42digest首页

金融经济学研究快报

用 AI 跟踪日新月异的金融经济学领域进展

Left Leaning Models: AI Assumptions on Economic Policy

左精益模型:人工智能对经济政策的假定

AI如何看待经济政策? 虽然在经济学中使用大型语言模型(LLM)呈指数级增长,但他们在经济问题上的假设仍然是一个黑匣子。 本文使用连体实验来梳理影响LLM对经济政策评估的主要因素。 它发现LLM对失业,不平等,金融稳定和环境危害最敏感,对经济增长,通货膨胀和政府债务等传统宏观经济问题不那么敏感。 结果在跨场景和跨模型之间非常一致。

计算机与社会 人工智能 通用经济学
Artificial Finance: How AI Thinks About Money

人工智能如何看待金钱

在本文中,我们探讨了大型语言模型(LLM)如何通过系统地比较它们与全球人类参与者的反应来处理财务决策。 我们向七种领先的LLM提出了一组常用的财务决策问题,包括GPT系列(GPT-4o,GPT-4.5,o1,o3-mini),Gemini 2.0 Flash和DeepSeek R1的五种型号。 然后,我们将它们的输出与来自涵盖53个国家的数据集的人类响应进行比较。 我们的分析揭示了三个主要结果。 首先,LLM通常表现出风险中立的决策模式,在面对彩票类型的问题时,倾向于与预期价值计算一致的选择。 其次,在评估当前和未来之间的权衡时,LLM偶尔会产生与规范推理不一致的反应。 第三,当我们研究跨国相似性时,我们发现LLM的总体反应与来自坦桑尼亚的参与者的反应最为相似。 这些发现有助于理解LLM如何模仿类人的决策行为,并突出其产出中潜在的文化和培训影响。

通用经济学 人工智能 金融经济学
Explainable Graph Neural Networks via Structural Externalities

Explainable Graph Neural Networks via Structural Externalities

Graph Neural Networks (GNNs) have achieved outstanding performance across a wide range of graph-related tasks. However, their "black-box" nature poses significant challenges to their explainability, and existing methods often fail to effectively capture the intricate interaction patterns among nodes within the network. In this work, we propose a novel explainability framework, GraphEXT, which leverages cooperative game theory and the concept of social externalities. GraphEXT partitions graph nodes into coalitions, decomposing the original graph into independent subgraphs. By integrating graph structure as an externality and incorporating the Shapley value under externalities, GraphEXT quantifies node importance through their marginal contributions to GNN predictions as the nodes transition between coalitions. Unlike traditional Shapley value-based methods that primarily focus on node attributes, our GraphEXT places greater emphasis on the interactions among nodes and the impact of structural changes on GNN predictions. Experimental studies on both synthetic and real-world datasets show that GraphEXT outperforms existing baseline methods in terms of fidelity across diverse GNN architectures , significantly enhancing the explainability of GNN models.

机器学习 人工智能 计算机科学与博弈论
Automating Capacitor Part Selection with Dual-Objective Optimization

通过双目标优化实现电容器部件选择自动化

本文提出了使用多目标线性和非线性受限优化技术优化电子设计中电容器选择的新框架。 我们展示了这种方法在最小化成本和电路板领域的有效性,同时满足关键性能要求。

系统与控制 通用经济学 金融经济学
Quantifying the Improvement of Accessibility achieved via Shared Mobility on Demand

量化通过按需共享移动实现无障碍的改善

共享移动服务(SMS),例如,需求响应式运输或乘车共享,可以改善低密度地区的移动性,而传统公共交通(PT)通常服务不足。 这种改善通常通过基本绩效指标来衡量,例如等待或旅行时间。 然而,这些基本指标并没有说明短信可以为领土提供的最重要贡献,即增加用户获得周围机会的潜力,如工作、学校、企业等。 这种潜力可以通过基于异构体的可及性指标来衡量,该指标计算了在有限的时间内可达到的机会数量,因此公众很容易理解。 已经对短信对可获取性的潜在影响进行了定性讨论,并对公平性的影响进行了实证研究。 然而,到目前为止,还没有定量方法来计算通过短信实现的基于异色酮的指标。 这项工作填补了这一空白,提出了第一种方法来计算由传统PT和SMS组成的PT系统的异构体可访问性,作为访问和进出PT集线器的支线。 该方法基于通过Kriging进行的空间-时间统计分析。 它作为输入观察到的短信旅行,并在图表中总结它们。 在这样的图中,计算异构体可访问性指标。 我们将建议的方法应用于巴黎 - 萨克莱郊区关于需求响应运输的MATSim模拟研究。

