Datasets:

mabidan

/

econ_paper_abstracts_fa_translation

like 1

Given a set of baseline assumptions, a breakdown frontier is the boundary between the set of assumptions which lead to a specific conclusion and those which do not. In a potential outcomes model with a binary treatment, we consider two conclusions: First, that ATE is at least a specific value (e.g., nonnegative) and second that the proportion of units who benefit from treatment is at least a specific value (e.g., at least 50\%). For these conclusions, we derive the breakdown frontier for two kinds of assumptions: one which indexes relaxations of the baseline random assignment of treatment assumption, and one which indexes relaxations of the baseline rank invariance assumption. These classes of assumptions nest both the point identifying assumptions of random assignment and rank invariance and the opposite end of no constraints on treatment selection or the dependence structure between potential outcomes. This frontier provides a quantitative measure of robustness of conclusions to relaxations of the baseline point identifying assumptions. We derive $\sqrt{N}$-consistent sample analog estimators for these frontiers. We then provide two asymptotically valid bootstrap procedures for constructing lower uniform confidence bands for the breakdown frontier. As a measure of robustness, estimated breakdown frontiers and their corresponding confidence bands can be presented alongside traditional point estimates and confidence intervals obtained under point identifying assumptions. We illustrate this approach in an empirical application to the effect of child soldiering on wages. We find that sufficiently weak conclusions are robust to simultaneous failures of rank invariance and random assignment, while some stronger conclusions are fairly robust to failures of rank invariance but not necessarily to relaxations of random assignment.

با توجه به مجموعه ای از فرضیات پایه ، مرز خرابی مرز است بین مجموعه فرضیاتی که منجر به نتیجه گیری خاص و موارد می شود که اینطور نیستدر یک مدل نتایج بالقوه با یک درمان باینری ، ما دو نتیجه گیری را در نظر بگیرید: اول ، که خوردن حداقل یک مقدار خاص است (به عنوان مثال ، غیر منفی) و دوم اینکه نسبت واحدهایی که از درمان بهره مند می شوند حداقل یک مقدار خاص (به عنوان مثال ، حداقل 50 ٪) است.برای این نتیجه گیری ، ما مرز خرابی را برای دو نوع فرض استخراج کنید: یکی که شاخص ها است آرامش از تکلیف تصادفی پایه فرضیه درمان ، و یک که شاخص های آرامش از فرض عدم ثبات را نشان می دهد.اینها کلاس فرضیات هر دو نکته را مشخص می کند که فرضیات تصادفی را مشخص می کند تکلیف و رتبه بندی و رتبه بندی برعکس بدون محدودیت در انتخاب درمان یا ساختار وابستگی بین نتایج بالقوه. این مرز یک اندازه گیری کمی از استحکام نتیجه گیری به آرامش از نقطه پایه که فرضیات را شناسایی می کند.ما مشتق می شویم $ \ sqrt {n} $-برآوردگرهای آنالوگ نمونه سازگار برای این مرزها.سپس ما دو روش بوت استرپ بدون علامت معتبر را برای ساخت پایین ارائه دهید گروههای اعتماد به نفس یکنواخت برای مرز Breakdown.به عنوان یک معیار استحکام ، مرزهای تخمین زده شده و اعتماد به نفس مربوط به آنها گروهها را می توان در کنار برآوردهای سنتی و اعتماد به نفس ارائه داد فواصل به دست آمده در زیر نقطه فرضیات را شناسایی می کنند.ما این را نشان می دهیم رویکرد در یک کاربرد تجربی به تأثیر سربازان کودک بر دستمزدما می دانیم که نتیجه گیری به اندازه کافی ضعیف به همزمان قوی است عدم موفقیت در رتبه بندی و تکالیف تصادفی ، در حالی که برخی قوی تر است نتیجه گیری نسبتاً قوی به شکست های تغییر ناپذیر رتبه است اما نه لزوماً به آرامش تکالیف تصادفی.

