指数

  • 详情 数字普惠金融、家庭代际流动与收入不平等
    在全面建设社会主义现代化国家的新征程上,着力促进代际流动和缓解收入不平等是实现共同富裕的重要途径。本文基于2010~2022年CFPS微观家庭经济数据和数字普惠金融指数,构建七期代际收入转移矩阵和六期非平衡面板数据,从宏微观结合的视角切入探究数字普惠金融和家庭代际流动对收入不平等多维度收敛性的内在驱动机制和时空分异规律。研究发现:数字普惠金融发展后,居民收入分配结构更加合理,通过优化教育资源配置、拓宽就业创业渠道和完善社会保障体系三条理论渠道,显著促进了家庭代际流动和收入不平等收敛,其作用机制对农村地区、单亲家庭、男性子代的效果更为显著,对低人力资本、社会资本和物质资本家庭的作用更为明显。数字普惠金融促进家庭代际收入向上流动后,有助于城乡间、区域间以及体制内外等多维度收入不平等收敛,“了不起的盖茨比曲线”检验表明,收入不平等现象在东中西部区域基本收敛,但在城乡和体制内外还未实现收敛,面临城镇和体制内代际流动意愿缺失的现实困境。以上结论经过一系列稳健性检验证实了研究结论的可靠性,为如何认识共同富裕问题提供了全新视角和重要依据。
  • 详情 “双碳”与共同富裕目标下市场型环保规制的分配效应 ——来自碳排放权交易试点的县域证据
    在实现“双碳”与共同富裕目标并进的背景下,环保规制的公平后果日益受到关注。本文以2013、2014与2016年分批启动的碳排放权交易试点为准自然实验,基于2000—2023年中国区县面板数据,系统评估市场型环保规制的分配效应。结果变量方面,本文使用区县夜间灯光构建的不平等指标(基尼、泰尔、阿特金森)刻画县域经济活动分布,并以县域城乡居民收入对数差距作为补充。识别策略方面,除区县与年份双向固定效应的TWFE-DID外,进一步引入适用于分批采用的更强识别方法:(1)Sun-Abraham分组事件研究用于动态效应检验并规避传统事件回归在异质处理效应下的加权偏误;(2)Callaway-Sant’Anna ATT(g,t)在“尚未受处理/从未受处理”对照组框架下估计分组—时期平均处理效应;(3)合成双重差分(SDID)同时估计单位权重与时间权重,以匹配处理前趋势并降低对严格平行趋势的依赖。研究发现:在TWFE-DID下,试点显著降低了县域夜间灯光基尼与阿特金森指数;更强识别(ATT(g,t)、SDID)在城市层面同样指向夜间灯光泰尔指数的下降,但幅度更为温和。机制检验表明,试点显著降低城市单位GDP能耗,支持“绿色转型—要素再配置—分配格局改善”的作用链条。
  • 详情 周易“变易-不易”思维下的能源系统韧性、六爻风险矩阵与ESG预警: 基于动态模型的实证研究
    本文基于2007—2022年中国上市能源相关企业面板数据(46,424个企业—年度观测值),研究极端气候与政策冲击背景下ESG风险暴露对企业能源系统韧性的影响及其动态传导机制。本文构建阶段敏感的离散风险状态表示方法,把《易经》中“变易—不易”的结构思想转化为可操作的计量框架,将企业风险映射为六个生命周期阶段下的64种状态结构,并在企业与年份固定效应框架下识别风险效应的阶段异质性。结果表明,原煤依赖度显著降低绿色转型指数(韧性指标),天然气依赖度显著提高韧性;标准煤当量能源强度在煤炭暴露与韧性之间发挥重要中介作用,占总效应的62.3%。进一步构建马尔可夫状态转移模型,发现极端事件显著改变高风险状态向低韧性状态的转移概率。结合LSTM-注意力机制生成预警概率,在最优阈值下样本外预测准确率为78.6%,稳健性检验结果一致。基于预警概率构建阶段相关的对冲规则,结果显示其在后期阶段显著降低风险暴露并提高风险调整后收益。本文为能源企业转型期风险管理与政策干预提供了可操作的识别框架与决策依据。
  • 详情 关于推进云南地震巨灾保险制度建设的思考
    云南省作为我国地震灾害最严重的地区之一,其巨灾保险制度建设对防灾减灾和经济社会可持续发展具有重要意义。本文基于云南省 2015 年以来的地震巨灾保险试点实践,系统梳理了试点探索、初期实践与模式升级三个阶段的发展历程,总结出制度碎片化、财政依赖与基差风险三大核心问题。研究发现,试点制度存在时空覆盖失衡与短期化运作的可持续性困境,财政主导模式抑制了市场需求,指数保险的基差风险问题导致保障有效性不足。针对上述问题,本文提出构建“多支柱、多层次、可持续”的地震巨灾风险共治体系,通过差异化产品设计、需求侧改革与数据驱动技术赋能,推动政府、市场与社会协同治理。研究结论为边疆多民族地区巨灾保险制度创新提供了理论框架与实践路径,对完善国家巨灾风险管理体系具有重要参考价值。
  • 详情 “外源依赖”到“内生驱动”:高管长期主义对突破性创新的影响机制研究
