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 Financial and Quantitative Analysis（A++）的《经济基本面与短期汇率预测：机器学习视角》——基本面与外汇波动率的交互破解短期汇率预测难题，样本外预测带来可观经济价值；Financial Review（A+）的《语义漂移与中国股票横截面收益》——用预训练大语言模型度量300万篇新闻的语义漂移，低减高组合月超额收益高达1.39%；Journal of Financial and Quantitative Analysis（A++）的《逆周期风险厌恶：来自1000万份中国车险交易的证据》——个体层面微观证据证实风险厌恶时变且逆周期。
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。
Economic Fundamentals and Short-Run Exchange Rate Prediction: A Machine-Learning Perspective
方向关联机器学习与金融 + 信息、不确定性与价格主线：用机器学习处理高维国家特征与全球状态变量的交互，破解短期汇率预测难题，样本外预测具经济价值
汇率预测难题在于基本面难以在样本外预测短期汇率变动。本文证明基本面确实重要，但其作用随全球金融状况而变化。利用丰富的国家特征与全球状态变量的交互项并借助机器学习处理高维数据，本文发现国家特征与外汇市场波动率的交互尤为关键——这与金融压力时期“回归基本面”的逻辑一致。预测在样本外带来可观的经济价值，并为套息交易提供了新认识。
Semantic Shift and the Cross-Section of Stock Returns in China
方向关联机器学习与金融 + 中国制度情境：用预训练大语言模型度量300万篇新闻中的语义漂移，构造可交易因子，月超额收益高达1.39%
本文研究语言不稳定性（“语义漂移”）对预期股票横截面收益的解释力。基于2010—2024年500多家媒体的300万篇新闻，借助中国预训练大语言模型为每家公司构建月度语义漂移测度。实证发现，低语义漂移组合相对高语义漂移组合的收益差稳健显著，控制常见风险因子后月超额收益高达1.39%。本文进一步构建语义漂移因子及可交易模拟组合，结果一致；且对语义漂移组合收益负向冲击的暴露，其定价高于正向冲击。研究表明，媒体叙事动态是超越传统基本面的资产定价关键维度。
Countercyclical Risk Aversion: Evidence from 10 Million Auto Insurance Transactions in China
方向关联组合决策与市场动态 + 中国制度情境：1000万份车险合同个体层面估计风险厌恶，验证其时变与逆周期性，连接保险、彩票与股票交易行为
风险厌恶是否时变且逆周期，是现代资产定价的核心问题，但既有证据多基于实验、调查或加总股市数据，个体层面证据有限。本文利用2011—2017年1000万份中国汽车保险合同，从投保人的免赔额选择中估计其风险厌恶，发现风险厌恶随时间变化且呈逆周期特征。估计值与彩票和股票交易负相关，与保险购买和债券交易正相关，并随季节情绪、本命年等心理因素而变化。
Green finance, energy transition and employment stability across career stages: Evidence from China's green credit policy and a heterogeneous-agent model
方向关联创新与可持续金融 + 中国制度情境：2012年绿色信贷指引准自然实验结合异质性主体新凯恩斯模型，不利就业效应集中于晚职业阶段工人，失业保险与终身培训对症
本文研究绿色金融如何通过能源部门调整影响就业稳定。结合2012年中国绿色信贷指引、企业层面税务调查数据、中国家庭追踪调查（CFPS）数据与职业阶段异质性的异质性主体新凯恩斯模型：政策降低了受影响企业对棕色能源投入的依赖并压缩短期劳动力需求；CFPS分析表明，不利就业效应集中于生产与运输职业的晚职业阶段工人。模型中，晚职业阶段的脆弱性源于技能错配与行业专用人力资本，早期职业工人则主要经历暂时摩擦性失业。失业保险可平滑流动性约束、降低转型期就业波动；终身职业技能培训更能降低晚职业阶段的结构性失业；财政就业支持可短期提振劳动力需求，但若棕色能源部门吸纳新增需求，可能延缓绿色转型。研究建议绿色金融配套针对性失业保险、分职业阶段再培训与环境导向的就业支持。
U.S. Banks' Exposures to Climate Transition Risks
方向关联信息、不确定性与价格主线 + 系统性风险：结合一般均衡模型气候政策行业效应与贷款历史违约信息，构造银行转型风险敞口新测度，排放仅能解释至多60%的变异
本文提出估计银行信贷转型风险敞口的新方法，结合一般均衡模型中气候政策的行业效应与贷款历史违约信息。最坏情形下，估计敞口可达银行贷款组合价值的14%；考虑历史贷款偿还结构后，敞口降至0.5%—2%。加总经济冲击可使敞口上升3—5个百分点。围绕气候转型事件的分析表明，该估计可作为银行转型风险敞口的上界。值得注意的是，排放量至多解释银行敞口变异的60%，凸显该测度的增量信息。