计算机与社会 通用经济学 金融经济学

最新研究

通过双目标优化实现电容器部件选择自动化

本文提出了使用多目标线性和非线性受限优化技术优化电子设计中电容器选择的新框架。 我们展示了这种方法在最小化成本和电路板领域的有效性,同时满足关键性能要求。

系统与控制通用经济学金融经济学
arXiv

左精益模型:人工智能对经济政策的假定

AI如何看待经济政策? 虽然在经济学中使用大型语言模型(LLM)呈指数级增长,但他们在经济问题上的假设仍然是一个黑匣子。 本文使用连体实验来梳理影响LLM对经济政策评估的主要因素。 它发现LLM对失业,不平等,金融稳定和环境危害最敏感,对经济增长,通货膨胀和政府债务等传统宏观经济问题不那么敏感。 结果在跨场景和跨模型之间非常一致。

计算机与社会人工智能通用经济学金融经济学
arXiv

量化通过按需共享移动实现无障碍的改善

共享移动服务(SMS),例如,需求响应式运输或乘车共享,可以改善低密度地区的移动性,而传统公共交通(PT)通常服务不足。 这种改善通常通过基本绩效指标来衡量,例如等待或旅行时间。 然而,这些基本指标并没有说明短信可以为领土提供的最重要贡献,即增加用户获得周围机会的潜力,如工作、学校、企业等。 这种潜力可以通过基于异构体的可及性指标来衡量,该指标计算了在有限的时间内可达到的机会数量,因此公众很容易理解。 已经对短信对可获取性的潜在影响进行了定性讨论,并对公平性的影响进行了实证研究。 然而,到目前为止,还没有定量方法来计算通过短信实现的基于异色酮的指标。 这项工作填补了这一空白,提出了第一种方法来计算由传统PT和SMS组成的PT系统的异构体可访问性,作为访问和进出PT集线器的支线。 该方法基于通过Kriging进行的空间-时间统计分析。 它作为输入观察到的短信旅行,并在图表中总结它们。 在这样的图中,计算异构体可访问性指标。 我们将建议的方法应用于巴黎 - 萨克莱郊区关于需求响应运输的MATSim模拟研究。

计算机与社会通用经济学金融经济学
arXiv

人工智能如何看待金钱

在本文中,我们探讨了大型语言模型(LLM)如何通过系统地比较它们与全球人类参与者的反应来处理财务决策。 我们向七种领先的LLM提出了一组常用的财务决策问题,包括GPT系列(GPT-4o,GPT-4.5,o1,o3-mini),Gemini 2.0 Flash和DeepSeek R1的五种型号。 然后,我们将它们的输出与来自涵盖53个国家的数据集的人类响应进行比较。 我们的分析揭示了三个主要结果。 首先,LLM通常表现出风险中立的决策模式,在面对彩票类型的问题时,倾向于与预期价值计算一致的选择。 其次,在评估当前和未来之间的权衡时,LLM偶尔会产生与规范推理不一致的反应。 第三,当我们研究跨国相似性时,我们发现LLM的总体反应与来自坦桑尼亚的参与者的反应最为相似。 这些发现有助于理解LLM如何模仿类人的决策行为,并突出其产出中潜在的文化和培训影响。

