领导信号与“成长型思维”：吸引少数族裔进入高知名度职位的自然实地实验
我们与一家财富500强公司合作，进行了一项大规模自然实地实验，测试几种轻触式方法，以吸引少数族裔申请高知名度职位。总共有5,000名潜在申请者被随机分配到不同的招聘材料处理组。研究发现，在职业生涯的早期阶段，少数族裔的自我选择存在明显差距。实验结果表明，某些处理方式能够显著缩小这一差距，并将少数族裔的申请率提高40%，其中一些方法对少数族裔女性尤其有效。这些影响并未导致多数群体求职者的申请率下降。此外，我们发现，强调“多样性的商业案例”并未减少种族差距，也未提高少数族裔或女性的申请率。研究中发现的性别、种族和职业阶段的异质性揭示了少数族裔自我选择障碍的潜在驱动因素。
理解联邦学习中的合作伙伴形成与持续贡献：一个分析性研究
大规模数据的有限获取是构建机器学习（ML）应用的关键障碍，部分原因是数据所有者出于隐私和数据安全的顾虑而不愿交换信息。为解决这一“信息孤岛”问题，联邦学习（FL）技术被提出，允许通过中心服务器进行分散的模型训练，并在医疗和金融等行业中受到越来越多的关注。尽管FL在隐私保护方面表现优越，但由于对其底层经济学缺乏系统理解，FL的应用仍然有限。本文采用分析方法回答两个问题：(1) 数据所有者在什么情况下会选择与他人组成FL合作伙伴，而不是自己构建ML模型；(2) 不同的合同机制如何促进对FL的持续贡献（即对所有参与者有利的合作结果）。我们建立了一个迭代囚徒困境（IPD）模型，考虑到FL的独特特性，包括收益矩阵的设定以及中心服务器对不合作行为的制裁作用。研究发现，合作伙伴的形成要求参与者在时间偏好上不能过于“前瞻性”，这与IPD中的传统认知相反。此外，仅依赖中心服务器或参与者的制裁来惩罚不合作行为不足以促进持续贡献，但两者的结合则足够有效。我们的研究推动了对FL经济学的理论理解，并为FL参与者选择和合同设计提供了实际的指导。
银行家去哪里？从出租车数据洞察美联储与银行的互动
我们提出纽约联邦储备银行（Fed）与总部位于纽约市的大型金融机构之间的出租车乘坐记录，作为Fed与银行面对面互动的一种新颖代理变量。研究发现，过去Fed与银行的互动与未来股市回报率呈负相关，特别是在Fed公开声明的前后几天。此外，我们发现，在联邦公开市场委员会（FOMC）“禁言期”解除后，Fed与银行的互动显著增加。研究结果表明，当Fed掌握了关于经济状况的负面私人信息时，会通过面对面互动增加信息收集。
Daniel Bradley, David Andrew Finer, Matthew Gustafson, Jared Williams (2023) When Bankers Go to Hail: Insights into Fed–Bank Interactions from Taxi Data. Management Science 70(8):4995-5015.
