2026-10-05A+++Journal of Business & Economic Statistics
1. 面向重尾数据的高维切片逆 Kendall's Tau 估计（SIKE）
High-Dimensional Sliced Inverse Kendall's Tau Estimation for Heavy-Tailed Data
方向关联机器学习与金融——为重尾金融数据定制的新降维估计量，方法论卖点明确。
摘要
充分降维是统计学习的重要分支，在监督框架下对协变量做最优投影。现有充分降维算法多要求严格的分布假设，对重尾预测变量和异常值敏感。本文提出切片逆 Kendall's Tau 估计（SIKE），专为重尾、椭圆分布的高维数据设计——这类数据在金融经济中广泛存在。与现有方法相比，SIKE 不需计算中位数或条件中位数，假设条件更弱、估计精度更高，并引入补救算法增强适应性。文章给出维度 p 随样本量 n 发散时的理论性质；大量模拟显示各类场景下表现显著更优，资产定价与房价数据的实证也验证了有效性。
主要贡献
- 以秩相关（Kendall's Tau）替代矩条件，把重尾稳健性直接做到降维目标函数里，假设明显弱于同类方法；
- 给出高维渐近（p 随 n 发散）的理论保证，不止于模拟；
- 在资产定价数据上实证落地——重尾正是金融数据的常态。
DOI: 10.1080/07350015.2026.2707219 →
2026-10-01A+++The Accounting Review
2. 以重新谈判化解放贷冲动：信贷员更替在债务契约中的作用
Unwinding Loan Prospecting Pressure through Renegotiation: The Role of Loan Officer Changes in Debt Contracting
方向关联组合决策与市场动态——信贷供给侧的信息摩擦与激励扭曲，银行微观机制研究。
摘要
信贷员面临发放新贷款的业绩压力，会给出比借款人资信更优惠的贷款条件。接替原信贷员的新人没有这种“放贷冲动”，因而会在重新谈判中收回当初给予的优惠。本文发现，原信贷员被替换后的首次重新谈判，结果对借款人显著更不利；放贷压力越大时效应越强——原信贷员经验越浅、牵头行面临的业绩基准越紧或收入增长越低、信贷市场竞争越激烈。总体而言，信贷员更替通过重新谈判恢复了契约效率。
主要贡献
- 把“信贷员个人激励—契约条款—重新谈判”串成完整因果链，信息生产的人的维度；
- 用 LinkedIn 手工收集的信贷员履历识别更替，识别设计干净；
- 结论可折算：银行如何设计信贷员考核以抑制过度放贷。
DOI: 10.2308/tar-2025-0120 →
2026-10-07A+++Marketing Science
3. 从直播到录播：直播全周期中的消费者需求与价格反应
From Live to Recording: Consumer Demand and Response to Price Across the Livestreaming Lifecycle
方向关联定价与信息——质量不确定性如何进入需求的价格弹性；直播电商的中国情境参照。
摘要
利用一家知识付费平台（销售付费直播的录播版本）的数据，本文发现需求在直播前的价格敏感度反而高于直播后——部分由消费者自我选择解释，部分因为直播结束后质量不确定性下降。
主要贡献
- 反直觉的时序结论：不确定性下降反而降低价格敏感度；
- 对直播电商、知识付费定价的直接参考；
- 自我选择的识别处理干净利落。
DOI: 10.1287/mksc.2024.1281 →
2026-10-05A+Mathematical Finance
4. 随机波动率模型下基于单调可加统计的动态组合选择
Dynamic Portfolio Selection Under Monotone Additive Statistics in a Stochastic Volatility Model
方向关联组合决策与市场动态——偏好表示与动态组合选择的理论前沿，随机波动率设定贴近真实市场。