通用经济学人工智能金融经济学
arXiv

内容信任的新激励模式

本文概述了一种激励驱动和分散的方法,以大规模验证数字内容的真实性。 广泛的错误信息,人工智能生成内容的爆炸式增长以及对传统新闻来源的依赖,需要一种新的内容真实性和真相探索方法,以适应现代的数字世界。 通过使用智能合约和数字身份将“信任”纳入发布内容的奖励功能,而不仅仅是参与,我们认为,通过基于社区的治理模式,可以促进自我推动的范式转变,以打击错误信息。 本文中描述的方法要求内容创作者在事实索赔中持有财务抵押品,要求公正的陪审团审查捐款的财务奖励。 我们假设,通过正确的财务和社会激励模式,用户将积极参与众包事实检查,内容创作者将更多地关注他们的证明。 这是一篇探索性文件,有许多悬而未决的问题和问题值得进一步分析和探索。

计算机科学与博弈论计算机与社会通用经济学金融经济学
arXiv

分析投资放牧对消费的挤出效应:最优控制理论方法

投资放牧,一种家庭模仿他人决定而不是依靠自己的分析的现象,对金融市场和家庭行为产生了重大影响。 过度的投资放牧可能会减少投资,导致家庭消费的枯竭,这被称为挤出效应。 虽然现有的研究已经对投资放牧对消费的影响进行了定性研究,但该领域的定量研究仍然有限。 在这项工作中,我们调查了投资放牧影响下家庭的最佳投资和消费决策。 我们制定了一个优化问题,以模拟投资放牧如何影响家庭决策。 基于最优的控制理论,我们解决最优投资和消费决策的分析解决方案。 我们从理论上分析投资放牧对家庭消费决策的影响,并证明挤出效应的存在。 我们进一步探索利率、超额收益率和波动性等参数如何影响挤出效应。 最后,我们进行真正的数据测试,以验证我们对挤出效应的理论分析。 这项研究对于理解投资放牧对家庭消费的影响至关重要,并为寻求刺激消费和减轻投资放牧对经济增长的负面影响的政策制定者提供了有价值的见解。

投资组合管理系统与控制通用经济学金融经济学
arXiv

中央银行数字货币:调查

随着数字支付技术的进步,全球各国央行越来越多地开始探索实施央行数字货币(CBDC)。 本文全面回顾了CBDC系统设计和实施的最新发展。 通过分析2018年至2025年间发表的135篇研究论文,该研究对CBDC设计分类和生态系统框架进行了深入研究。 该论文以CBDC设计金字塔为基础,通过彻底调查分类账技术的创新,选择共识机制以及与离线支付和数字钱包集成相关的挑战,完善并扩展了关键的建筑元素。 此外,它概念化了CBDC生态系统。 对26个现有的CBDC系统进行了详细的比较分析,分为四个维度:系统架构、分类账技术、访问模型和应用领域。 调查结果显示,最常见的配置包括双层架构、分布式账本技术(DLT)和基于令牌的访问模型。 然而,在应用领域没有出现主导趋势。 值得注意的是,最近的研究表明,人们越来越关注利用CBDC进行跨境支付,以解决当前系统中的低效和结构性延误。 最后,本文为未来的研究提供了几个前瞻性的建议。

通用经济学计算工程、金融与科学计算机与社会新兴技术
arXiv

最重要的是什么? 基于AI的预测因子的定量荟萃分析,以启动成功

背景:通过机器学习预测创业成功是一个快速增长的领域,但对关键预测因素的发现往往是分散的和特定于上下文的。 这使得很难辨别出稳健的模式,并强调需要系统地综合证据。 方法:本研究进行定量荟萃分析,以综合基于AI的启动评估中关于预测重要性的文献。 我们进行了系统审查,以确定13项实证研究的最终样本,这些实证研究报告了具有可排名特征的重要性。 从这些论文中,我们提取并分类了58个独特的预测因子,使用加权重要性分数(WIS)来合成它们的重要性,该分数平衡了特征的平均排名与其外观频率。 我们还进行了主持人分析,以调查预测因素的重要性如何随着上下文的变化而变化(例如,成功定义)。 结果:我们的汇总分析表明,最一致的强预测因素是基础属性的四重奏:公司特征(例如,年龄,位置),投资者结构(例如,投资者质量),数字和社会牵引(例如,在线动力)和融资历史。 主持人的分析进一步揭示了这种层次结构高度依赖上下文。 例如,预测近期融资里程碑会提升交易眼前环境的重要性,同时预测长期退出优先考虑基本面的公司和投资者特征。 结论:最能预测创业成功的因素不是普遍的,而取决于创业公司的目标、阶段和用于评估的数据。 我们的发现指出文献中潜在的“便利性偏见”,其中预测值可能与数据可访问性有关。 最后,我们强调需要标准化的报告做法,以便在实地建立更健全、更累积的知识。

