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：Journal of Finance 的《生成式AI与企业价值》——首个企业劳动力生成式AI暴露测度，ChatGPT 发布后两周“人工–人类”组合赚 5%，数据资产越厚效应越强，替代/互补机制判定可直接迁移到文本–专利研究；同刊《困境竞争的反馈与传染》把策略性竞争写进动态违约模型，传染效应使企业最优杠杆“从行业整体看过高”，是系统性风险主线的新微观机制；JASA 的偏 Gini 协方差给出重尾高维回归的稳健推断新框架，无需矩约束与密度估计——金融收益率重尾场景可直接用。
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。
Generative AI and Firm Values
方向关联机器学习与金融；方法论卖点=首个劳动力生成式AI暴露测度（新测度）；事件收益可折算（两周 5%）；数据资产/劳动力数据家底
本文研究生成式AI的最新进展如何影响企业价值：构建了首个衡量企业劳动力对生成式AI暴露程度的指标，发现 ChatGPT 发布后两周内，“人工（AI）–人类”多空组合获得 5% 的收益；劳动力暴露效应在数据资产更丰富的企业中更显著，且与企业产品端 AI 暴露的效应相互独立。通过考察被暴露任务是核心任务还是辅助任务，判断暴露劳动力是被生成式AI替代还是互补；对 ChatGPT 发布后企业劳动力需求与盈利能力的考察支持“劳动–技术替代”渠道。
Feedback and Contagion through Distressed Competition
方向关联主线=系统性风险/传染；方法论卖点=策略竞争嵌入动态违约模型（新构造）；结论有政策含义（行业金融稳定）
企业在陷入财务困境时往往竞争更激进；加剧的竞争压缩利润率，使其进一步陷入困境，并波及同行业对手。为研究这种反馈与传染效应，本文把策略性竞争纳入含长期可违约债务的动态模型，考察掠夺、价格战等多种同业互动。反馈效应构成与杠杆相关的新型财务困境成本来源，有助于解释跨行业的“盈利能力–杠杆”负相关；由于传染效应，从行业整体看企业最优杠杆常常过高，损害行业金融稳定。
Flow‐Driven ESG Returns
方向关联创新与可持续金融；方法论卖点=替代弹性估计+价格冲击分解（新测度）；结论折算成收益（年化 1.9% 流驱动收益）
本文证明近年 ESG 投资的收益很大程度上由流向 ESG 组合的资金的价格冲击驱动：利用交易数据估计市场吸纳 ESG 资金流的能力——即 ESG 股票与其他股票的替代弹性；每 1 美元流入代表性 ESG 组合，ESG 股票市值增加 0.8 美元。流向 ESG 组合的机构资金持续增长是 ESG 收益的主要驱动力，年化带来 1.9% 的流驱动收益；若无资金流，2012–2023 年间 ESG 股票并不会跑赢市场。
A Transfer Learning Framework for Multilayer Networks via Model Averaging
方向关联主线=网络信息优势；方法论卖点=双层模型平均迁移框架（新算法）；分而治之直觉（层内/层间局部建模+集成）；隐私约束下的数据融合
多层网络中的链接预测是推荐系统、蛋白质互作预测等应用的关键挑战；现有方法多依赖共享结构假设且需获取原始辅助数据，实用性受限。本文提出基于双层模型平均的多层网络迁移学习新框架：用基于边的 K 折交叉验证准则自动为层间/层内候选模型加权；在不知共享结构先验时仍能从辅助层迁移信息并缓解模型不确定性。理论上在温和条件下证明了最优性与权重收敛；计算上支持跨服务器并行、无需传输原始数据，适用于数据共享受限场景。模拟显示预测精度与稳健性优于现有方法，并在两个真实推荐系统应用中验证实用价值。
Partial Gini Covariance-based Robust Inference for High-dimensional Linear Models with Heavy-tailed Errors
方向关联方法论卖点=偏 Gini 协方差新测度（新测度）；重尾场景直指金融收益率；无需矩约束对位“复杂度必须有回报”
（官方摘要暂未开放；以下译自作者 arXiv 工作论文版 arXiv:2411.12578 摘要）本文提出偏 Gini 协方差——一种新的相依性测度，用于解决重尾误差下高维推断难题（金融、保险、气候等领域常见）。传统高维回归推断方法在重尾下 I 类错误失真、功效下降；新方法基于偏 Gini 协方差构建稳健推断框架，几乎无需调参，且不对误差分布施加严格矩约束；与传统方法不同，它绕开了随机误差密度估计，提升了计算可行性与稳健性。大量模拟显示其功效与稳健性优于基于去偏 Lasso 的标准方法；渐近相对效率分析给出重尾下效率改进的理论解释；偏 Gini 协方差还可推广到多变量情形，对一组系数做卡方检验；并用真实数据例证其应用。
