不出意外! 美国金融学会把24年杰出论文奖颁发给了AI领域, 也是国人25年来首次获奖！

美国金融学会两大奖项

Brattle集团公司金融奖

Brattle集团的公司金融奖每年颁发一次，旨在表彰在公司金融领域做出杰出贡献的论文。获奖论文由Journal of Finance的副主编选出。每年有资格参评的论文包括当年发表的前五期以及上一年12月期的所有论文。奖项将在美国金融协会（AFA）年会上由Brattle集团的代表颁发。一等奖的奖金为25,000美元，另外两篇杰出论文将分别获得10,000美元奖金。

Brattle集团奖项由Journal of Finance的主编负责管理，并与Dimensional Fund Advisors奖项的评选过程同步进行。副主编将分别投票选出三篇最佳的公司金融论文（Brattle集团奖项）和三篇最佳的其他领域论文（Dimensional Fund Advisors奖项）。在各自类别中得票数最多的论文将获得相应奖项；但同一论文不能同时在两个类别中获奖。如果一篇论文在Brattle集团奖和Dimensional Fund Advisors奖两个类别中都获得选票，主编可以要求进行第二轮投票，并由他或她将该论文分配到一个类别中.

Dimensional Fund Advisors奖

Dimensional Fund Advisors奖每年颁发一次，旨在表彰Journal of Finance上除公司金融以外领域的三篇最佳论文。获奖论文由Journal of Finance的副主编选出。每年有资格参评的论文包括当年发表的前五期及上一年12月期的所有论文。该奖项由Dimensional Fund Advisors慷慨资助。Journal of Finance中最佳论文的Dimensional Fund Advisors奖奖金为25,000美元，另外两篇杰出论文将分别获得10,000美元奖金。

简要介绍：

初创企业和创业对创新、就业和经济增长具有重要意义。本文探讨了哪些因素能够推动AI初创企业的发展，并帮助它们获得风险投资（VC）的资金支持。AI初创企业尤为重要，因为它们的增长速度非常快，并且具有强大的创新潜力。根据《AI指数2022年年度报告》，2021年全球AI初创企业的投资达到了935亿美元，创下了新纪录，是2020年投资额的两倍多。因此，AI已经成为最具前景和颠覆性的通用技术之一，具有改变我们生活的方方面面并促进经济增长的潜力。不出所料，世界上最大的公司和国家都在争夺AI领域的领导地位。2016年，Google的首席执行官Sundar Pichai表示：“在未来10年，我们将进入一个以AI为优先的世界。”2019年2月，白宫发布了一项行政命令，标题为“保持美国在AI领域的领导地位”。世界经济论坛也观察到，在短短时间内，AI已经成为“第四次工业革命的关键驱动力”。本文研究的是处于这一革命前沿的初创企业.

本文的主要贡献在于揭示了AI教授离开学术界时，受此影响的大学中，学生创办的AI初创企业数量减少，且这些初创企业筹集到的早期资金也减少。从2004年到2018年，共有211名AI教师部分或完全离职，其中149名AI教授进入工业界，另外62名教授创办了AI初创企业。本文发现，在[t−6,t−4]时期，AI终身教授的流失度每增加一个标准差，受人才流失影响的大学中毕业的AI创业者数量平均下降近5%。而在[t−3,t−1]时期或非终身教授离职时，未表现出显著影响。本文记录到的负面影响在硕士或博士学位学生、深度学习教授或来自北美前10名计算机科学（CS）学院的教授离职时更加显著。

本文探讨了几种可能的解释。主要机制是，教授的离职减少了未来创业者在大学获得的AI知识。创业者是否需要具备AI专业知识才能成功创办AI初创企业并筹集资金，这仍是一个有待探讨的问题。如果AI创业者是多面手，在多个管理领域具备能力，并且能够筹集资金并雇佣具有深厚AI知识的员工，那么AI教授人才流失就不会对受影响的大学中学生创办的AI初创企业数量产生影响。此外，鉴于开源AI软件、研究和代码库、在线课程以及AI社区的普及，创业者在AI领域的高等教育是否对AI初创企业的成功至关重要，这仍是一个尚未解决的实证问题.