计算工程、金融与科学通用经济学金融经济学
arXiv

潘多拉的盒子问题与顺序检查

潘多拉的盒子问题(魏茨曼1979)是经济理论的核心模型,它捕获了代理人(潘多拉)寻找最佳替代品(盒子)。 我们研究这个问题的一个重要概括,即代理人可以完全打开盒子,收取一定的费用,以显示其确切价值,或者以较低的成本部分打开它们。 这引入了信息获取和成本效率之间的新权衡。 我们建立了硬度结果,并采用一系列技术进行随机优化,以对此模型进行全面分析。 这包括(1)确定最优策略的结构属性,提供有关最优决策的见解;(2)问题松弛的推导和可证明的近乎最优的解决方案;(3)在特殊但非平凡的情况下对最优策略的表征;(4)一项广泛的数值研究,比较各种政策的表现,并提供有关最优政策的额外见解。 在整个过程中,我们展示了基于阈值的直观策略,扩展Pandora的框最佳解决方案可以有效地指导搜索决策。

计算工程、金融与科学通用经济学金融经济学
arXiv

信号还是噪音? 评估大型语言模型,在上下文变化和人类专家基准中恢复筛选

这项研究调查了大型语言模型(LLM)在根据工作描述筛选简历时是否表现出一致的行为(信号)或随机变化(噪声),以及它们的表现与人类专家相比如何。 使用受控数据集,我们跨上下文(No Company, Firm1 [MNC], Firm2 [Startup], Reduced Context)测试了三个LLM(Claude,GPT和Gemini),这些LLM(Claude,GPT和Gemini)具有相同和随机的简历,以三个人类招聘专家为基准测试。 对差异的分析发现,8个LLM条件中有四个存在显著的平均差异,LLM与人类评价之间一直存在显著差异(p < 0.01)。 配对测试显示GPT强烈适应公司环境(p < 0.001),双子座部分(P = 0.038 for Firm1)和Claude minimally(p > 0.1),而所有LLM都与人类专家不同。 元认知分析强调了适应性加权模式,这些模式与人类评估方法明显不同。 研究结果表明,LLM提供了可解释的模式,并提供了详细的提示,但与人类的判断有很大差异,告知他们在自动化招聘系统中的部署。

计算与语言通用经济学金融经济学
arXiv

通过进化的效率,基于代理的经济预测建模的达尔文方法

本文介绍了一种新的达尔文代理模型(ABM)方法论宏观经济预测,利用进化原理来实现显着的计算效率和新兴的现实主义。 与依赖大型公司分析的复杂行为规则的传统DSGE和ABM方法不同,我们的框架采用了简单的“常识”规则,代表直接服务于最终消费者的小公司。 主题病学将家庭视为经济动态的主要驱动因素,企业在有限的互动社区中通过基于市场的自然选择进行调整。 我们证明,这种方法在受到投入产出表结构的限制时,会产生现实的经济模式,包括财富分配、公司规模分布和部门就业模式,而无需广泛的参数校准。 使用46个国家的FIGARO输入输出表,并将奥地利作为案例研究,我们表明模型再现了经验规律,同时保持标准笔记本电脑的计算效率,而不是要求超级计算集群。 主要发现包括:(1)从最小行为假设中出现现实的公司和就业分布,(2)通过进化动力学准确再现初始社会会计矩阵值,(3)仅使用5-6个国别参数来成功校准以补充FIGARO数据,(4)计算性能使消费硬件能够完全模拟。 这些结果表明,进化的ABM方法可以通过捕获分散的市场适应来提供强大的政策见解,同时避免传统DSGE和综合ABM模型的计算复杂性。

