经济学、金融学、统计学顶刊最新论文，每日 10 篇：中文标题、摘要翻译与主要贡献，按研究方向（机器学习与金融 / 组合决策 / 金融科技与普惠 / 创新与可持续 / 信息·不确定性·价格主线）筛选。
按方法论卖点与经济价值挑出的本期重点。
本期最值得关注的三篇：Journal of Finance（A+++）的《持有美元资产的意外后果》——外国机构为满足外汇对冲保证金追缴而抛售本国国债，揭示了危机时期美元升值向外国国债收益率传导的新机制，资本流动与系统性风险双重对位；Journal of Portfolio Management（A+）的《基于特征状态相似性的因子择时》——用历史因子特征状态的相似性做非参数择时，样本外跑赢多类基准，方法论卖点与样本外经济价值兼备；Journal of Development Economics（A++）的《状告“利维坦”》——中国跨区域管辖改革使企业投资上升约 28.7%，司法独立的因果证据与中国制度情境直接对位。
每篇含中文标题、方向关联、摘要翻译与主要贡献，点击 DOI 查看原文。
Unintended Consequences of Holding Dollar Assets
方向关联信息、不确定性与价格主线：危机时期美元升值与保证金机制如何把冲击传导进国债价格；跨境资本流动与系统性风险，直接对位特刊地缘金融主题
我们提出并检验了一个新机制：外国机构持有美元资产会在危机时期对外国国债收益率产生巨大且意外的冲击。非美机构持有大量美元资产，并通过卖出美元远期来对冲美元敞口；危机时期美元对其他货币升值，为满足外汇对冲头寸的保证金追缴，这些传统上被动的机构被迫抛售本国安全资产以筹集现金。我们发现，在近期的新冠危机中，持有大量美元资产与外汇对冲头寸的英国机构抛售了大量英国国债，对当时观察到的国债收益率飙升有显著贡献。
Factor Timing with Characteristic-State Similarity
方向关联组合决策与市场动态：因子择时的新方法论卖点；样本外与经济价值是最终裁判——与他的方法论直觉直接契合
本研究展示了因子投资者如何利用过去因子特征状态的相似性来择时并在因子间配置资金。在每个时点，一条非参数规则识别出因子特征与当前相似的历史状态，并把随后实现的收益转化为因子配置权重。使用全面的美国股票因子数据，该规则在样本外优于静态、线性、情绪、宏观与因子动量基准。分解表明，收益来自最匹配的历史状态，其余样本贡献甚微。当同一规则改为以加总宏观状态为条件时反而表现更差，说明因子空间的特征结构本身携带了宏观条件所没有的择时信息。
Suing the leviathan: The effect of trans-regional jurisdiction reform on corporate investment
方向关联中国制度情境显式进入设定：司法改革、地方政府干预与企业投资；结论可折算为制度改革的经济价值
我们研究跨区域管辖改革（TRJ）如何影响企业投资。该改革把行政诉讼移交给被告政府属地之外的法院，限制了地方政府对法院的影响。我们采用基于改革在各城市交错推行的堆叠双重差分设计，发现改革使企业投资上升约样本均值的 28.7%。补充证据表明，改革改善了企业的诉讼结果，在改革前对地方机构信任度更高的地区效果更强，并与更低的制度交易成本与融资约束相关。改革对不可逆投资占比更高、国有股比例更低、融资渠道更好的企业影响更大；改革还促使企业购置更多土地并承担更多风险，尽管部分新增投资表现为过度投资。这些结果表明，一项聚焦的司法改革可以在法律制度薄弱的地方改变企业行为。
Is Informed Short Selling Concentrated in Family Firms? Evidence from a Reinvestigation
方向关联组合决策与市场动态：卖空作为信息进入价格的渠道；对经典结论的再检验，方法论上是“用更好数据复核”的范例
我们重新检验了 Anderson、Reeb 与 Zhao 的发现——知情卖空是家族企业独有的现象，且源于内部纠纷导致的信息泄露。使用同一公司样本与更全面的卖空数据，我们发现卖空能预测家族与非家族企业的未来收益；在负面盈余公告前，异常卖空在两类企业间也没有显著差异。在扩展样本期中，无论按所有权定义还是按家族关联定义，卖空对非家族企业收益的预测力依然存在。总体而言，我们的证据表明卖空者普遍是知情的，家族企业并非特别脆弱。
ACS: An interactive framework for conformal selection
方向关联方法论卖点：无模型选择＋严格误差控制，可迁移到金融中的变量选择与模型筛选；“人在回路中”与可解释性偏好契合
本文提出自适应共形选择（ACS），一个具有保证误差控制的无模型选择交互式框架。在共形选择（Jin 与 Candès，2023b）的基础上，ACS 将其推广到支持“人在回路中”的自适应数据分析。在 ACS 框架下，我们可以部分重用数据以提升选择功效、在探索数据的同时实时决策，并随时纳入新信息或偏好。ACS 的关键是一条精心设计的信息控制原则：它控制决策可用的信息，使数据分析师在自适应探索数据的同时仍严格控制错误发现率（FDR）。基于该框架，我们针对模型更新/选择、多样化选择、纳入新标注数据等目标给出了具体的选择算法。ACS 的有效性通过大量数值模拟与大语言模型部署、药物发现等真实数据应用得到验证。