摘要
单调可加统计是满足单调性与可加性的偏好表示，已被证明可表示为不同风险厌恶程度下指数效用确定性等价的加权平均，广泛用于金融经济场景。本文研究动态组合选择问题：投资者在无风险资产与随机波动率风险股票之间交易，以终端财富或对数收益率的单调可加统计度量投资绩效。因单调可加统计用于动态决策会导致时间不一致，本文求解均衡策略，通过证明两个常微分方程组的可解性得到策略。
主要贡献
- 把“单调可加统计”偏好表示引入动态组合选择，偏好—决策的理论构造；
- 处理时间不一致性，求解均衡策略而非承诺策略；
- 归结为 ODE 系统可解性，理论干净、可计算。
DOI: 10.1111/mafi.70063 →
2026-10-06A+Journal of Money, Credit and Banking
5. 宏观经济不确定性与经济周期不对称性
Macro-Economic Uncertainty and Business Cycle Asymmetry
方向关联2024–2026 主线：不确定性与价格——不确定性冲击的非对称效应，宏观—金融的桥梁。
摘要
本文提出改进的不可观测成分模型，研究美国宏观经济不确定性与经济周期不对称性的关联：冲击的偏度被假设为随不确定性变化，并开发了高效的贝叶斯 MCMC 算法。估计表明，高不确定性往往伴随对周期成分（而非趋势成分）的大幅负向冲击：不确定性上升/下降一个标准差，预期产出变化 −0.15/+0.10 个百分点。增长分布的低分位数（即增长风险）对不确定性变化尤为敏感。
主要贡献
- 把“偏度时变”写进不可观测成分模型，对不确定性—下行风险做直接建模；
- 给出数量级：1 个标准差的不确定性冲击对应 −0.15 个百分点；
- 增长风险（growth-at-risk）视角，政策含义明确。
DOI: 10.1111/jmcb.70094 →
2026-10A+The British Accounting Review
6. 稳定与透明的权衡：宏观审慎政策与银行业不透明之谜
Balancing Stability and Transparency: Macroprudential Policies and Opacity Puzzle in Banking
方向关联主线对位：透明度——宏观审慎与信息披露的权衡，政策含义强。
摘要
本文研究宏观审慎政策调整对银行财务报告行为的非预期影响：用 84 个国家 1179 家上市银行 1990–2023 年数据发现，宏观审慎收紧与更大的报告不透明度相关，表现为贷款损失准备的相机抉择性计提增加，资本类与资产端工具尤为明显。两种机制可解释该模式：其一是资本管理动机（资本充足的银行更倾向通过准备计提管理资本比率）；其二是前瞻性信号动机（收紧期计提与未来盈余关联更紧，也可能反映银行对未来风险预期的变化）。结论揭示了宏观审慎调整的不透明维度：在追求金融稳定目标与维持透明风险披露之间存在张力。
主要贡献
- 首次系统记录“宏观审慎收紧→银行报告不透明”的非预期后果；
- 84 国大样本 + 双机制检验（资本管理 vs 前瞻信号）；
- 透明度主线的直接证据：稳定目标会侵蚀信息披露质量。
DOI: 10.1016/j.bar.2026.101980 →
2026-11A+Energy Economics
7. 泡沫检测新方法：非因果视角下的“绿色泡沫”
Bubble detection with application to green bubbles: A noncausal approach
方向关联方法论卖点：泡沫检测的新构造；绿色金融/可持续金融方向对位。
摘要
本文提出基于混合因果—非因果自回归过程及其在爆炸期尾过程表示的泡沫检测新方法。与传统把泡沫定义为非平稳、暂时爆炸过程不同，本文假设价格服从严格平稳过程，泡沫是其非线性动力学的内在成分。该方法给出泡沫指示器，可检测泡沫并度量其持续期，并用于研究可再生能源投资领域的“绿色泡沫”现象。
主要贡献
- 方法论卖点：把泡沫重定义为平稳非线性动力学的内在成分，而非外生爆炸；
- 给出可操作的泡沫指示器与持续期度量；