Structural econometric methods are often criticized for being sensitive to functional form assumptions. We study parametric estimators of the local average treatment effect (LATE) derived from a widely used class of latent threshold crossing models and show they yield LATE estimates algebraically equivalent to the instrumental variables (IV) estimator. Our leading example is Heckman's (1979) two-step ("Heckit") control function estimator which, with two-sided non-compliance, can be used to compute estimates of a variety of causal parameters. Equivalence with IV is established for a semi-parametric family of control function estimators and shown to hold at interior solutions for a class of maximum likelihood estimators. Our results suggest differences between structural and IV estimates often stem from disagreements about the target parameter rather than from functional form assumptions per se. In cases where equivalence fails, reporting structural estimates of LATE alongside IV provides a simple means of assessing the credibility of structural extrapolation exercises.

روشهای اقتصادی ساختاری اغلب به دلیل حساس بودن به آنها مورد انتقاد قرار می گیرند فرضیات فرم عملکردی.ما برآوردگرهای پارامتری محلی را مطالعه می کنیم میانگین اثر درمانی (دیر) حاصل از یک کلاس گسترده از نهان مدل های عبور آستانه و نشان می دهد که آنها تخمین های دیررس را به صورت جبری انجام می دهند معادل برآوردگر متغیرهای ابزاری (IV).مثال پیشرو ما است برآوردگر عملکرد دو مرحله ای ("هکیت") هکمن (1979) که با عدم رعایت دو طرفه ، می تواند برای محاسبه تخمین انواع مختلف استفاده شود پارامترهای علی.هم ارزی با IV برای یک نیمه پارامتری ایجاد شده است خانواده برآوردگرهای عملکرد کنترل و نشان داده شده در راه حل های داخلی برای یک کلاس از برآوردگرهای حداکثر احتمال.نتایج ما تفاوت ها را نشان می دهد بین برآوردهای ساختاری و IV اغلب ناشی از اختلافات در مورد پارامتر هدف به جای فرضیات فرم عملکردی به خودی خود.در موارد جایی که هم ارزی شکست می خورد ، گزارش تخمین های ساختاری اواخر در کنار IV وسیله ای ساده برای ارزیابی اعتبار ساختاری فراهم می کند تمرینات برون یابی.

Conditional independence of treatment assignment from potential outcomes is a commonly used but nonrefutable assumption. We derive identified sets for various treatment effect parameters under nonparametric deviations from this conditional independence assumption. These deviations are defined via a conditional treatment assignment probability, which makes it straightforward to interpret. Our results can be used to assess the robustness of empirical conclusions obtained under the baseline conditional independence assumption.

استقلال مشروط از تعیین تکلیف از نتایج بالقوه یک است معمولاً استفاده می شود اما فرض غیرقابل توصیف است.ما مجموعه های شناسایی شده را برای پارامترهای مختلف اثر درمانی تحت انحراف غیرپارامتری از این فرض استقلال مشروط.این انحرافات از طریق a تعریف می شود احتمال واگذاری درمان مشروط ، که باعث می شود آن را ساده تر کند تفسیر.از نتایج ما می توان برای ارزیابی استحکام تجربی استفاده کرد نتیجه گیری به دست آمده تحت فرض استقلال مشروط پایه.

Econometrics and machine learning seem to have one common goal: to construct a predictive model, for a variable of interest, using explanatory variables (or features). However, these two fields developed in parallel, thus creating two different cultures, to paraphrase Breiman (2001). The first was to build probabilistic models to describe economic phenomena. The second uses algorithms that will learn from their mistakes, with the aim, most often to classify (sounds, images, etc.). Recently, however, learning models have proven to be more effective than traditional econometric techniques (with a price to pay less explanatory power), and above all, they manage to manage much larger data. In this context, it becomes necessary for econometricians to understand what these two cultures are, what opposes them and especially what brings them closer together, in order to appropriate tools developed by the statistical learning community to integrate them into Econometric models.

به نظر می رسد اقتصاد سنج و یادگیری ماشین یک هدف مشترک دارند: ساخت یک مدل پیش بینی کننده ، برای متغیر مورد علاقه ، با استفاده از متغیرهای توضیحی (یا امکانات).با این حال ، این دو زمینه به طور موازی توسعه یافته و در نتیجه دو ایجاد می کنند فرهنگ های مختلف ، برای پاراگراف Breiman (2001).اولین ساخت ساخت مدل های احتمالی برای توصیف پدیده های اقتصادی.دوم از الگوریتم ها استفاده می کند این از اشتباهات آنها ، با هدف ، اغلب طبقه بندی می کند (صداها ، تصاویر و غیره).اما اخیراً ، مدلهای یادگیری ثابت شده اند مؤثرتر از تکنیک های اقتصاد سنجی سنتی (با قیمت پرداخت قدرت توضیحی کمتر) ، و مهمتر از همه ، آنها می توانند داده های بسیار بزرگتر را مدیریت کنند. در این زمینه ، برای اقتصاددانان لازم است که چه چیزی را بفهمند این دو فرهنگ ، آنچه با آنها مخالف است و به خصوص آنچه آنها را به ارمغان می آورد به هم نزدیک تر ، به منظور ابزارهای مناسب توسعه یافته توسط آماری یادگیری جامعه برای ادغام آنها در مدلهای اقتصاد سنجی.