本文发现的证据表明，具备专业知识的高等教育有助于学生创办AI初创企业并吸引风险投资。首先，本文指出，AI教授人才流失对初创企业的负面影响主要源于教授在学生入学前的离职。当教授在学生入学后离职时，可能会发生一些知识转移，因此影响相对较小。其次，本文发现AI教授流失的负面影响在终身教授、顶级大学教授以及深度学习领域教授的流失群体中尤为显著（即，这些群体从学术界转向工业界对其所在大学的学生产生的负面影响更大）。终身教授，特别是那些来自顶尖计算机科学学院的教授，是拥有丰富知识的明星教授，学生可以利用这些知识来创办初创企业。而非终身教授可能因为没有获得终身教职而离开学术界，而且他们通常较少指导博士生。深度学习是机器学习中的新兴领域，推动了许多近期的创新。深度学习是机器学习中的一个新兴领域，推动了许多近期的创新。深度学习教授离职对初创企业的影响尤为显著，这表明AI教授在这一先进领域中提供的知识非常重要。此外，本文发现博士或硕士学位的学生受AI人才流失的影响最大，这表明AI的高级知识对创业成功至关重要.

本文发现，当终身AI教授在[t−6,t−4]时期离开学术界时，受此影响的大学的学生在毕业后的AI初创企业筹集的早期资金较少。具体地，AI终身教授的流失度在[t−6,t−4]时期增加一个标准差，平均而言，与样本均值相比，(受此影响的大学的学生在毕业后的AI初创企业筹集的早期资金) 早期资金总额下降了20%，即减少了166万美元。而更近期的教授离职（即在创业者毕业前一至三年）或非终身教授的离职对资金筹集没有显著影响。本文的结果表明，创业者的专业知识对资金获取起着重要作用。本文样本中的AI创业者平均在毕业后两年多创办新AI初创企业，并在一年后获得第一轮外部资金。这个时间框架表明，教授离职与学生初创企业获得资金之间存在显著的时间差。AI教授人才流失对资金的长期影响可以通过教授向学生知识转移的减少以及专业学术知识对风险投资资金的重要性来解释。

本文探讨了几个可能的原因，以分析AI教授离开学术界对受影响大学中学生创业公司产生负面影响的原因。第一个解释是，当看到AI教授转向行业工作后，最优秀的学生可能会选择去其他大学就读。为了衡量新生的质量，本文特别关注博士生，因为他们与教授的互动更为频繁，因此比本科生和硕士生更可能受到教授人才外流的影响。本文采用一个代理变量来衡量博士生的质量，即每年进入某大学博士项目并获得著名AI奖学金的学生人数，且这些学生在入学两年内获得奖学金。然而，本文并未发现AI人才外流会影响大学吸引优秀博士生的能力。

另一种解释是，离职转行的教授，尤其是同一城市的教授，可能拥有一些风险投资（VC）关系网络，能够为学生带来帮助。教授离职后，学生失去了这些人脉。然而，本文并未发现AI人才外流对与大学同一城市的创业公司产生更大的影响.

另一种可能的解释是，学生可能会跟随教授进入工业行业工作，从而产生负面影响。教授可能会带走他们最优秀的学生，去他们加入的公司或创办的初创公司。然而，许多研究结果表明这种解释的可能性较小。首先，本文发现教授在学生毕业前四到六年离职的影响较大，而在毕业前一到三年离职的影响则不显著。这些结果表明，教授更可能雇佣那些在他们离开大学后才入学的学生，而不是他们曾教授或合作过研究的学生。离职教授雇佣学生的时间可能存在四到六年的滞后，因为教授可能需要时间升迁到管理职位或为他们的初创公司筹集资金。升迁效应在顶级AI教授被大公司聘为AI实验室负责人时应较小。然而，本文发现AI人才外流（尤其是顶级大学的终身教授的外流）所产生的负面影响更为显著。最优秀的学生也可能被创办自己初创公司的教授聘用。然而，与这一解释不一致的是，本文发现教授创办的初创公司在学生毕业前后筹集到的资金多少，并不会影响学生自己去创办AI创业公司的意愿.