https://doi.org/10.1287/mnsc.2023.4885
分析师覆盖网络与公司财务政策
我们通过分析师覆盖网络来研究金融政策中的同行效应。首先，我们使用“朋友的朋友”方法，并利用分析师覆盖网络部分重叠的事实，识别公司直接响应同行资本结构选择的内生同行效应，以及响应同行特征的上下文效应。我们进一步发现，分析师通过其信息中介的角色促进了这些同行效应。分析师网络中的同行效应不同于行业同行效应，且在由经验丰富、来自更有影响力的经纪公司的分析师连接的同行之间更为显著。最后，随着经纪公司倒闭导致的覆盖范围减少，这些分析师同行效应变得较弱。
长尾市场需求估计中的机器学习
随机系数多项式逻辑模型广泛用于通过销售数据估计顾客偏好。然而，这些模型只能适用于有正销售的产品，导致在长尾市场（即许多产品零销售或低销售的市场）中产生高度偏差的估计。长尾市场在在线零售和其他在线市场中日益普遍。本文提出了一种两阶段估计器，使用机器学习来纠正这一偏差。我们的方法首先使用深度学习预测所有产品的市场份额，神经网络的结构与随机系数多项式逻辑模型的数据生成过程相匹配。在第二阶段，我们利用第一阶段的预测结果对观察到的份额进行加权，纠正由此产生的偏差，并保持结构模型的因果解释。我们证明，在足够多的市场中，估计参数是一致的。我们的方法在模拟和真实的长尾数据上表现良好，能够准确估计顾客行为。这些改进的估计可以用于提供关于定价、产品组合等重要管理决策的建议。
中国A股市场异常现象的复现与分析
我们基于Hou等人（2020）的研究，复现了469个类似的异常变量，使用中国A股数据和可靠的测试程序，结合主板分界点和市值加权收益率进行分析。结果表明，83.37%的异常变量没有产生显著的“高减低”五分位原始收益差距。进一步进行风险调整后，基于CAPM α的失败率略微上升至84.22%，基于Fama-French三因素α的失败率为86.99%。我们发现，传统程序使用所有A股分界点和等权重收益率进行异常测试确实存在问题，因为它对小盘股赋予了过多权重，并且投资容量非常有限。CH3因子、CH4因子和q因子模型在整个样本期表现最佳。q因子模型在2007年后子样本期表现最佳，这是因为中国金融市场环境在此期间显著改善，如股权分置改革的完成和符合国际财务报告准则的新会计标准的实施。在2007年后的非国有企业子样本中，CH4因子和q因子模型表现最好。
党派收益差距：大流行时期的极化股票市场
通过两个投资者政治倾向的代理变量，我们记录了COVID大流行期间由民主党投资者主导的公司（蓝色股票）和由共和党投资者主导的公司（红色股票）之间股票收益的显著差异。在COVID新闻日，红色股票的风险调整回报率比蓝色股票高出20个基点（党派收益差距）。封锁政策、COVID病例数、行业和公司基本面最多只能解释40%的收益差距。通过人们的社交距离行为所揭示的COVID的极化政治信仰，贡献了超过40%的收益差距。这篇文章将党派倾向作为理解大流行期间异常股票回报的一个新维度。
通过强化学习优化客户旅程中的干预措施：集成实验
企业采用随机实验评估不同的干预措施（例如网站设计、创意内容和定价）。然而，大多数随机实验只针对一个特定干预措施进行优化。现有文献缺乏一种整体方法来优化客户旅程中的干预措施序列。具体而言，由随机实验揭示的局部最佳干预措施，在考虑其相互依赖性及长期回报时，可能并不全球最优。幸运的是，大量历史实验的积累在客户旅程的不同阶段创造了外部干预，为解决此类问题提供了新机会。本研究将多个实验整合到强化学习（RL）框架中，以回答单一随机实验无法解答的问题。我们提出了一个贝叶斯递归Q网络模型，利用多个实验中的外部干预，学习它们在客户旅程不同阶段的有效性，并优化长期回报。该模型不仅在现有干预措施中实现优化，还能够估计回报的分布，从而指导未来实验的设计，平衡探索与开发。总之，本文提出的模型在强化学习与随机实验之间形成了双向互补，从而为学习和优化客户旅程中的干预措施提供了整体解决方案。
SEC卖空实验：因果渠道的证据及间接影响的重新评估
在2005-2007年期间，美国证券交易委员会（SEC）进行了一个随机试验，在Russell 3000指数中的三分之一公司中移除了卖空限制。早期研究发现，移除卖空限制对市场微观结构有适度影响，但对卖空兴趣、股票回报率、波动性或价格效率没有影响。最近，许多研究将一系列间接结果归因于该实验，但大多没有评估这些结果的因果渠道。我们分析了三种最常被引用的因果渠道：卖空兴趣、股票回报率和管理者的恐惧，结果发现没有证据支持这些渠道的存在。随后，我们重新审视了四项最近的研究，使用与实际实验相匹配的样本和常见的研究设计，发现几乎没有支持这些间接效果的证据。我们的研究强调了确认因果渠道或经济机制的重要性，并表明样本选择和模型设定的不同可能会在没有实际经济机制的情况下产生统计显著性。