It is known that the common factors in a large panel of data can be consistently estimated by the method of principal components, and principal components can be constructed by iterative least squares regressions. Replacing least squares with ridge regressions turns out to have the effect of shrinking the singular values of the common component and possibly reducing its rank. The method is used in the machine learning literature to recover low-rank matrices. We study the procedure from the perspective of estimating a minimum-rank approximate factor model. We show that the constrained factor estimates are biased but can be more efficient in terms of mean-squared errors. Rank consideration suggests a data-dependent penalty for selecting the number of factors. The new criterion is more conservative in cases when the nominal number of factors is inflated by the presence of weak factors or large measurement noise. The framework is extended to incorporate a priori linear constraints on the loadings. We provide asymptotic results that can be used to test economic hypotheses.

مشخص است که عوامل مشترک در یک صفحه بزرگ از داده ها می توانند باشند به طور مداوم با روش مؤلفه های اصلی و اصلی تخمین زده می شود مؤلفه ها را می توان با رگرسیون حداقل مربعات تکراری ساخته شد.تعویض حداقل مربعات با رگرسیون خط الراس به نظر می رسد که تأثیر کوچک شدن دارد مقادیر مفرد مؤلفه مشترک و احتمالاً کاهش رتبه آن.در روش در ادبیات یادگیری ماشین برای بازیابی ماتریس های درجه پایین استفاده می شود. ما روش را از دیدگاه تخمین حداقل رتبه مطالعه می کنیم مدل فاکتور تقریبی.ما نشان می دهیم که برآورد فاکتور محدود است مغرضانه اما از نظر خطاهای میانگین مربع می تواند کارآمدتر باشد.درجه در نظر گرفتن مجازات وابسته به داده برای انتخاب تعداد عوامل.معیار جدید در مواردی که اسمی است محافظه کارتر است تعداد عوامل با وجود عوامل ضعیف یا بزرگ باد می شود سر و صدای اندازه گیری.این چارچوب برای گنجاندن خط مقدم پیشین گسترش یافته است محدودیت در بارهای.ما نتایج بدون علامت ارائه می دهیم که می توان از آنها استفاده کرد فرضیه های اقتصادی را آزمایش کنید.

This paper derives conditions under which preferences and technology are nonparametrically identified in hedonic equilibrium models, where products are differentiated along more than one dimension and agents are characterized by several dimensions of unobserved heterogeneity. With products differentiated along a quality index and agents characterized by scalar unobserved heterogeneity, single crossing conditions on preferences and technology provide identifying restrictions in Ekeland, Heckman and Nesheim (2004) and Heckman, Matzkin and Nesheim (2010). We develop similar shape restrictions in the multi-attribute case. These shape restrictions, which are based on optimal transport theory and generalized convexity, allow us to identify preferences for goods differentiated along multiple dimensions, from the observation of a single market. We thereby derive nonparametric identification results for nonseparable simultaneous equations and multi-attribute hedonic equilibrium models with (possibly) multiple dimensions of unobserved heterogeneity. One of our results is a proof of absolute continuity of the distribution of endogenously traded qualities, which is of independent interest.

