (激进和保守) 的企业最优安全决策模型. 研究表明策略黑客不一定完全将攻击重心放在关键资产上, 当黑客风险偏向保守且发动目标攻击时, 其会选择重点攻击企业的非关键资产. 随着非关键资产越来越不重要, 尽管企业会加强对关键资产的保护, 但当企业相对保守且面临无差别攻击时, 也会加强对非关键资产的保护. 进一步研究发现随着企业风险偏好从保守变成激进, 无安全预算约束时在无差别攻击下企业对非关键资产的努力呈正 “U” 型, 而有安全预算约束时其安全努力持续降低. 此外, 无预算约束时无论企业风险偏好是保守还是激进, 企业信息资产在两种攻击类型下的被攻击概率相等; 而有预算约束时, 若企业的风险偏好值较低或较高, 目标攻击下企业信息资产的被攻击概率低于无差别攻击下的被攻击概率, 而当风险偏好处于中等时结论则相反. 通过划分信息资产类型、黑客攻击类型、风险偏好类型以及考虑预算约束, 企业可以科学合理地制定信息安全管理策略, 部署防御重点.
光伏组件已迎来 “退役潮”, 退役光伏组件回收是实现资源高效利用与环境保护的重要手段. 本文探讨了由光伏制造商与光伏回收商构成的光伏组件回收供应链, 使用非合作-合作两型博弈方法, 探究退役光伏组件的最优回收策略. 在此基础上, 借助数值仿真方法, 分析消费者回收价格敏感系数、竞争强度等因素对最优策略的影响. 研究表明: 1) 回收价格、回收量、企业回收利润、处理技术水平均与消费者回收价格敏感系数、政府补贴力度、回收价值呈现正向变动关系, 均与回收竞争强度、委托处理费用及处理费用呈现反向变动关系. 2) 制造商 M 技术研发费用承担比例均与消费者回收价格敏感系数、政府补贴力度、回收价值呈现反向变动关系, 均与回收竞争强度、委托处理费用及处理费用呈现正向变动关系. 本研究旨在为退役光伏组件回收策略选择以及回收补贴政策制定提供参考.
在线社交网络中的影响力用户是指在信息传递和观点互动中有影响力、活动力, 并对某一话题下舆情走向有重大影响的群体. 合理、有效地识别该类用户及其影响力有助于管控信息传播与网络治理. 为了探讨如何在社交网络中识别用户影响力, 并分析影响力在用户群体的异质性, 本文提出了一个基于用户异质性感知驱动的协变量调整和重加权网络 (HRNet), 考虑了用户属性和用户行为间的因果关系. 在用户在线讨论行为的因果推断模型假设下, HRNet 通过识别用户属性变量对行为变量的影响, 对协变量的联合潜在表征进行修正, 进而获取更精确的样本重加权, 实现因果效应的准确估计. 在案例分析中, 分别从回复和发帖两个视角, 对比了不同参与活跃度与内容响应度的因果效应函数. 利用个体因果效应, 估计出不同用户在回复和发帖两种行为下的影响力, 进而辨别出高影响力用户, 并分析了活跃度在不同群体中的异质性表现, 从而筛选出特定的用户群体.
改善教育代际流动, 对于缓解教育机会不平等、加快城乡融合至关重要. 本文基于 CFPS2018 数据分析了中国教育代际向上流动的城乡差异, 并将其分解为城市接触效应和城乡分组效应, 通过分组对照法识别了城乡外部环境对教育代际向上流动的净效应, 同时借助CMDS2017 数据, 使用迁移冲击法缓解了内生性问题. 研究结果表明, 全样本的教育代际向上流动城乡差异中, 城市接触效应约占三分之一, 城乡分组效应约占三分之二; 趋势分析显示, 教育代际向上流动的城乡差异整体趋势平缓, 而城市接触效应呈下降趋势, 其中出生在 1980–1990 年代间的子代经历了城市接触效应的快速下降和城乡分组效应的大幅提升, 教育代际向上流动城乡差异的主要原因正逐渐从外部环境差异转向个体能力禀赋差异上. 基于强度 DID 的进一步检验表明, 义务教育 “新机制” 改革是期间城市接触效应下降的关键渠道.