媒体关注与事件驱动的股票分组：对媒体炒作奥运会受益股票的研究
我们研究了五届夏季奥运会，并识别出那些被媒体炒作为受益于奥运会的股票（“奥运会股票”）。从一个国家得知获得奥运主办权到奥运会开始之间有七年时间（“奥运期”）。我们预测，奥运会的兴奋感和更多的媒体关注会影响这些奥运股票的估值和风险。与这一预测一致，研究表明奥运股票在奥运期间的回报率高于其匹配的股票，且这些股票之间的联动性更强。此外，在媒体报道这些公司与奥运会相关的新闻时，奥运股票的交易量和波动性都会增加。然而，我们未发现奥运会带来了这些公司的基本面改善或更强的基本面联动性。这表明投资者购买这些股票的动机并不是基于对公司基本面的分析，而是基于其“奥运会属性”。为了确认事件驱动的分组现象在其他情境下也存在，我们发现“居家股票”在COVID-19大流行开始时的联动性也有所增加。
动态匹配中的公平与效率：极端等待名单政策
等待列表常用于分配稀缺资源，例如公共住房或器官。等待列表政策试图通过分配优先点（如“先来先得”）来优先考虑等待时间较长的申请者。我们研究发现，除非使用随机化，这类积分系统可能会导致严重的不平等分配。特别是，确定性的积分系统会导致比任何其他优先考虑早到者的规则都更不平等的分配，而优先考虑早到者的规则是一个确保等待较长的申请者得到更好待遇的公理。在遵守这一公理的政策中，我们发现“随机服务顺序”（SIRO）能够实现最平等的分配。从功利主义的角度来看，当等待的效用是非负或随时间增加时，规划者在公平与效率之间没有权衡；在这种情况下，SIRO也是最有效的政策。然而，当等待的成本随时间增加时，规划者可能面临效率与公平的权衡：SIRO仍然是最公平的政策，但可能不是最有效的。
消费者展厅现象对实体零售商的益处：分销渠道的视角
消费者展厅现象在零售行业变得越来越普遍，但其对供应链上游供应商和下游实体零售商之间关系的影响尚未得到充分研究。本文探讨了这种影响，研究了一位通过批发合同与下游实体零售商合作的上游供应商，同时通过代理合同在在线零售平台销售产品，而在线销售中因产品不匹配而产生了不可忽视的消费者退货现象。研究发现，一方面，消费者展厅现象使供应商能够通过利用实体零售商遏制展厅现象，获得更多线下渠道的利润。另一方面，作为一种混合购物方式的消费者展厅现象，使供应商在根据处理退货的边际成本调整直接线上需求方面能力下降。这样的“退货损失传播缓解效应”保护了下游实体零售商，避免了上游供应商通过策略性定价将销售从线下转向线上。当供应商发现处理在线退货成本有效时，无法实施这种定价策略。本文还表明，零售商可以用“店中店”租赁费合同取代批发合同，以利用上游供应商缓解展厅现象不利影响的激励机制。研究结果表明，实体零售商更应关注的问题不是展厅现象本身，而是如何与上游供应商合作，以促进展厅现象下的线下销售。
追求收益与债券回报的横截面
我们将“追求收益”定义为投资者对在同一评级下更高收益的债券或在同一收益下更高评级债券的偏好，这种行为与债券估值过高相关，因此对风险调整后的回报有负面预测作用。控制评级后，收益更高的债券的阿尔法较低；控制收益后，评级更高的债券的阿尔法较低。当当前利率较低且追求收益的投资者需求增加时，这些债券的未来回报尤其低。这些债券更频繁地被降级和违约，表明尽管它们的估值较高，但风险更大。
华盛顿政策分析师与政治信息传播
华盛顿的政策研究分析师（WAs）监测政治动态，并生成研究报告以解释这些事件的影响。我们发现，机构客户会向提供政策研究的经纪公司分配更多佣金，且这些客户在其与政治敏感相关的交易中获得了更高的回报。研究还发现，WA的政策研究报告与显著的价格和交易量反应相关。最后，我们发现那些有WA支持的卖方分析师在政治敏感股票上的股票推荐表现优异，特别是在政治不确定性较高的时期。整体来看，我们揭示了一个独特且重要的渠道，通过该渠道，政治信息过滤到资产价格中。
Daniel Bradley, Sinan Gokkaya, Xi Liu, Roni Michaely (2023) Washington Policy Analysts and the Propagation of Political Information. Management Science 70(8):5246-5269.