接下来，本文探讨了一些不可观测的冲击因素，它们可能解释了本文的研究结果。首先，本文排除了由时间变化的城市层面冲击引起的因素，因为研究发现87%的AI创业者选择在与其大学所在地不同的城市创办AI初创公司。此外，本文还发现，这些非本地AI创业者受到AI教授人才外流的影响比那些在与大学处于同一城市创办公司的创业者更大。因此，城市层面的冲击不太可能是导致本文结果的原因。其次，本文排除了由时间变化的大学特定冲击因素，因为研究没有发现AI教授人才外流会影响信息技术（IT）领域非AI初创公司的新创立或早期融资。这一发现也表明，AI教授人才外流对AI创业公司的负面影响不太可能是由未来的AI创业者转向其他IT领域所引起的。

本文还探讨了另一种可能性：一些不可观测的时间变化因素，如需求的变化，可能导致AI人才流失，进而使得企业更愿意招聘同一所大学的毕业生。比如，AI教授人才流失可能提高大学在行业中的知名度，从而增加企业对该校毕业生的需求。在这种情况下，受教授流失影响的大学的学生在创办初创公司时可能会面临更高的机会成本，导致创业公司数量减少。然而，这一渠道无法解释为什么AI人才流失对顶级大学中学生创办初创公司的负面影响更为显著，因为这些大学的知名度本不应成为一个大问题。此外，也不清楚为什么企业需要一到三年的时间才能发现某个大学的AI人才，而且他们至少需要四到六年的时间才能完全解决对这些人才信息的不了解问题。

该论文，有需要的学者可以自行前往JF下载，群友可直接在社群下载参看论文PDF。

关于因果推断书籍，参看：1.一本最新因果推断书籍, 包括了机器学习因果推断方法, 学习主流和前沿方法，2.社会经济政策的评估计量经济学, 提供书籍和数据和程序文件，3.诺奖得主Angrist的因果推断课程文献读物单子再次更新了, 还提供了其他三门课程，4.全面且前沿的因果推断课程, 提供视频, 课件, 书籍和经典文献，5.从网页上直接复制代码的因果推断书籍出现了, 学会主流方法成效极快，6.推荐书籍"用R软件做应用因果分析", 有需要的学者可以自行下载！7.哪本因果推断书籍最好？我们给你整理好了这个书单！8.“不一样”的因果推断书籍, 很多观点让我们能恍然大悟, 涵盖了不少其他书里没有的因果推断方法！9.搞懂因果推断中内生性问题解决方法必读的书籍和文献已搜集好！10.一位“诗人”教授写了本因果推断书籍, 现在可以直接下载PDF参看！11.使用R软件学习计量经济学方法三本书籍推荐，12.机器学习与Econometrics的书籍推荐, 值得拥有的经典，13.史上最全的因果识别经典前沿书籍, 仅此一份，14.用R语言做Econometrics的书籍推荐, 值得拥有的经典，15.Stata学习的书籍和材料大放送, 以火力全开的势头，16.USA经管商博士最狂热崇拜的计量书籍震撼出炉，17.推荐使用Python语言做因果推断前沿方法的书籍,18.哈佛教授因果推断经典之作推荐！通过数据,代码和示例手把手教你！19.世界银行刚出版了“政策评估”经典书籍, 包括当前主流政策评估计量方法，20.欧盟EU出版了“数据驱动的政策评估”经典书籍, 关键还免费！