در این مقاله شرایطی به دست می آید که ترجیحات و فناوری ها در آن قرار دارند به طور غیر پارامتری در مدل های تعادل هیدونیک ، جایی که محصولات هستند ، شناسایی می شوند در طول بیش از یک بعد متفاوت و عوامل توسط مشخص می شوند ابعاد مختلفی از ناهمگونی بدون محافظت.با محصولات متمایز در امتداد یک شاخص کیفیت و عوامل مشخص شده توسط مقیاس بدون نظارت ناهمگونی ، شرایط عبور یک واحد در ترجیحات و فناوری فراهم می کند شناسایی محدودیت ها در Ekeland ، Heckman and Nesheim (2004) و Heckman ، ماتزکین و نسیم (2010).ما محدودیت های شکل مشابهی را در مورد چند انتهایی.این محدودیت های شکل ، که مبتنی بر بهینه هستند نظریه حمل و نقل و محدب عمومی ، به ما امکان می دهد ترجیحات را شناسایی کنیم برای کالاهای متمایز در ابعاد مختلف ، از مشاهده a بازار واحد.ما از این طریق نتایج شناسایی غیرپارامتری را برای معادلات همزمان غیر قابل تفکیک و تعادل هیدونیک چند گی مدلها با (احتمالاً) ابعاد ناهمگونی بدون نظارت.یکی از نتایج ما اثبات تداوم مطلق توزیع است خصوصیات معامله شده درون زا ، که مورد علاقه مستقل است.

Gaussian graphical models are recently used in economics to obtain networks of dependence among agents. A widely-used estimator is the Graphical Lasso (GLASSO), which amounts to a maximum likelihood estimation regularized using the $L_{1,1}$ matrix norm on the precision matrix $\Omega$. The $L_{1,1}$ norm is a lasso penalty that controls for sparsity, or the number of zeros in $\Omega$. We propose a new estimator called Structured Graphical Lasso (SGLASSO) that uses the $L_{1,2}$ mixed norm. The use of the $L_{1,2}$ penalty controls for the structure of the sparsity in $\Omega$. We show that when the network size is fixed, SGLASSO is asymptotically equivalent to an infeasible GLASSO problem which prioritizes the sparsity-recovery of high-degree nodes. Monte Carlo simulation shows that SGLASSO outperforms GLASSO in terms of estimating the overall precision matrix and in terms of estimating the structure of the graphical model. In an empirical illustration using a classic firms' investment dataset, we obtain a network of firms' dependence that exhibits the core-periphery structure, with General Motors, General Electric and U.S. Steel forming the core group of firms.

مدل های گرافیکی گاوسی اخیراً در اقتصاد برای به دست آوردن شبکه ها استفاده می شود وابستگی بین عوامل.یک برآوردگر بسیار مورد استفاده لاسو گرافیکی است (Glasso) ، که به حداکثر برآورد احتمال با استفاده از هنجار ماتریس $ L_ {1،1} $ در ماتریس دقیق $ \ OMEGA $.هنجار $ L_ {1،1} $ یک پنالتی لاسو است که کنترل کمبود یا تعداد صفرها را در آن کنترل می کند $ \ omega $.ما یک برآوردگر جدید به نام Lasso گرافیکی ساختاری پیشنهاد می کنیم (sglasso) که از هنجار مخلوط $ 1،2} $ استفاده می کند.استفاده از مجازات $ L_ {1،2} $ کنترل ساختار پراکندگی در $ \ omega $.ما نشان می دهیم که وقتی اندازه شبکه ثابت است ، sglasso به صورت مجانبی معادل یک غیرقابل نفوذ است مشکل Glasso که در اولویت بازیابی کمبود گره های درجه بالا قرار دارد. شبیه سازی مونت کارلو نشان می دهد که Sglasso از Glasso بهتر است تخمین ماتریس دقت کلی و از نظر تخمین ساختار مدل گرافیکی.در یک تصویر تجربی با استفاده از یک کلاسیک مجموعه داده های سرمایه گذاری شرکت ها ، ما شبکه ای از وابستگی شرکت ها را بدست می آوریم که نمایشگاه ساختار هسته اصلی ، با جنرال موتورز ، جنرال الکتریک و فولاد ایالات متحده که گروه اصلی بنگاه ها را تشکیل می دهند.

We present the calibrated-projection MATLAB package implementing the method to construct confidence intervals proposed by Kaido, Molinari and Stoye (2017). This manual provides details on how to use the package for inference on projections of partially identified parameters. It also explains how to use the MATLAB functions we developed to compute confidence intervals on solutions of nonlinear optimization problems with estimated constraints.