https://doi.org/10.1287/mnsc.2023.4919
使用自适应收集数据的政策学习
在医疗、第一价格拍卖、数字推荐和在线教育等广泛的应用中，基于个体特征学习政策来为其分配干预措施是有益的。政策学习文献主要关注于从历史数据中学习，其中干预分配规则在数据收集期间是固定的。然而，适应性数据收集在实践中越来越常见，主要来自两个来源：(1) 为提高推理效率而设计的适应性实验，(2) 为了随着时间优化表现，逐步演化的运营政策（如情境型赌博）。然而，适应性使得事后学习最优政策变得复杂，原因有二：第一，样本是相互依赖的；第二，适应性分配规则可能并没有对每种个体类型足够频繁地分配每种干预措施。本文提出了一种基于广义增强逆概率加权（AIPW）估计量的算法，该算法对标准AIPW估计量的元素进行非均匀加权，以控制最坏情况下的估计方差。我们为该算法建立了有限样本后悔上界，并补充了后悔下界，量化了适应性数据政策学习的基本难度。配备了最佳加权方案时，即便探索减少，我们的算法也能实现极小化率最优的后悔保证。最后，我们通过合成数据和公开基准数据集展示了该算法的有效性。
在非营利组织中管理志愿者与付费员工
一些非营利组织管理着由志愿者、兼职工和全职工组成的复杂劳动力结构。本文研究NPO在有限期内的人员配备问题，以确定在预算、容量限制和志愿者及兼职工供给不确定的情况下，最优的初始人员规划决策以及每期最优的招聘和分配决策。我们的主要目标是提出一种有效且易于实施的解决方案，并获得有趣的管理见解。首先，我们展示了识别最优人员配备策略在一般情况下是计算上具有挑战性的。然而，我们证明了一种优先分配政策和一种“招聘至上限”策略可以方便地应用，且接近最优。这些策略在人员短缺和充足的情况下实际上都是最优的。在数值分析中，我们研究了考虑兼职工的灵活性和流动性的最优解与忽略这些因素的优先分配和固定“招聘至上限”策略的价值和影响。此外，我们还提出了两种易于实施的启发式方法，并进行了理论分析和数值性能研究，观察到这两种方法的相对最优性差距较小。最后，我们通过分析三种实际考量的不同情境，扩展了研究，包括凹形社会价值目标、非零志愿者成本以及志愿者的动态行为。
分阶段推广的最优实验设计
本文研究了一类实验的设计与分析，这些实验在多个时间段内进行，不同单位的处理开始时间可能不同。设计问题包括选择每个单位的初始处理时间，以便最精确地估计处理的瞬时和累计效果。首先，我们考虑了非适应性实验，其中所有处理分配决策在实验开始前就已确定。对于这种情况，我们展示了优化问题通常是NP难的，并提出了一个接近最优的解决方案。在该解决方案下，每期进入处理的比例最初较低，然后升高，最后再次降低。接着，我们研究了适应性实验设计问题，其中实验的继续决策和处理分配决策在每期数据收集后进行更新。对于适应性实验，我们提出了一种新的算法——精度导向的适应性实验算法，解决了设计阶段和估计处理效果阶段的挑战，确保实验后推论的有效性，并考虑了设计的适应性特性。通过现实的设置，我们展示了该算法与静态设计基准相比，可以将实验的机会成本降低50%以上。
带有偏见评估和部分序数信息的秘书问题
k秘书问题涉及在线选择k个有数值评分的申请者，其中选择决策在申请者到达时立即做出且不可撤销，目标是最大化总得分。然而，不同人口群体（如性别、年龄、种族）在申请者评分中普遍存在偏见，因此假设算法能观测到真实得分在实践中是不现实的。在本研究中，我们提出了偏序秘书问题，其中选择决策必须基于申请者的部分排序。这个部分排序是为了应对申请者得分中的不确定性和偏见而构建的。我们假设每个申请者有一个固定的得分，但该得分对算法不可见，并与部分排序一致。借助随机划分技术，我们为偏序秘书问题提供了顺序最优的竞争算法，并给出了匹配的下界。此外，我们开发了部分有序集中的阈值理论，提出了一种在k快速增长时的自适应阈值算法，从而匹配了经典k秘书问题中的自适应性。我们还研究了一种特殊情况，其中申请者属于g个互不相交的人口群体，偏见是特定于群体的。我们为对抗性和随机变体提供了竞争算法，包括一个并行化任何普通k秘书算法的框架——Gap。最后，我们通过对真实世界数据的案例研究，展示了我们的算法对数据的响应性及其对选择率的影响。