通用经济学计算工程、金融与科学金融经济学
arXiv

经济DAO治理:一种可竞争的控制方法

在这篇文章中,我们提出了一种新的DAO治理形式,它使用顺序拍卖机制来克服DAO出现的根深蒂固的控制问题,通过创建临时有争议的控制制度。 该机制避免了投票方法所固有的潜在的公共选择问题,但同时提供了一种能够增强和确保DAO投票和其他DAO非市场治理程序的价值的工具。 它是健壮的空投票,是可行的。 它不仅有助于DAO在面对各种监管方法时实现其规范和业务目标的能力,而且还加强了为采用该机制的DAO建立负担较小但至少同样有效的监管制度的理由。 旨在将控制权转移到具有最有前途的商业计划的一方,同时它阻止控制方的价值破坏,最大化社会盈余,并以倾向于在启动和持续的基础上促进其他各方投资的方式分配盈余。

计算机科学与博弈论通用经济学金融经济学
arXiv

与AI协作:测量生成式AI对职业的影响

鉴于生成式AI的快速普及及其对广泛任务的潜在影响,理解AI对经济的影响成为社会最重要的问题之一。在本研究中,我们通过分析人们与AI协作的工作活动、这些活动的成功程度和广泛性,并结合从事这些活动的职业数据,朝着这一目标迈出了一步。我们分析了20万条用户与公开可用的生成式AI系统Microsoft Bing Copilot之间的匿名隐私擦除对话数据集。研究发现,人们最常寻求AI协助的工作活动涉及信息收集和写作,而AI自身最常执行的活动是提供信息和协助、写作、教学和咨询。将这些活动分类与任务成功率和影响范围的测量相结合,我们计算了每个职业的AI适用性评分。结果显示,计算机与数学、办公室和行政支持等知识工作职业群体,以及销售等涉及提供和沟通信息工作活动的职业,具有最高的AI适用性评分。此外,我们还描述了最成功执行的工作活动类型、工资和教育程度与AI适用性的相关性,以及实际使用情况与职业AI影响预测的比较。

人工智能计算机与社会通用经济学金融经济学
arXiv

衡量社交媒体网络效应

我们使用美国19,923名Facebook,Instagram,LinkedIn和X用户的代表,与激励兼容的在线选择实验,为数字经济中的本地网络效应提供首次大规模的经验测量。 我们的分析显示,社交媒体平台的价值从每个消费者的每月78到101,平均为20-34。

通用经济学社会与信息网络金融经济学
arXiv

异质参与和分配偏斜:选择何时“值得”?

经济学和计算(EconCS)社区的核心精神是,人们拥有复杂的私人偏好和信息,而中央规划师不知道这些信息,但设计适当的机制可以揭示改善集体决策。 这种精神是社区最大的成功案例的基础,从稳定的匹配系统到参与式预算编制。 我问:这个选择和信息聚合是否“值得”? 特别是,我讨论了这些系统如何诱导异构参与:那些已经相对有利的系统在经验上更有能力支付时间成本并驾驭机制造成的行政负担。 我借鉴了三个案例研究,包括我自己的工作——复杂的民主机制、居民众包和学校匹配。 最后,我以实践和研究的经验教训结束,挑战社区,以帮助减少参与异质性,设计和部署符合“两全其所能”的北极星的机制:使用那些选择参与的人的偏好和信息,但为那些不参与的人提供“足够”的服务质量。

计算机与社会通用经济学金融经济学
arXiv

流行病稀缺:无法解决的未知经济学

本文介绍了人工智能和算法治理的实践分析,挑战了关于机器系统维持经济和认识秩序的能力的假设。 利用Misasian的先验推理和奥地利创业理论,我们认为人工智能系统无法执行经济协调的核心功能:解释目的,发现手段,并通过价格传达主观价值。 当新古典主义和行为模型将决策视为约束下的优化时,我们将它们定义为不确定性下的目的性行为。 我们批评占主导地位的道德人工智能框架,如公平,问责制和透明度(FAT)作为建构主义理性主义的延伸,这与基于自愿行动和财产权的自由主义秩序相冲突。 试图在算法中编码道德推理反映了对道德和经济学的误解。 无论多么复杂,人工智能系统都不能产生规范、解释机构或承担责任。 它们仍然是不透明的,错位的,惰性的。 使用认识论稀缺的概念,我们探索信息丰富如何降低真理辨别,使企业家洞察力和软极权主义成为可能。 我们的分析以文明主张结束:关于人工智能的争论涉及人类自主的未来,制度进化和理性选择。 奥地利的传统,专注于行动,主观性和自发秩序,为不断上升的计算社会控制提供了唯一连贯的替代方案。