    突破性创新是破解我国创新质量短板、实现科技自立自强的关键路径,也是企业在不确定环境下获得持续竞争优势的重要支撑。本文以2015-2023年A股上市公司为研究样本,通过机器学习与文本分析方法构建高管长期主义变量,运用企业发明专利CD指数测量突破性创新水平,探究高管长期主义特质对企业突破性创新的影响及作用机制。研究发现:高管长期主义对企业突破性创新具有显著的促进效应。机制分析表明,高管长期主义通过提升企业自主研发水平、促进人力资本积累以及抑制外部并购等路径,提升了企业突破性创新水平。高管团队断裂带削弱了高管长期主义对企业突破性创新的促进作用。异质性检验发现,在非国有企业与处于衰退期的企业中,高管长期主义对企业突破性创新的促进作用更加显著。研究结论有助于丰富时间导向影响高管创新决策的研究,并为企业实现从“外源依赖”到“内生驱动”的突破性创新路径演进提供了新的理论解释。
  • 详情 经济政策不确定性、数字化转型与劳动力就业
    中共二十届三中全会强调要健全高质量充分就业促进机制,就业是最大的民生,如何扩大就业对社会稳定和经济发展意义重大。本文基于投入产出表数据构建企业宏观层面的数字化转型指标,并基于中国31个省份代表性报纸构建中国省级行政区经济政策不确定性指数,考察企业数字化转型对经济政策不确定性与劳动力就业规模关系的影响。研究发现,经济政策不确定性对劳动力就业存在破坏效应,数字化转型能够有效缓解经济政策不确定性对劳动力就业的不利影响。机制检验发现,数字化主要通过减弱企业对经济政策不确定性的感知度、缓解企业融资压力和减弱企业金融化动机的途径缓解经济政策不确定性对劳动力就业的破坏效应。异质性分析表明,这一缓解作用在东部地区、知识产权保护强地区和国有属性企业效果更强。此外,数字化转型对第三产业和中高技能劳动力就业规模的缓解效果更强,有助于提升就业质量。本文基于企业数字化角度为高效减轻经济政策不确定对劳动力就业的破坏效应提供了新的经验证据。
  • 详情 基于推特情感分析预测股指回报率
    随着互联网经济的发展,互联网评论渗透在人们生活的方方面面。为了研究Twitter上关于新能 源汽车的大量评论情绪是否是TESLA的股价波动产生的原因, 本论文假设从Twitter收集到的用户情绪 数据与TESLA股票市场价格相关。并采取CS新能车指数399976和Twitter上的关于新能源汽车的评论情 绪数据与CS新能源车指数的股价数据进行格兰杰因果检验。研究结果表明中国投资者情绪是指数价格 变化的主要原因,且投资者对新能源汽车指数的正面冲击是短期的,长期来看情绪对股票价格的影响将 会消失。
  • 详情 流动性服务机制与ETF跟踪误差:基于“效率-公平”视角的研究
    本文以2011—2023年A股市场存续的全部股票型ETF基金为样本,基于多期双重差分法(DID)识别流动性服务业务引入对ETF跟踪误差的影响效应。研究发现,引入流动性服务机制可显著降低ETF的跟踪误差,该结论在通过了一系列稳健性检验。机制检验表明,流动性服务商激励改善与市场交易条件优化是跟踪误差降低的主要传导路径,机构投资者比例提升进一步强化流动性服务的政策效应。异质性分析显示,优化复制策略、宽基指数ETF与中小规模产品受益更为显著。进一步研究发现,该机制显著改善了流动性基础薄弱ETF的跟踪误差,缓解了市场“马太效应”。本文从制度演变的视角系统揭示了ETF市场流动性服务机制的微观传导与结构性影响,为提升ETF基金运行质量与健全ETF市场功能提供了实证支持与政策启示。
  • 详情 政策文本分析与行业资产定价机制 ——基于大语言模型的研究
    在我国资本市场中,政策作为宏观调控的重要工具,对行业资产价格具有显著影响。本文尝试将政策文本纳入金融文本分析框架,构建政策——行业相似度指标体系,识别政策支持导向,并探讨其在行业定价中的作用机制。文章构建了涵盖多层级政策的文本数据库,分别采用传统模型(LDA和LSA)与大语言模型(LLM)识别政策中的行业提及频次,测算政策——行业相似度指数,并结合行业收益数据构建策略。文章进一步引入支持向量回归(SVR)识别不同行业的最优政策滞后期,提升策略表现。实证结果表明:LLM模型在政策主题提取上明显优于传统方法,基于政策相似度构建的行业策略在多阶段均展现出稳健的超额收益,且政策对行业的影响有长期滞后效应,行业反应通常在政策发布半年后。考虑现实市场约束,基于最优滞后窗口构建的单边多头策略也表现优秀,具备良好实用性,特别是在政策密集期(如2015、2020年)表现突出。本文的研究为政策信号的量化研究与行业资产配置提供了新的方法与实证支持。
  • 详情 技术红利与社会风险的平衡之道
    人工智能技术正以前所未有的速度重塑人类社会的基本结构,其影响广度从 日常生活延伸至全球治理体系。2025年,全球人工智能核心产业规模已突破6000 亿元人民币,用户规模接近 2.5 亿,技术渗透率高达 17.7%。这一指数级增长态 势既孕育着社会效率革命的曙光,又潜伏着深刻的伦理危机。当深度伪造技术能 够以几可乱真的方式模拟人类生物特征,当算法偏见在招聘、信贷领域悄然固化 社会不平等,人类不得不面对一个核心命题:如何在享受 AI 技术红利的同时, 构建牢不可破的伦理防护网?本文从 AI 技术的社会影响全景出发,系统分析其 作为效率引擎与犯罪工具的双重面相,并探索符合技术伦理与现实需求的治理路 径,为构建安全可信的人工智能未来提供理论支撑与实践指南。