β套利的繁荣与衰退
低β股票相较于高β股票提供了较高的平均回报率和较低的风险，这为专业投资者提供了套利机会。我们认为，β套利活动会引发策略异常交易利润的繁荣与衰退周期。在套利活动较低时，β套利策略的调整延迟，可能需要三年时间才能实现异常回报。相反，当套利活动较高时，价格会超调，然后在长期内回归。我们记录了一种新颖的正反馈机制，该机制通过公司杠杆促进了这些繁荣与衰退周期的形成。
SEC Tick Size试点项目对小市值公司盈利指引的影响
美国证券交易委员会在2016年实施的“Tick Size”试点项目是一次自然实验，该项目对随机选中的小市值公司增加了最小价格变动单位。我们使用差异中差异研究设计，考察了这一最小价格变动单位增加对企业盈利指引的影响。研究发现，项目启动后，受试公司显著减少了盈利指引。进一步证据表明，这一减少是由于投资者获取基本信息的能力增强和公司财务报告质量提高，与投资者已经更为知情时公司减少盈利指引的行为一致。对于披露具有较高专有成本的公司，盈利指引的减少更为显著，表明当投资者更加知情时，这些公司更有可能减少高成本的披露。相反，对于有较大外部融资需求的公司，盈利指引的减少较弱，表明这些公司即使在投资者更为知情时，仍然希望通过披露获得益处。总的来说，研究结果表明，增加最小价格变动单位使投资者更加知情，从而减少了公司提供盈利指引的必要性，但减少的幅度取决于提供盈利指引的成本与收益。
医生支付制度对诊断努力和测试的影响
诊断错误很常见，且可能导致严重的患者伤害。正确的诊断通常需要大量的诊断努力，然而，大多数医生的支付制度是基于程序的，并未考虑诊断努力或准确性，部分原因是观察性问题。本文开发了一个简洁的模型来研究支付制度对医生决策的影响，包括：(1) 施加诊断努力的决策和(2) 执行确认测试的决策。高努力可以提供关于患者真实状态的有用（但不完美）的信号，确认测试是诊断严重疾病的必要条件。我们使用两步诊断过程来捕捉医生诊断努力和测试决策的互动关系。研究显示，在按服务付费的制度下，医生可能将诊断努力和确认测试视为互补或替代，具体取决于测试带来的额外收入。我们还揭示了非单调特性，即以患者为中心的医生未必会付出更多努力或提供更准确的诊断。此外，固定或差异化的支付方案在某些情况下可能是最优的。我们还展示了一种替代支付制度，即确认测试的收入与其结果挂钩，可以在特定条件下达到社会最优。随着人工智能在医疗标准中越来越多地用作确认测试工具，本文对设计医生支付制度具有重要的启示，特别是在个人注意力潜在弱化的情况下。
作者国籍与开放科学平台上的关注：来自COVID-19预印本的证据
预印本平台（如预印本服务器）已成为在同行评审之前传播新科学知识的重要方式。然而，关于来自不同国家的作者在预印本上的关注度如何变化，尤其是在专家主导的系统（如科学期刊）的评价中，了解甚少。本文研究了在COVID-19疫情初期，读者如何在预印本上分配注意力，当时对新研究的需求增加，全球对预印本平台的使用也显著增加。我们发现，在控制了文章质量、主题以及预印本最终发表期刊的知名度之后，来自中国机构的作者的预印本获得的关注度较少，而来自美国机构的作者的预印本获得的关注度较多。在分析这一现象的潜在机制时，我们发现，当评价受限（如缺乏知识或专业性、时间压力增加）时，读者更倾向于将作者的国籍作为质量或相关性的代理指标。结果表明，即便在旨在促进自由获取早期研究成果的平台上，地理偏见仍然存在，甚至可能加剧。
通过镜像背压在闭环网络中实现动态资源分配
