2024年12月21日至22日，首届ADEFT-XueShuo冬季学术研讨会“社科人工智能与人工智能经济学”在线上成功举办。
此次会议由清华大学孵化的学说平台主办，康奈尔大学商学院金融科技中心和斯坦福金融科技高阶实验室等全球多个研究机构和研究中心提供学术支持。
研讨会联席组委由康奈尔大学约翰逊商学院Rudd家族管理学讲席教授、金融学教授及《Management Science》金融主编叢林（丛林），与斯坦福大学管理科学与工程系终身教授Markus Pelger组成。
来自麻省理工学院斯隆管理学院的Maryam Farboodi教授进行了关于“大数据革命的经济学研究”的精彩分享。
大数据革命的经济学研究
在2024冬季研讨会上，Maryam Farboodi教授就“大数据革命的经济学研究”这一主题做了深入探讨。Farboodi教授首先明确指出大数据包含两个关键特征：一是大规模的数字化数据集，这些数据集被金融机构、普通企业、医疗服务提供商等各类机构使用；二是处理、分析和管理这些海量数据所需的技术创新。她引用了Hennessy和Patterson 2008年的研究，展示了从1978年到2006年处理性能的演变，说明在1986年到2002年期间，处理性能每年增长约58%。但在2000年代初期，这一增长放缓至20%，主要是因为芯片达到了物理限制。
Farboodi教授强调，数据应被视为一种新的资产类别，正如《经济学人》2017年封面所说“数据是新时代的石油”。她提到，虽然这一认识在经济学和金融学界相对较新，但在产业界早已得到广泛认可。在大数据革命中，数据主要用于预测。这里的预测不同于搜索功能，即使是生成式AI，本质上也是一个预测任务——预测给定输入后最合适的下一个输出。
教授特别强调，在经济和金融领域中的数据是经济活动的副产品，本质上是消费者数据。例如，消费者的购买行为、天气变化引发的消费需求等，都产生了可用于预测的数据。这些数据被用来预测什么最适合消费者，企业如何最好地向消费者收费，以及企业如何提高利润。
在金融市场方面，Farboodi教授构建了一个理性预期均衡模型来分析数据技术进步的影响。研究发现，随着数据技术的发展，市场经历了不同的阶段：首先是基本面分析阶段，然后是需求/情绪分析阶段，最后达到平衡增长阶段。虽然总体价格信息含量在持续提升，但市场流动性却先恶化后改善。即使在长期，市场也不会变得完全流动，这是因为数据是解决风险的“双刃剑”。
在研究横截面趋势时，Farboodi教授发现，虽然标准普尔500指数的价格信息含量随时间提高，但并非所有上市公司都同等受益。研究表明，大型成长型公司获得了最多的数据处理投入，这是因为投资者会处理对他们最有价值的数据，而不确定性最高的恰恰是成长型公司。此外，由于大公司是投资组合的重要组成部分，规模和成长性的相互作用使得数据变得更有价值。
最后，在数据经济方面，研究表明企业的数据积累呈现出独特的S形增长路径。在初期，企业可能会采用“数据易货”策略，即提供免费服务来换取数据。但当企业变得数据丰富后，边际收益开始递减，因为数据用于预测，而方差是一个凹函数，这意味着在拥有大量数据点后，额外的数据点的价值会显著降低。
Farboodi教授总结道，大数据正在从根本上改变金融和实体经济部门的运作方式。为了理解这个不断演变的格局，我们需要理论和测量两个方面的支持。虽然新的商业模式不断涌现，数据正在改变竞争格局，但数据的测量仍远非显而易见，这个领域仍需要更多的研究和探索。
疯狂暗示↓↓↓↓↓↓↓↓↓↓↓