ما بسته MATLAB با ارائه کالیبره شده را اجرا می کنیم که روش را اجرا می کند برای ایجاد فواصل اطمینان پیشنهادی توسط کیدو ، مولیناری و استوی (2017). این دفترچه راهنما جزئیات مربوط به نحوه استفاده از بسته برای استنتاج را ارائه می دهد پیش بینی پارامترهای تا حدی شناسایی شده.همچنین نحوه استفاده از توابع MATLAB ما برای محاسبه فواصل اعتماد به نفس در راه حل های مشکلات بهینه سازی غیرخطی با محدودیت های تخمین زده شده.

This paper examines and proposes several attribution modeling methods that quantify how revenue should be attributed to online advertising inputs. We adopt and further develop relative importance method, which is based on regression models that have been extensively studied and utilized to investigate the relationship between advertising efforts and market reaction (revenue). Relative importance method aims at decomposing and allocating marginal contributions to the coefficient of determination (R^2) of regression models as attribution values. In particular, we adopt two alternative submethods to perform this decomposition: dominance analysis and relative weight analysis. Moreover, we demonstrate an extension of the decomposition methods from standard linear model to additive model. We claim that our new approaches are more flexible and accurate in modeling the underlying relationship and calculating the attribution values. We use simulation examples to demonstrate the superior performance of our new approaches over traditional methods. We further illustrate the value of our proposed approaches using a real advertising campaign dataset.

در این مقاله چندین روش مدل سازی انتساب بررسی و ارائه شده است که چگونگی نسبت داده ها را باید به ورودی های تبلیغاتی آنلاین نسبت دهید.ما روش اهمیت نسبی را اتخاذ و توسعه دهید ، که مبتنی بر آن است مدل های رگرسیون که به طور گسترده مورد مطالعه قرار گرفته و از آنها استفاده شده است رابطه بین تلاش های تبلیغاتی و واکنش بازار را بررسی کنید (درآمد).روش اهمیت نسبی با هدف تجزیه و تخصیص مشارکتهای حاشیه ای به ضریب تعیین (R^2) رگرسیون مدل ها به عنوان مقادیر انتساب.به طور خاص ، ما دو جایگزین را اتخاذ می کنیم Submethods برای انجام این تجزیه: تجزیه و تحلیل تسلط و نسبی تجزیه و تحلیل وزن.علاوه بر این ، ما گسترش تجزیه را نشان می دهیم روشهای مدل خطی استاندارد به مدل افزودنی.ما ادعا می کنیم که جدید ما رویکردها در مدل سازی زیرین انعطاف پذیرتر و دقیق تر هستند رابطه و محاسبه مقادیر انتساب.ما از نمونه های شبیه سازی استفاده می کنیم برای نشان دادن عملکرد برتر رویکردهای جدید ما نسبت به سنتی مواد و روش ها.ما بیشتر ارزش رویکردهای پیشنهادی خود را با استفاده از a نشان می دهیم مجموعه داده های تبلیغاتی واقعی.

We review recent advances in modal regression studies using kernel density estimation. Modal regression is an alternative approach for investigating relationship between a response variable and its covariates. Specifically, modal regression summarizes the interactions between the response variable and covariates using the conditional mode or local modes. We first describe the underlying model of modal regression and its estimators based on kernel density estimation. We then review the asymptotic properties of the estimators and strategies for choosing the smoothing bandwidth. We also discuss useful algorithms and similar alternative approaches for modal regression, and propose future direction in this field.

ما پیشرفت های اخیر در مطالعات رگرسیون معین را با استفاده از تراکم هسته مرور می کنیم برآورد کردن.رگرسیون معین یک رویکرد جایگزین برای بررسی است رابطه بین متغیر پاسخ و متغیرهای آن.به طور مشخص، رگرسیون معین تعامل بین متغیر پاسخ و متغیرهای متغیر با استفاده از حالت شرطی یا حالت های محلی.ما ابتدا توصیف می کنیم مدل اساسی رگرسیون معین و برآوردگرهای آن بر اساس تراکم هسته برآورد کردن.سپس خصوصیات بدون علامت برآوردگرها را مرور می کنیم و استراتژی های انتخاب پهنای باند هموار سازی.ما همچنین در مورد مفید بحث می کنیم الگوریتم ها و رویکردهای جایگزین مشابه برای رگرسیون معین ، و پیشنهاد می دهند جهت آینده در این زمینه.