我们研究了在封闭排队网络中，在有限且固定的供应单位下最大化收益的问题。需求是随机到来的，每次为一个需求单位服务时，供应单位从“源”移动到客户的“目的地”。关键挑战是如何管理网络中的供应分布。我们考虑了包括客户进入控制、定价和分配在内的各种控制策略。激励应用包括共享交通平台和代币系统。受“镜像下降”算法和“背压”网络控制政策的启发，我们引入了一类丰富的“镜像背压”（MBP）控制政策。MBP政策简单实用，且不需要对需求到达率的统计知识（这些到达率可以随时间变化）。在温和的条件下，我们提出的MBP政策在理论上接近最优。具体来说，相对于知道需求到达率的最优政策，我们的政策在每个客户上的损失最多为O(KT+1K+√ηK)，其中K是供应单位的数量，T是整个时间段内的客户总数，η是每次客户到来时需求过程的平均变化率。基于纽约市出租车数据的数值实验显示，MBP的改进版本表现良好。
产品销售激励对贷款市场的溢出效应：次级汽车贷款违约的证据
本文展示了制造商与零售商之间的垂直合同中的凸激励机制如何导致损害消费者的销售行为。我们研究了汽车行业这一问题，其中制造商通常通过经销商激励计划来推动新车销售，这些计划的巨额奖金取决于月度销售目标。通过分析来自3,500多家经销商的次级汽车贷款，我们发现新车贷款在月末签订时的违约率较高——这是经销商为确保达到目标奖金而加大新车销售力度的时期。证据表明，月末购买新车的客户违约率较高，新车购买增加了借款人的预算压力，并使他们暴露在快速贬值的风险中，导致贷款期限内大部分时间处于负资产状态。我们的结果显示，在收入占比最高的四分之一的客户群体中，月末最后一天的违约率从13.6%上升到19.7%。尽管消费者因违约增加而面临高额成本，但我们发现购买贷款的放贷机构并未因此受到损害。结果表明，凸激励机制诱发的行为成本最终由消费者承担。
分层商品展示：优化与在线学习
由于在线零售商提供的选择数量众多，常常使用分层商品展示的方式呈现产品。即将产品分成多个页面或阶段展示，客户通过点击“下一页”或“加载更多”依次查看这些产品。尽管这种分层展示在实际操作中很常见，但现有文献对此研究不多。本文专注于一种序列选择模型，捕捉客户在分层商品推荐下的行为。我们分析了多个分层商品优化问题，施加了“无重复”和容量约束。在已知客户偏好的离线环境中，我们描述了最优分层商品展示的特性，并提出了比现有基准更具计算效率的算法。据我们所知，这是首次研究在线环境下的分层商品优化问题。在线设置中的一个独特特征是“部分反馈”，当客户在较早的层次购买产品或退出时，较低优先级的产品将不会显示。这样的部分反馈以及跨层次产品的相互依赖性增加了学习的复杂性。我们为非上下文和上下文问题分别提出了在线算法，并量化了相应的后悔度。此外，我们能够为上下文问题构建更紧的参数不确定集，从而提高算法性能。通过数值实验，我们验证了所提算法的有效性。
押注多样性——职业隔离与性别刻板印象
职业和整个行业中的性别隔离现象广泛存在。这种隔离可能源于人们认为男女在特定工作中的生产力存在差异，也可能源于相信同性别团队表现更好，或招聘者的群体内偏见。我们在两个样本中研究了这些解释：学生和人事经理。受试者对同质性别团队的生产力进行投注，这些团队在开始时是单一性别，然后要么保持同质，要么变得多样化。团队任务与性别刻板印象的不同有关。我们在两个样本中得到了类似的结果：女性在典型的女性任务中更常被选中，男性则更常被选中从事典型的男性任务。受试者认为，性别多样化的团队在具有互补性的任务中表现更好，同时表现出性别偏好。对于他人投注的预期显示，受试者预测了任务的性别刻板印象，但低估了他人对多样性的投注。
当信念影响信号的精确度感知时：新闻对强化型代理的影响
在信息日益丰富的世界中，理性投资者可以做出更好的决策。然而，偏向强化的投资者更可能选择符合自己认知偏好的信号。这种关注特定信号的行为会扭曲对整体信号的感知，导致信念调整减少。因此，经验上被广泛记录的选择性暴露/强化理论降低了更多信息可获得性对价格效率的积极影响。额外的信息有时甚至会减少感知的正确性。在一个存在偏见投资者的市场中，当面临负面（正面）信息时，管理者有激励发布更分散的（不精确的）信号。这导致了财报公告后价格漂移和分散性异常。此外，信号分布的形态对信息处理也至关重要。对于单峰、对称分布，投资者的感知会收敛到基本面，尽管速度较慢；而对于多峰信号分布，估计可能会偏离基本面。