文章基于 2010–2022 年 A 股上市公司数据, 将 “宽带中国” 试点政策视为数字基础设施建设的外生冲击, 使用渐进双重差分模型考察了数字基础设施建设对供应链韧性的影响. 研究发现: 数字基础设施建设显著提升了供应链韧性, 企业信贷错配程度降低、风险承担水平提升和存货周转效率提高是数字基础设施建设提升供应链韧性的渠道. 异质性分析表明, 数字基础设施建设对供应链韧性的促进作用在成长期、成熟期企业和竞争性行业中更明显, 当城市离周边地级市和省会城市距离远时, 数字基础设施建设对其供应链韧性的促进效果更显著. 进一步研究发现, 数字基础设施建设仅对周边城市为试点城市的供应链韧性具有正向溢出影响, 且溢出效果随地理距离增加而递减.
高技术产业是我国转型发展的重要引擎, 其创新是推动经济增长和提升竞争力的重要驱动力. 科学、准确地评价高技术产业创新效率并分析效率提升路径对推动高技术产业高质量发展具有重要意义. 本文构建了基于全局权重的动态网络 DEA 模型, 结合模糊集定性比较分析 (fuzzy set qualitative comparative analysis, fsQCA) 方法探究驱动中国高技术产业创新效率提升的路径. 研究发现: 1) 中国高技术产业创新效率整体较低, 且省份间创新发展不平衡; 2) 存在两条提升高技术产业创新效率的组态路径, 分别是数字化驱动型以及产学研-市场-环境协同型. 最后, 根据效率评价结果以及效率提升路径给出政策建议: 1) 转变创新政策的导向, 由供给导向型创新政策向需求导向型创新政策转变; 2) 助力技术发展, 推动主体合作, 优化创新环境.
跨国专利授权是知识产权国际贸易的重要组成部分, 而授权合同则是保障跨国专利授权合作顺利进行的关键. 本文采用建模分析法研究了跨国专利授权时机选择与合同设计问题, 建立预先授权与滞后授权两种授权时机情形下的竞合博弈模型, 其中外国企业与本国企业展开 Bertrand 价格竞争以及基于讨价还价博弈的跨国专利授权合作. 研究发现: 外国企业有可能选择预先授权时机或者滞后授权时机, 这取决于产品差异化程度; 但不管哪种授权时机, 双重收费合同均为外国企业的最优选择, 这有利于外国企业占有更多的利润份额. 外国企业的最优授权时机选择可能对本国企业也有利, 其中预先授权会导致产品价格竞争与各企业利润分配不平等状况的加剧. 此外, 无论其他条件如何变化, 对于外国企业与本国企业而言, 较强的议价能力对二者均有利. 当关税税率较低时, 滞后授权会减轻外国企业税收负担和削弱跨国专利授权的社会福利效应. 最后, 拓展了跨国专利授权合作博弈模型, 验证了外国企业进入本国市场对于跨国专利授权时机选择与合同设计的价值.
在我国低碳经济转型的背景下, “双积分” 政策是目前新能源汽车行业最主要的规制型政策. 新能源汽车企业技术创新是企业实现低碳升级转型的重要途径. 针对具有供应链区位、所在区域、资产规模、所有制结构等异质性的新能源汽车企业, 双积分政策是否能够有效激励其技术创新, 尚待进一步探讨. 基于此, 本文综合运用双重差分模型和倾向得分匹配法, 深入讨论了双积分政策对异质性企业技术创新的影响. 结果表明, 双积分政策能够有效激励各类型新能源汽车企业整体的技术创新, 并且对异质性企业的影响存在显著差异. 具体来看, 双积分政策更能带动下游企业、中部地区企业、中小企业和国有企业的创新产出, 有利于上游企业、西部地区企业、大型企业和国有企业的创新投入. 在双积分政策影响下, 下游企业的创新资源投入尚未明显提升, 西部经济欠发达地区企业呈现 “高投入, 低产出”现象, 存在较高的竞争压力和市场风险.
