The (Short-Term) Effects of Large Language Models on Unemployment and Earnings

本文利用合成差分法,实证分析了大型语言模型(LLM)自ChatGPT发布以来对不同职业的薪酬和失业率影响。结果发现,高暴露职业的薪酬显著提升(周薪增加约89美元),但失业率未见显著变化,表明短期内LLM通过提升生产率推动工资增长,而非劳动供给调整,反映劳动市场存在刚性。

本文利用合成差分法,实证分析了大型语言模型(LLM)自ChatGPT发布以来对不同职业的薪酬和失业率影响。结果发现,高暴露职业的薪酬显著提升(周薪增加约89美元),但失业率未见显著变化,表明短期内LLM通过提升生产率推动工资增长,而非劳动供给调整,反映劳动市场存在刚性。

本论文提出ProteuS框架,通过拟合ARMA-GARCH模型模拟金融市场多状态下的结构性突变,实现梯度和平滑的状态转移。生成半合成数据包含丰富技术指标和已知的概念漂移时点,为评估概念漂移检测算法提供可控基准。实验基于真实ETF数据,结果显示合成数据市场状态间高度重叠,验证了任务的复杂性和数据的现实意义,为未来金融预测算法的适应性评测奠定基础 .

本文构建了一种基于多维指标方差伽马驱动的有向Ornstein-Uhlenbeck过程的能源价差期权定价模型,推导了创新项的累积生成函数的分析公式,并利用Esscher变换建立风险中性测度完成期货及期权(包括价差期权)定价,结合FFT数值方法验证了模型的估计与标定流程,展示了参数敏感性与拟合效度,体现了其在电力等高波动能源市场衍生品定价中的有效性

本文提出基于多智能体系统(MAS)的加密资产组合构建与评估方法,比较了静态等权重组合与滚动窗口动态优化策略。研究利用2020-2025年十大市值加密货币日数据,通过Crew AI架构实现模块化投资流程。动态滚动优化策略显著提升风险调整收益指标(如Sharpe比率),展现了自适应资产管理在高波动加密市场的优势,并强调了MAS模型在透明性、可扩展性及审计性方面的潜力

本论文综述与实证评估了“二重/无偏机器学习”(DML)方法,验证其在模拟数据和真实住房价格空气污染因果效应分析中的表现。结果表明,DML结合灵活机器学习算法能有效调整非线性混杂,显著提升因果估计的准确度,但仍依赖传统因果结构假设。作者就DML的算法选择与参数设置提出具体实践建议,促进该方法在实证研究中的应用

本研究融合高分辨率卫星遥感数据与印度农村农户调查数据,构建多种烧毁指标并比较其预判能力,实证分析零耕技术对农作物残余物焚烧的影响。结果表明,零耕采用显著减少焚烧事件,调查数据显示零耕耕地产生焚烧概率降低约3.9个百分点,遥感指标显示焚烧面积降低约50%。研究还提出了融合地理空间与调查数据的新方法,对政策制定具有参考价值

本论文指出欧洲区域创新计分板(EURIS)在指标加权及线性方法上的固有局限,提出采用Factorial K-means(FKM)方法实现降维及聚类,并结合神经网络开展针对政策的what-if分析。实证结果显示,FKM生成的簇更紧凑,区域间相似性更高;神经网络能有效预测政策调整对区域创新能力跃升的影响,辅以转移学习应对数据迁移问题。该方法为欧盟区域创新政策决策提供了更加精准且动态的辅助工具