具有学习代理的价格委托
许多公司将定价决策委派给直接与客户互动的销售代理。这样做的前提是销售代理可以通过与客户的互动获取有关客户对商品估值的重要信息。本文研究了这种情境下产生的委托-代理问题。在这种设定下，代理人可以通过付出努力成本来了解客户的估值，之后决定向客户报出的价格，而公司需要为代理人设计合同，以激励其进行所期望的学习和定价行为。我们分析了该问题的两个版本：一个是涉及单一客户和单一商品的基础模型，另一个是涉及多个客户且库存有限的商品的推广模型。对于这两个问题，我们都发现了一类合同，其收益可以非常接近最优收益，即便代理人具有有限责任（即在所有状态下的支付都为非负）。我们阐明了这些合同的结构及其实施方式。在合理假设下，这些合同可以通过基于收入递增的凸佣金来实现，直至某一上限。这些合同在实施诸如基于收入分成结构的实际调整时依然表现良好。
审计师任期与财务报告失误：来自动态寡头博弈的证据
我们估计了一个关于审计公司任期与财务报表错误的无限期动态寡头模型，并评估了涉及强制审计公司轮换的政策反事实。较长的任期降低了进行审计的成本，从而提高了审计质量并降低了审计费用。因此，随着任期的增加，客户较少可能出错并更可能保留现任审计公司。强制轮换减少了保留审计公司的价值，导致审计公司更频繁地被更换，即便在任期限制之前也如此，这意味着客户承担的更换成本增加。错误率上升的原因是审计公司内生性地降低了审计质量，而新聘审计公司的质量较低。总体而言，该模型表明在评估政府对审计行业监管的成本和收益时需谨慎。
Edwige Cheynel, Frank S. Zhou (2023) Auditor Tenure and Misreporting: Evidence from a Dynamic Oligopoly Game. Management Science 70(8):5557-5585.
https://doi.org/10.1287/mnsc.2023.4944
先买后付（痛苦？）的影响
“先买后付”（BNPL）是一种相对不受监管的金融科技创新，它为消费者提供了便捷的零售购物信用。预计到2025年，BNPL消费将达到1万亿美元，但我们对其影响知之甚少。通过分析1060万美国消费者的银行数据，我们研究了BNPL对用户财务健康的主要指标的影响。我们发现，新BNPL用户的银行透支费用和信用卡利息及费用快速增加，这与BNPL促使过度借贷一致。利用消费者BNPL前购物习惯的工具变量分析加强了我们的推断。研究结果为BNPL对用户财务健康影响的监管调查提供了依据，并扩展了学术界对这一重要消费者信用创新的理解。
固定汇率放弃与跨货币传染
使用包含外汇掉期买卖报价的新数据集，我们研究了瑞士国家银行2015年突然终止瑞士法郎/欧元汇率下限对其他固定汇率货币的影响。研究发现，经纪银行开始重新评估与意外汇率下限终止相关的风险，导致固定汇率货币的买卖差价扩大。这表明，即使在强大的经济体中，货币汇率下限的可信度不仅受相关中央银行的行动影响，还受到其他固定汇率货币稳定性的影响。
外推不确定性与家庭经济行为
我们研究了家庭对宏观经济结果（如通胀和全国房价增长率）的预期不确定性。研究记录了人们在评估这些宏观经济变量的未来波动性时，会从其个人和本地环境的不稳定性中进行外推。因此，在个人内部，不同经济结果的主观不确定性之间存在溢出效应。这种外推行为在低数学能力的个体中更为明显，并且在整个经济周期中持续存在。对宏观经济预期更不确定的人更可能采取预防性行为，如减少消费和股票市场风险暴露，并更担心信贷市场的可获得性。
唧唧堂学院推荐订阅