本文考虑了非对称竞争性制造商 (创新型制造商和普通制造商) 的最优定价策略问题. 分别构建双方都统一定价, 其中一方实施差异化定价, 双方都实施差异化定价四种定价策略组合下的两阶段博弈模型, 对比分析不同定价模式下的价格、创新水平以及最优利润等. 研究发现, 制造商实施差异化定价策略时对老消费者收取更高的价格, 即通过 “杀熟” 实现市场偷猎. 而这会激励制造商提高产品的创新水平, 导致双方都实施 “杀熟” 策略下的创新水平最高. 从均衡来看, 两个制造商都采用统一定价策略和都采用差异化定价策略是两个纳什均衡, 但都采用统一定价策略是帕累托占优和风险占优, 这说明实际上获取消费者购买历史信息并据此差异化定价并没有让双方变得更好. 因此, 竞争性制造商不实施 “杀熟” 而是均采用新老客户 “一视同仁” 的定价模式是更好的策略. 最后, 差异化定价策略能增加消费者剩余, 而对整体社会福利的影响并不一定, 与企业创新能力有关.
企业排污排碳问题严重影响 “双碳” 目标有效落实, 阻碍产业提档升级. 在数字赋能与政府协同背景下, 公众环保参与对企业减污降碳的潜在效应日益凸显. 本文基于 2011–2021 年 A 股上市企业数据, 测算了企业减污降碳协同指数, 并通过多元计量模型实证检验公众环保参与的协同减排效应. 结果显示, 仍有 51.02% 的企业处于不同程度的失调状态, 但在公众环保参与推动下, 企业减污降碳协同治理程度显著提升. 这源于四种内部响应机制: 披露效应、减源效应、创新效应及投资效应. 此外, 公众环保参与的协同减排效应在数字技术驱动下得到进一步增强, 并与政府环境规制形成有效合力, 协同推动企业降污减排; 特别在公众环保组织参与形式下, 这种效应更明显. 进一步分析发现, 除尘降碳不同步与碳氧失调乃企业减污降碳不协同的主因, 而公众环保参与在扭转此困境上优势显著, 已然成为减污降碳协同增效的关键力量; 且针对媒体关注度高、政治关联性强、隶属双高行业及处于高碳排放压力地区的企业, 公众环保参与的正向效应更为显著. 深入挖掘这一作用背后的根本动机, 我们发现, 在公众环保参与影响下, 企业为追求长期价值增长, 会主动放弃部分短期利润, 积极推动减污降碳协同治理. 从根本上说, 本研究不仅为验证公众环保参与在协同减排方面的正向效应提供了新证据, 还为如何最大化这种效应提供了独特见解, 对推动行业绿色低碳高质量发展具有重要意义.
以机构投资者投资组合中不相关行业的极端收益率事件作为引发其关注程度变化的外生冲击, 本文考察了机构投资者分心对股价反馈效应的影响. 以 2007–2023 年 A 股上市公司为样本, 本文发现机构投资者分心会降低公司投资-股价敏感性, 印证了机构分心会对股价反馈效应产生负向影响, 抑制管理层学习行为. 降低股价中的私有信息含量和提高管理层解读股价信息的难度是机构分心作用于股价反馈效应的内在机制. 进一步分析中, 区分机构投资者类型后发现压力抵制型机构投资者的分心带来的负向影响更强; 考虑反馈效应中信息接收者即管理层的异质性, 发现在管理层从股价中学习外部信息的意愿和需求更强的公司中, 机构分心对股价反馈效应的影响更为显著; 从信息类型来看, 机构投资者分心减少了股价对公司成长机会、行业和宏观层面信息的反馈; 此外, 还发现机构投资者分心会对公司投资效率产生实质性的消极影响.