Fintech lending platforms and labor market outcomes: Evidence from small-business loans
方向关联金融科技与普惠金融：Lending Club小企业贷款准自然实验，揭示金融科技信贷的实体经济成本——债务陷阱与策略性债务重组
本文研究金融科技借贷平台如何影响小企业的本地劳动力市场结果。利用2008—2020年Lending Club小企业贷款的县级数据，发现平台放贷增加与小企业就业创造减少、就业下降和工资受压相关。利用Lending Club在各州分批获批监管许可作为准自然实验，采用堆叠双重差分与熵平衡设计，结果表明，扩大平台信贷导致小企业劳动力市场结果显著恶化。机制检验表明，不利影响并非源于借款人风险选择，而是债务陷阱（借款人背负难以偿还的平台债务）与策略性债务重组（用无抵押平台贷款置换既有企业债务而非用于生产性投资）。结果对Prosper获批与本地房价控制稳健，集中于散户主导时期，并在独资企业密度较低的县持续存在。研究揭示了金融科技借贷平台的实体经济成本。
Time-varying explainable AI for cyber risk management in the financial sector: a Markov switching approach
方向关联机器学习与金融 + 方法论卖点：区制转换计量与可解释机器学习结合，Shapley值实现分状态解释，2023年初出现高严重度活动持续性增强的区制转换
金融机构对数字基础设施的依赖日益加深，面临动态变化的网络风险；监管审查与资本充足要求强化了对既自适应又可解释模型的需求。本文提出混合框架，将区制转换计量经济学与可解释机器学习结合，对金融部门网络攻击严重程度建模。利用覆盖银行、保险与金融科技公司的全球网络事件精选样本，估计含自回归成分的两区制马尔可夫转换模型，识别月度事件强度的潜在区制动态；平滑区制概率进而调节事件层面的分类模型，使预测关系随结构阶段变化；Shapley值分析实现对严重程度驱动因素的分状态解释。实证发现2023年初出现区制转换，高严重度活动持续性增强，技术与行为人相关预测因子的权重发生重配。研究表明，计量区制检测与可解释机器学习的结合为受监管金融环境中的网络风险建模提供了连贯且对区制敏感的框架。
Shell resource depletion and real earnings management in listed companies: Evidence from China
方向关联中国制度情境：壳价值作为市场化治理机制，创业板不允许借壳政策准自然实验，壳资源枯竭显著加剧真实盈余管理
有价值的壳资源可能通过激励企业维护壳价值而发挥市场化治理机制作用，进而影响公司决策。本文检验壳资源是否及如何影响真实盈余管理。利用2009—2018年中国A股上市公司与“创业板不允许借壳”政策实施作为准自然实验，采用双重差分方法，发现壳资源枯竭显著加剧创业板企业的真实盈余管理，结果在一系列稳健性检验中保持稳健。机制分析表明，壳资源枯竭通过降低企业信息披露质量加剧真实盈余管理；效应在内部控制较弱与行业竞争更激烈的企业中更明显。研究揭示了壳资源的治理后果，加深了对资本市场制度如何影响企业行为的理解。
Hardware and software: A new perspective on the past and future of economic growth
方向关联创新与可持续金融 + AI主线：区分能源（硬件）与信息（软件）投入的增长框架，可分析全面自动化与变革性AI情景
本文构建“硬件—软件”框架分析生产、技术变革与经济增长。基于第一性原理，区分由硬件（人类体力劳动、物质资本与计算基础设施）供给的能源投入与由软件（人类认知工作与数字技术，包括人工智能）供给的信息投入；硬件与软件是生产中必需且互补的投入。该框架推广了新古典生产模型，纳入资本—技能互补与技能偏向型技术变革，并拓展了若干统一增长框架。利用1968—2019年美国数据，本文记录了硬件内部物质资本占比上升（反映机械化）与软件内部数字软件占比上升（反映自动化）；软件增长系统性快于硬件；人力资本与数字软件是经济增长的关键贡献者。该框架还可分析包括变革性AI驱动的全面自动化与潜在加速增长在内的替代增长情景。研究推进了增长理论，并为快速发展的AI能力的经济影响政策讨论提供依据。
A new Neyman-orthogonal estimator for the coefficients of interest in a high-dimensional ordinal logit model
方向关联方法论卖点：双重机器学习（交叉拟合Neyman正交估计）+有序logit lasso新选择算法，稳健于协变量选择
本文为需要协变量选择的稀疏高维有序logit模型推导目标系数的两种新估计量；新估计量对协变量选择具有稳健性，称为Neyman正交估计量，其中一种为另一者的交叉拟合版本（即双重机器学习估计量）。本文进一步建立Neyman正交估计量与堆叠矩条件估计量的关系，该结果本身具有独立意义，并便于构造其他Neyman正交估计量；还提出结合迭代确定独立筛选与有序logit lasso的协变量新选择算法，并推导有序logit lasso最优调参的新估计量。模拟表明，新Neyman正交估计量在朴素选择后估计量失效时仍表现良好；应用于含众多学生与班级特征的管理数据发现，课外辅导提高学生获得最高成绩的概率并降低不及格概率。
每日一期，期刊分组轮换，一周覆盖全部 369 家刊物。