The recent research report of U.S. Department of Energy prompts us to re-examine the pricing theories applied in electricity market design. The theory of spot pricing is the basis of electricity market design in many countries, but it has two major drawbacks: one is that it is still based on the traditional hourly scheduling/dispatch model, ignores the crucial time continuity in electric power production and consumption and does not treat the inter-temporal constraints seriously; the second is that it assumes that the electricity products are homogeneous in the same dispatch period and cannot distinguish the base, intermediate and peak power with obviously different technical and economic characteristics. To overcome the shortcomings, this paper presents a continuous time commodity model of electricity, including spot pricing model and load duration model. The market optimization models under the two pricing mechanisms are established with the Riemann and Lebesgue integrals respectively and the functional optimization problem are solved by the Euler-Lagrange equation to obtain the market equilibria. The feasibility of pricing according to load duration is proved by strict mathematical derivation. Simulation results show that load duration pricing can correctly identify and value different attributes of generators, reduce the total electricity purchasing cost, and distribute profits among the power plants more equitably. The theory and methods proposed in this paper will provide new ideas and theoretical foundation for the development of electric power markets.

گزارش تحقیقاتی اخیر وزارت انرژی ایالات متحده ما را وادار می کند تا دوباره نظریه های قیمت گذاری اعمال شده در طراحی بازار برق را دوباره بررسی کنید.در نظریه قیمت گذاری لکه اساس طراحی بازار برق در بسیاری است کشورها ، اما این دو اشکال اساسی دارد: یکی این که هنوز بر اساس آن بنا شده است مدل برنامه ریزی/اعزام ساعتی سنتی ، زمان مهم را نادیده می گیرد استمرار در تولید و مصرف برق و مصرف آن را درمان نمی کند محدودیت های بین زمانی به طور جدی ؛دوم این است که فرض می کند که محصولات برق در همان دوره اعزام همگن هستند و نمی توانند قدرت پایه ، میانی و اوج را با ظاهراً متفاوت متمایز کنید خصوصیات فنی و اقتصادی.برای غلبه بر کاستی ها ، این مقاله یک مدل کالای زمانی مداوم از برق ، از جمله نقطه را ارائه می دهد مدل قیمت گذاری و مدل مدت بار.مدل های بهینه سازی بازار تحت دو مکانیسم قیمت گذاری با انتگرال های Riemann و Lebesgue ایجاد شده است به ترتیب و مشکل بهینه سازی عملکردی توسط معادله Euler-Lagrange برای به دست آوردن تعادل بازار.امکان سنجی قیمت گذاری با توجه به مدت زمان بار توسط مشتق دقیق ریاضی اثبات می شود. نتایج شبیه سازی نشان می دهد که قیمت گذاری مدت زمان بار می تواند به درستی شناسایی کند و ویژگی های مختلف ژنراتورها را کاهش دهید ، کل برق را کاهش دهید هزینه خرید و توزیع سود بین نیروگاه ها به طور عادلانه تر. تئوری و روشهای ارائه شده در این مقاله ایده های جدیدی را ارائه می دهد و پایه و اساس نظری برای توسعه بازارهای برق.

We generalize the approach of Carlier (2001) and provide an existence proof for the multidimensional screening problem with general nonlinear preferences. We first formulate the principal's problem as a maximization problem with $G$-convexity constraints and then use $G$-convex analysis to prove existence.

ما رویکرد کارلر (2001) را تعمیم می دهیم و اثبات وجود را ارائه می دهیم برای مشکل غربالگری چند بعدی با ترجیحات عمومی غیرخطی. ما ابتدا مشکل اصلی را به عنوان یک مشکل حداکثر سازی با آن شکل می دهیم $ g $-convexity محدودیت و سپس از تجزیه و تحلیل $ g $ -convex برای اثبات وجود استفاده می کند.

Binary classification is highly used in credit scoring in the estimation of probability of default. The validation of such predictive models is based both on rank ability, and also on calibration (i.e. how accurately the probabilities output by the model map to the observed probabilities). In this study we cover the current best practices regarding calibration for binary classification, and explore how different approaches yield different results on real world credit scoring data. The limitations of evaluating credit scoring models using only rank ability metrics are explored. A benchmark is run on 18 real world datasets, and results compared. The calibration techniques used are Platt Scaling and Isotonic Regression. Also, different machine learning models are used: Logistic Regression, Random Forest Classifiers, and Gradient Boosting Classifiers. Results show that when the dataset is treated as a time series, the use of re-calibration with Isotonic Regression is able to improve the long term calibration better than the alternative methods. Using re-calibration, the non-parametric models are able to outperform the Logistic Regression on Brier Score Loss.