通用经济学人工智能计算机与社会物理学史与哲学
arXiv

通过自动理论经济设计解决CAP:实时分区耐受系统的统一数学框架

CAP定理断言一致性、可用性和分区公差之间的三难问题。 本文引入了严格的自动理论和经济基础框架,将CAP权衡重新构建为约束优化问题。 我们将分布式系统建模为分区感知状态机,并嵌入经济激励层,以稳定跨对抗性分区网络的共识行为。 通过将游戏理论机制融入全球过渡语义,我们定义了可扩展的收敛性、活性和正确性。 我们的结果表明,可用性和一致性可以同时保存在边界的epsilon利润率内,通过正式的经济控制有效地扩展了经典的CAP限制。

计算机科学与博弈论分布式、并行与集群计算形式语言与自动机理论信息检索
arXiv

FinAI-BERT:基于变压器的模型,用于在财务报告中检测人工智能披露的句子级检测

人工智能(AI)在金融服务中的激增促使人们对能够系统地检测企业文件中人工智能相关披露的工具的需求不断增长。 虽然之前的方法通常依赖于关键字扩展或文档级分类,但它们在粒度,可解释性和鲁棒性方面不足。 这项研究引入了FinAI-BERT,这是一种基于域的变压器语言模型,旨在将AI相关内容分类在财务文本中的句子级别。 该模型在手动策划和平衡的数据集上进行了微调,该数据集包含来自美国银行669份年度报告(2015年至2023年)的1,586个句子。 FinAI-BERT实现了近乎完美的分类性能(精度为99.37%,F1得分为0.993),优于Logistic Regression,Naive Bayes,Random Forest和XGBoost等传统基线。 通过基于SHAP的令牌归因来确保可解释性,而偏差分析和稳健性检查证实了模型在句子长度,对抗输入和时间样本中的稳定性。 从理论上讲,该研究通过使用变压器架构进行细粒度,特定主题的分类,促进了金融NLP的发展。 实际上,它为寻求监控金融机构之间人工智能传播和框架的分析师,监管机构和学者提供了一个可扩展,透明的解决方案。

计算金融学计算与语言通用经济学金融经济学
arXiv

绿色氨:技术经济供应链优化

绿色氨正在成为绿色能源供应链中的战略中介,有效地充当工业商品和氢载体。 这项研究对绿色氨供应链进行了技术经济分析,比较了从全球生产到欧洲消费者的成本效益途径,并评估了氨与替代氢载体。 气态氢一直是欧洲最经济的进口选择,尽管氨与液态氢相比具有缩小的成本优势(从16

通用经济学系统与控制金融经济学
arXiv

通过绿色看:基于文本的分类和公司从绿色专利的回报

本文介绍了自然语言处理,用于从官方证明文件中识别“真正的”绿色专利。 我们开始对大约1240万项专利进行培训,这些专利从以前的文献中被归类为绿色。 因此,我们训练一个简单的神经网络,通过与环境技术相关的表达式的向量表示来放大基线字典。 经过测试,我们发现“真正的”绿色专利约占以前文献中被归类为绿色的专利总数的20%。 我们通过技术类别展示异质性,然后检查“真正的”绿色专利在后续发明中引用的比例要低1%左右。 在论文的第二部分中,我们测试了欧盟专利与公司级金融账户仪表板之间的关系。 在控制反向因果关系后,我们表明至少持有一项“真正的”绿色专利可以提高销售,市场份额和生产力。 如果我们将分析限制在高新颖的“真”绿色专利上,我们发现它们也产生了更高的利润。 我们的研究结果强调了使用文本分析来衡量对不同领域决策有用的细粒度专利分类的重要性。

通用经济学计算与语言金融经济学
arXiv