Reinforcement Learning from Human Feedback: A Statistical Perspective
方向关联机器学习与金融：奖励模型与偏好学习的方法论可迁移到金融文本与投资者偏好建模；不确定性量化直接对位主线
人类反馈强化学习（RLHF）已成为使大语言模型与人类偏好对齐的核心框架。尽管实践上大获成功，RLHF 仍带来根本的统计问题：它依赖有噪声、主观且异质的反馈来学习奖励模型并优化策略。本综述从统计学视角梳理 RLHF，聚焦大模型对齐：介绍监督微调、奖励建模与策略优化等主要环节，并将其与 Bradley–Terry–Luce 模型、潜在效用估计、主动学习、实验设计与不确定性量化等经典统计概念相联系；综述从成对偏好数据中学习奖励函数的方法，以及两阶段 RLHF 流程与直接偏好优化等新兴单阶段方法的策略优化；进一步讨论 AI 反馈强化学习、推理时算法、可验证奖励强化学习等扩展，以及基准数据集、评估协议与开源框架；最后指出 RLHF 面临的开放挑战。
Conditioning Factor Exposure on Economic Regimes: Evidence from Momentum Investing
方向关联组合决策与市场动态：因子收益的状态依赖性与择时；样本外经济价值明确，夏普比率提升可直接折算
本文提出一个基于状态的动态因子配置框架，并以美国大盘股动量投资为例加以说明。因子投资的核心难题是因子收益高度依赖状态：动量等因子之所以近年对市场基准的超额收益有限，正是因为其盈利是间歇而非持续的。作者构建了一个“门控”因子策略：用滞后的宏观、情绪与政策不确定性指标识别市场状态，只在有利状态下持有动量赢家组合，其余时间配置市场基准；机器学习分类器作为识别状态的灵活工具，而非主要贡献。该门控策略在样本外大幅改善风险调整收益并降低回撤，年化夏普比率达 1.56，远高于市场基准的 0.96。
Domain Knowledge and Human-AI Collaboration: Extracting Accounting Information from Contracts
方向关联机器学习与金融＋信息主线：生成式 AI 进入会计信息生产；“决策必须开箱”——人类核查回路正是可解释性的制度安排
合同决定企业如何投资、借款与确认收入，但其篇幅、专业术语与嵌套交叉引用使大样本提取缓慢且易错。我们检验生成式 AI（GenAI）能否缓解这一任务，以及会计人员的专业知识扮演什么角色。以 Becker 与 Murphy（1992）的专业化理论框定分工，我们开发了一个迭代的“人在回路中”提示工程工作流：模型解读合同条款，人类核查者纠正其输出。在债务、租赁与销售三类合同的九种变体中，核查回路的有无与核查者的会计专长各不相同。准确率随专长深度与核查强度上升，且二者互补；非会计人员的核查回路反而使准确率低于无回路基线，而会计人员以更低成本达到更高准确率并能发现模型失误。对配置合同分析人员而言，稀缺投入是深厚的人类领域知识，而不仅是 GenAI 的使用权。
The Perils of Overreaction
方向关联信息、不确定性与价格主线：信念更新偏差如何被利用；直接关乎投资者过度反应与市场定价
为研究更新规则，我们考虑一个恶意委托人筛选非完全贝叶斯代理人的问题。我们发现了反应不足与过度反应之间的根本二分法：如果在某个信号实现下，代理人的更新规则产生的后验落在信号结构所诱导的贝叶斯后验的凸包之外，她可能被委托人无限制地剥削——其事前期望损失可以任意大。相反，反应不足的代理人——其每个信号实现后的后验都介于先验与对应贝叶斯后验之间——则完全不会被剥削。
Explainable Machine Learning for Risk-Driven Forecasting of Global Food Commodity Prices: Geopolitical, Logistic, and Energy Drivers
方向关联机器学习与金融＋可持续金融：可解释机器学习是他明确的价值排序；地缘政治不确定性进入价格预测，与特刊主题相关
地缘政治紧张加剧、供应链中断与能源市场波动加剧了全球食品价格的不稳定性，对粮食安全构成严重风险。为应对这一挑战，本研究提出一个可解释的预测框架，整合历史价格动态与外部驱动因素，应用于橄榄油、鸡蛋、鸡肉、牛肉与面包五种基本食品，样本期 1990–2023 年。分析考察了物流效率、能源成本与地缘政治不确定性如何通过复杂的非线性关系影响食品价格。超越传统模型，所提出的带外生输入的非线性自回归神经网络（NARX）在捕捉这些动态的同时保持可解释性：通过与基线自回归模型的消融式比较，系统评估不同外生输入面板的预测贡献。结果表明，外生面板的预测相关性因商品与评估指标而异，凸显了透明、多维分析对改善食品价格预测与理解价格动态的价值。
每日一期，期刊分组轮换，一周覆盖全部 369 家刊物。