金融系统流动性循环与实体经济协同发展, 对提升金融系统效率和实体企业创新能力、维持金融稳定、实现经济高质量发展具有重要意义. 本文基于演化博弈理论, 构建 “实体企业-商业银行-中央银行-政府” 的演化博弈模型, 借助现实数据与仿真分析手段探究金融系统流动性循环赋能实体经济发展的路径机制与提升策略, 得到如下结论: 1) 四方主体在不断调整自身策略后, 最终使博弈系统达到均衡状态 (自律经营、积极监管、提供流动性、政府监管). 当各主体以较高的初始概率选择该策略组合时, 系统演化的稳定速度会显著加快, 可有效减少政策滞后性, 缩短政策落实的时间成本与资金使用成本, 进而提高金融服务实体经济的效率. 2) 四方主体均会对金融流动性循环的方向产生重要影响. 其中, 实体企业的经营投资决策将决定其是否滥用流动性, 并对金融系统流动性循环方向产生决定性作用. 商业银行的积极监管能有效规避实体企业风险经营活动所造成的流动性损失, 有利于促进金融系统流动性的正向循环. 中央银行为实现社会福利最大化, 倾向于向积极监管的商业银行提供更高的流动性, 这不仅保证了金融系统流动性的正向循环, 也促进了实体企业的高质量发展, 形成了一种 “监管激励” 关系. 3) 政府在四方博弈系统中扮演着不可或缺的角色. 政府能对实体企业领导层的经营投资决策方向产生决定性影响, 促使其选择自律经营策略, 是形成金融系统流动性正向循环和实体经济发展的关键主体.
为探索高管非理性因素对企业低碳战略的影响, 本文以 2011–2019 年 Carbon Disclosure Project (CDP) 报告中 216 家美国上市公司为样本, 理论探索和实证识别高管情感与企业低碳战略间的因果关系. 结果表明, 高管情感与企业低碳战略间呈倒 U 型关系, 该结论经过一系列稳健性检验后仍然成立. 运营效率通过削弱情感的负向机制, 将拐点向右向上移动调节高管情感与低碳战略间的倒 U 型关系. 人工智能通过削弱情感的正向与负向机制, 将拐点向右向下移动并缓和倒 U 型关系. 我们的研究发现可为政府和企业提供重要的管理启示.
全球变暖加剧引致的极端天气事件频发对经济高质量发展构成严峻挑战. 作为智能制造体系的关键技术载体, 工业机器人的兴起为企业应对气候挑战带来了新的机遇. 本文基于动态能力理论, 利用 2016–2023 年中国沪深 A 股制造业上市公司数据, 探讨了气候风险对工业机器人应用的影响. 研究发现: 1) 气候风险能促进工业机器人应用, 且该结论在一系列稳健性检验后依旧成立. 2) 在影响机制方面, 气候风险通过要素替代效应与战略期权效应推动企业应用工业机器人. 3) 异质性分析发现, 气候风险对工业机器人应用的积极影响在民营企业、大规模企业、沿海地区企业、高碳排放强度企业与高竞争行业企业中更加显著. 本文的研究为有效应对气候风险, 推动生产流程的智能化转型提供了微观证据, 也为推进智能制造战略布局、推动经济高质量发展提供了有益启示.
现实中的复杂系统通常具有多重性, 一组实体通过多种关系连接, 因此使用多重网络的建模方式往往更符合实际. 多重网络嵌入旨在将网络中的节点映射为低维稠密的向量表示, 并尽可能地保留网络的多重结构信息. 然而, 现有的方法忽略了节点的结构角色信息, 导致学习到的节点表示无法有效保留原有的结构特性. 为了解决这一问题, 本文从不同的角度提出了三种基于结构角色的多重网络嵌入方法 (命名为 RMNE), 系统性地研究了结构角色信息对多重网络嵌入方法的增强作用. 具体来说, 区别于传统基于节点 ID 的随机游走, 方法一 (RMNE-1) 提出了多重网络中的角色化随机游走方法, 在节点的结构角色层面执行游走策略, 进而学习基于结构角色的节点嵌入. 方法二 (RMNE-2) 则基于现有研究, 将结构角色信息纳入到一个统一的优化框架中, 以学习结构角色增强的节点嵌入. 此外, RMNE-2 方法的半监督变体 (RMNE-2