طبقه بندی باینری در تخمین در امتیاز دهی اعتبار بسیار استفاده می شود احتمال پیش فرض.اعتبارسنجی چنین مدلهای پیش بینی هر دو است در مورد توانایی رتبه ، و همچنین در مورد کالیبراسیون (یعنی چقدر دقیق احتمالات خروجی توسط نقشه مدل به احتمالات مشاهده شده).در این مطالعه ما پوشش می دهیم بهترین شیوه های فعلی در مورد کالیبراسیون برای طبقه بندی باینری ، و بررسی کنید که چگونه رویکردهای مختلف نتایج متفاوتی را در اعتبار دنیای واقعی به دست می آورند داده هامحدودیت های ارزیابی مدل های امتیاز دهی اعتبار فقط با استفاده از معیارهای توانایی رتبه مورد بررسی قرار گرفته است.معیار در 18 دنیای واقعی اجرا می شود مجموعه داده ها و نتایج مقایسه شده است.تکنیک های کالیبراسیون مورد استفاده Platt است مقیاس گذاری و رگرسیون ایزوتونیک.همچنین ، مدل های مختلف یادگیری ماشین مورد استفاده: رگرسیون لجستیک ، طبقه بندی های جنگلی تصادفی و تقویت شیب طبقه بندی کننده هانتایج نشان می دهد که وقتی مجموعه داده به عنوان یک سری زمانی رفتار می شود ، استفاده از کالیبراسیون مجدد با رگرسیون ایزوتونیک قادر به بهبود طولانی است کالیبراسیون ترم بهتر از روشهای جایگزین.با استفاده از کالیبراسیون مجدد ، مدلهای غیر پارامتری قادر به پیشی گرفتن از رگرسیون لجستیک در Brier هستند از دست دادن امتیاز.

Constraining the maximum likelihood density estimator to satisfy a sufficiently strong constraint, $\log-$concavity being a common example, has the effect of restoring consistency without requiring additional parameters. Since many results in economics require densities to satisfy a regularity condition, these estimators are also attractive for the structural estimation of economic models. In all of the examples of regularity conditions provided by Bagnoli and Bergstrom (2005) and Ewerhart (2013), $\log-$concavity is sufficient to ensure that the density satisfies the required conditions. However, in many cases $\log-$concavity is far from necessary, and it has the unfortunate side effect of ruling out sub-exponential tail behavior. In this paper, we use optimal transport to formulate a shape constrained density estimator. We initially describe the estimator using a $\rho-$concavity constraint. In this setting we provide results on consistency, asymptotic distribution, convexity of the optimization problem defining the estimator, and formulate a test for the null hypothesis that the population density satisfies a shape constraint. Afterward, we provide sufficient conditions for these results to hold using an arbitrary shape constraint. This generalization is used to explore whether the California Department of Transportation's decision to award construction contracts with the use of a first price auction is cost minimizing. We estimate the marginal costs of construction firms subject to Myerson's (1981) regularity condition, which is a requirement for the first price reverse auction to be cost minimizing. The proposed test fails to reject that the regularity condition is satisfied.

