透明度与市场效率——基于信息不对称的适应性学习研究

通过拓展Pouget模型,考察了当所有投资者采用适应性学习(有限理性)规则更新信念时,订单信息的透明度增加如何影响市场的价格发现效率和福利配置效率.结果表明,透明度增加后,市场效率大幅降低,价格发现和福利配置都难以收敛到理性预期均衡.进一步剖析投资者的策略选择可以发现,透明度增加后,拥有信息优势的知情者倾向于提交对自己更加有利的订单,而放弃均衡的交易策略;非知情者为了规避由此带来的逆向选择风险,也会放弃均衡策略而倾向于提交更加保守的订单,最终导致市场效率大幅下降.     

Approximate versus Exact Equilibria in Dynamic Economies

This paper develops theoretical foundations for an error analysis of approximate equilibria in dynamic stochastic general equilibrium models with heterogeneous agents and incomplete financial markets. While there are several algorithms that compute prices and allocations for which agents' first‐order conditions are approximately satisfied (“approximate equilibria”), there are few results on how to interpret the errors in these candidate solutions and how to relate the computed allocations and prices to exact equilibrium allocations and prices. We give a simple example to illustrate that approximate equilibria might be very far from exact equilibria. We then interpret approximate equilibria as equilibria for close‐by economies; that is, for economies with close‐by individual endowments and preferences. We present an error analysis for two models that are commonly used in applications, an overlapping generations (OLG) model with stochastic production and an asset pricing model with infinitely lived agents. We provide sufficient conditions that ensure that approximate equilibria are close to exact equilibria of close‐by economies. Numerical examples illustrate the analysis.     

消费者异质需求下企业环境创新行为演化模拟与分析

企业环境创新对于从根本上解决环境问题,实现可持续发展具有重要意义。随着环境问题的日益严峻,消费者对产品环境属性的异质偏好有可能成为企业环境创新的重要驱动力。本文基于消费者异质需求视角,运用计算实验方法,构建具有不同创新态度、创新偏好和可支配资金的异质企业主体,以及对产品价格、质量、环境属性具有不同偏好的异质消费者主体,模拟消费者产品选择及企业环境创新过程,并通过个体消费者异质需求的变化反映市场需求的动态演化及其对企业环境创新行为的影响,探索绿色需求对企业环境创新行为影响的内在机理及演化规律。实验结果表明,消费者对产品属性的异质偏好影响企业环境创新绩效;虽然短期内环境创新行为不利于企业提高经济绩效,但当绿色需求水平较高时,环境创新引起市场结构变化,环境创新企业通过先动优势实现环境绩效与经济绩效的"双赢";由于企业环境创新风险与绿色需求水平显著相关,为推动企业环境创新,政府在采取必要的激励或补贴政策的同时,更应引导消费者重视产品环境属性,以推动企业持续的环境创新行为。以上研究对于揭示异质需求下企业环境创新行为的自组织演化规律具有重要的理论意义,可为政府系列政策措施的出台提供科学依据。     

计算社会科学发展演变及学科框架与学科结构

数据驱动为计算社会科学在社会科学研究的兴起与发展提供了极大施展空间，提升了社会科学研究的深度与广度，有效契合科学研究的复杂性需求。探究计算社会科学发展演变、学科框架与学科结构的界定对于计算社会科学的发展具有重要意义。本文通过收集、整理计算社会科学领域国内外文献，厘清计算社会科学的概念，进而梳理计算社会科学的学科演进趋势、研究范式、研究方法及研究应用；并从数字人文的学科结构入手，分析教育部学科门类分类体系，在此基础上对计算社会科学的学科界定、学科结构进行研究，进一步分析其与方法、技术类学科的关系，进而从学科角度思考计算社会科学的学科框架与学科结构。研究结论：第一，计算社会科学国外论文数量领先于国内论文数量，我国计算社会科学研究尚处于起步阶段。第二，计算社会科学国内外研究侧重点不同。国内计算社会科学研究聚焦于人工智能、复杂系统、传播理论等新兴主题，更加重视数据驱动过程中数据质量的分析，强调通过建模仿真、社会网络分析、数据挖掘等方法论的使用。而国外计算社会科学以数据科学为核心，聚焦于社交媒体、社会网络与复杂系统，强调通过社会网络分析、基于Agent建模、机器学习、自然语言处理等方法使用。第三...