Adaptive Importance Sampling Estimation of an Open Economy Model With Fiscal Policy
方向关联方法论卖点=MitISEM 自适应估计新算法；美国贸易壁垒反事实对位“地缘经济碎片化”特刊主题；解开国际传导之谜
本文提出并估计了一个包含加美国际贸易的开放经济一般均衡模型，采用基于学生 t 混合的重要性抽样加权 EM（MitISEM）的新自适应估计方法。对加拿大经济的估计发现：生产性支出增加最初恶化贸易差额，而非生产性支出通过压缩私人需求带来更持久的改善；两类政府支出冲击后本国实际汇率均即时升值，但生产性支出冲击的反应更陡峭、持续更短。结构框架揭示了美国对加拿大的高度不对称溢出，成功解开了 Justiniano–Preston 提出的国际传导之谜；反事实练习考察了贸易弹性假设与美国大幅提高贸易壁垒的政策实验。
Quantifying informational illiquidity in corporate bond markets
方向关联主线=信息/透明度；方法论卖点=含信息揭示的结构信用风险模型（新构造）；结论折算成流动性成本（10.8%–37.7%）
本文构建结构化信用风险模型，量化信息不对称对公司债定价的影响：模型中债券持有人或为满足流动性需求、或为利用信息优势而卖出，并可付出成本向买方“可信地揭示”真实交易动机。模型在不同违约风险水平下生成了利差–换手率关系在质上不同的模式，从而能更灵活地拟合观测到的横截面关系。校准显示，信息不对称占投资级债券整体流动性成本的 10.8%–20.5%、投机级的 30.1%–37.7%；模型还给出债券市场流动性的新政策含义。
The financial uncertainty of climate-related assets: A factor stochastic volatility approach
方向关联主线=不确定性×价格；方法论卖点=因子随机波动率提取共同不确定性因子（新测度）；可持续金融
本文测度气候相关资产的共同金融不确定性，并研究其与绿色/棕色企业市场波动的关系：用因子随机波动率模型先构建气候转型相关资产的加总不确定性计量，再分解总不确定性提取“不确定性因子”——即反映跨资产类别共同不确定性冲击的成分；考察这些因子与股票期权隐含波动率的实证关系。一个因子稳健地预测棕色股票相对绿色股票的超额波动，尤其对较长期限期权；进一步分析表明该因子捕捉了气候与能源转型的金融不确定性维度。
Commercial paper market development and corporate maturity mismatch: evidence from China
方向关联金融科技与普惠金融（市场基础设施）；加分项=中国制度情境（票交所准自然实验）显式进入设定；结论折算成企业绩效
本文利用上海票据交易所（票交所）的设立作为准自然实验，研究票据市场发展对企业期限错配的影响：用基于企业票交所设立前票据持有量的广义双重差分设计，考察 2011–2021 年中国 A 股上市公司，发现票据市场发展显著降低企业期限错配。机制分析表明，票交所提升了票据流动性与承兑度，增加了企业内部投资资金；同时通过改善企业长期信贷可得性、降低对短期债融资投资的依赖，对银行信贷产生溢出效应。缓解效应在融资约束高、增长快、研发密集、竞争激烈及金融欠发达地区企业中更显著；在高度国际化企业中则明显减弱；票据市场发展还提升了企业生产效率、降低经营风险。
End-to-end portfolio selection: Leveraging deep learning in Smart Predict then Optimize
方向关联组合决策与市场动态 + 机器学习与金融；方法论卖点=预测–优化端到端联合训练；样本外与经济价值是最终裁判
（官方摘要暂未开放；以下据标题与 Smart Predict-then-Optimize（SPO）范式概括）本文把深度学习引入“智能预测–优化”（SPO）范式做组合选择：不再先预测收益再做均值–方差优化的两阶段流程，而是把预测模型与组合优化器端到端联合训练，以决策遗憾（decision regret）而非预测误差为训练目标，缓解经典两阶段中“误差最大化”问题。
每日一期，期刊分组轮换，一周覆盖全部 369 家刊物。