- 应用于绿色泡沫——新能源投资过热的识别工具。
DOI: 10.1016/j.eneco.2026.109600 →
2026-10A+Energy Economics
8. 用机器学习检测电力批发市场的合谋与容量扣留
Machine learning for detecting collusion and capacity withholding in wholesale electricity markets
方向关联机器学习与金融——集成学习做市场操纵检测，局部筛查的分而治之思想。
摘要
电力批发市场的合谋与容量扣留是重要的市场操纵手段。本文把改进的基于机器学习的卡特尔检测算法用于意大利电力市场两个卡特尔案例，并评估样本外表现：采用以平衡市场报价分布构造的统计筛查指标为预测变量的集成学习方法，并提出捕捉容量扣留行为的新筛查指标（来自日前现货市场而非平衡市场）。用全市场报价计算时，平衡市场筛查与新提的日前筛查几乎把所有交易时段正确分类为合谋或竞争，两者结合在完全卡特尔设定下平均表现最高；针对不完全卡特尔的子集计算同样稳健，正确分类率接近 100%。总体上，为监督学习检测、瓦解卡特尔提供了概念验证。
主要贡献
- 朴素筛查指标 + 集成学习，复杂度有回报：样本外正确分类率接近 100%；
- 新提“容量扣留”筛查指标，日前市场数据比平衡市场更有效；
- 方法可迁移：市场操纵检测同样适用于金融市场操纵识别。
DOI: 10.1016/j.eneco.2026.109557 →
2026-10A+Energy Economics
9. 零售可再生能源溢价的可解释机器学习分析
An explainable machine learning analysis of retail renewable premiums
方向关联方法口味：可解释 ML（SHAP）+ 精巧配对设计；“决策必须开箱”的范例。
摘要
估计零售商在可再生能源电力上的加价一直很难。美国 14 个州及多国实施“零售选择”，消费者可向售电商购买不同可再生能源比例的套餐。本文用俄亥俄州 2014–2023 年零售选择市场数据，开发算法把同一供应商同日的可再生/非可再生报价按几乎相同的合同细节配对（12 万+ 匹配合同），再用梯度提升 + SHAP 刻画可观测合同特征与批发市场条件如何影响可再生能源溢价：平均溢价 7.67%（0.642 美分/千瓦时）；期限越长、提前解约费越高，溢价越低；并发现稳健的“触发价格”证据——远期批发价低于 47.9 美元/兆瓦时时售电商通过更高边际价格获取溢价，高于触发价则转而操纵期限与解约费。对市场设计与环境政策有直接含义。
主要贡献
- 配对算法 + 梯度提升 + SHAP：预测可黑箱，解释必须开箱；
- 发现 47.9 美元/兆瓦时的触发价格——定价策略的结构性断点；
- 12 万合同的大样本实证，结论可折算成监管政策。
DOI: 10.1016/j.eneco.2026.109554 →
2026-10-07A+European Financial Management
10. 绿色贷款 vs 可持续贷款：对企业 ESG 表现的影响
Green Versus Sustainable Loans: The Impact on Firms' ESG Performance
方向关联创新与可持续金融——贷款合约设计如何塑造企业可持续行为，政策与产品含义直接。
摘要
本文比较企业发行“绿色贷款”（专款用于绿色项目）与“可持续贷款”（挂钩 ESG 指标）之后 ESG 表现的变化：发行绿色贷款的企业环境表现改善（尤其减排），但社会表现下降，呈现环境—社会目标的权衡；可持续贷款则带来更全面的 ESG 改善，提升环境与治理表现且无明显的社会下滑。总体上，贷款合约设计塑造企业可持续行为：绿色贷款产生有针对性的环境收益，可持续贷款促进更均衡全面的 ESG 改善。
主要贡献
- 首次区分“绿色贷款”与“可持续贷款”的差异化 ESG 后果；
- 发现环境—社会目标的权衡，结论可直接用于贷款合约设计；
- 可持续金融方向的因果证据。
DOI: 10.1111/eufm.70101 →