محدود کردن برآوردگر چگالی حداکثر احتمال برای برآورده کردن محدودیت کافی قوی ، $ \ log- $ concavity یک نمونه مشترک است ، تأثیر بازیابی قوام بدون نیاز به پارامترهای اضافی. از آنجا که بسیاری از نتایج در اقتصاد برای برآورده کردن منظم نیاز به تراکم دارند شرط ، این برآوردگرها برای برآورد ساختاری نیز جذاب هستند از مدل های اقتصادیدر تمام نمونه های شرایط منظم ارائه شده توسط Bagnoli and Bergstrom (2005) و Ewerhart (2013) ، $ \ log- $ concavity است کافی است تا اطمینان حاصل شود که چگالی شرایط مورد نیاز را برآورده می کند. با این حال ، در بسیاری از موارد $ \ log- $ concavity به دور از حد لازم است ، و دارای آن است عوارض جانبی ناگوار از اجرای رفتار دم زیر سطح. در این مقاله ، ما از حمل و نقل بهینه برای تدوین شکل محدود شده استفاده می کنیم برآوردگر چگالی.ما در ابتدا با استفاده از یک مقدار $ \ rho- $ تخمین را توصیف می کنیم محدودیتدر این تنظیم نتیجه ای در مورد قوام ، بدون علامت ارائه می دهیم توزیع ، محدب مشکل بهینه سازی تعریف برآوردگر ، و یک آزمایش برای فرضیه تهی که چگالی جمعیت را برآورده می کند ، تدوین کنید یک محدودیت شکلپس از آن ، ما شرایط کافی را برای اینها فراهم می کنیم نتایج برای نگه داشتن با استفاده از محدودیت شکل دلخواه.این تعمیم است برای بررسی اینکه آیا تصمیم حمل و نقل کالیفرنیا است اعطای قراردادهای ساختمانی با استفاده از حراج قیمت اول هزینه است به حداقل رساندنما هزینه های حاشیه ای شرکت های ساختمانی را در معرض خطر قرار می دهیم شرایط منظم مایرسون (1981) ، که برای اولین بار الزامی است حراج معکوس قیمت برای به حداقل رساندن هزینه.آزمون پیشنهادی رد نمی شود که شرایط منظم برآورده می شود.

Peer-to-peer (P2P) lending is a fast growing financial technology (FinTech) trend that is displacing traditional retail banking. Studies on P2P lending have focused on predicting individual interest rates or default probabilities. However, the relationship between aggregated P2P interest rates and the general economy will be of interest to investors and borrowers as the P2P credit market matures. We show that the variation in P2P interest rates across grade types are determined by three macroeconomic latent factors formed by Canonical Correlation Analysis (CCA) - macro default, investor uncertainty, and the fundamental value of the market. However, the variation in P2P interest rates across term types cannot be explained by the general economy.

وام به همتا (P2P) یک فناوری مالی در حال رشد سریع (fintech) است روندی که باعث جابجایی بانکداری خرده فروشی سنتی می شود.مطالعات در مورد وام P2P بر پیش بینی نرخ بهره فردی یا احتمالات پیش فرض متمرکز شده اند. با این حال ، رابطه بین نرخ بهره P2P جمع شده و عمومی اقتصاد به عنوان بازار اعتباری P2P مورد توجه سرمایه گذاران و وام گیرندگان خواهد بود بالغ شدنما نشان می دهیم که تغییر در نرخ بهره P2P در انواع درجه توسط سه عامل نهان کلان اقتصادی که توسط متعارف تشکیل شده اند تعیین می شوند تجزیه و تحلیل همبستگی (CCA) - پیش فرض کلان ، عدم اطمینان سرمایه گذار و ارزش اساسی بازار.با این حال ، تغییر در نرخ بهره P2P در میان انواع ترم نمی توان توسط اقتصاد عمومی توضیح داد.

We develop a machine learning based tool for accurate prediction of socio-economic indicators from daytime satellite imagery. The diverse set of indicators are often not intuitively related to observable features in satellite images, and are not even always well correlated with each other. Our predictive tool is more accurate than using night light as a proxy, and can be used to predict missing data, smooth out noise in surveys, monitor development progress of a region, and flag potential anomalies. Finally, we use predicted variables to do robustness analysis of a regression study of high rate of stunting in India.

ما برای پیش بینی دقیق یک ابزار مبتنی بر یادگیری ماشین ایجاد می کنیم شاخص های اقتصادی و اجتماعی از تصاویر ماهواره ای روز.مجموعه متنوع از شاخص ها اغلب به طور شهودی با ویژگی های قابل مشاهده در ارتباط ندارند تصاویر ماهواره ای ، و حتی همیشه با یکدیگر همبستگی ندارند.ما ابزار پیش بینی دقیق تر از استفاده از نور شب به عنوان یک پروکسی است و می تواند باشد برای پیش بینی داده های گمشده ، سر و صدای صاف در نظرسنجی ها ، نظارت بر توسعه پیشرفت یک منطقه و ناهنجاری های بالقوه پرچم.سرانجام ، ما از پیش بینی شده استفاده می کنیم متغیرهایی برای انجام تجزیه و تحلیل استحکام یک مطالعه رگرسیون از نرخ بالا خیره کننده در هند.

We consider the scaling laws, second-order statistics and entropy of the consumed energy of metropolis cities which are hybrid complex systems comprising social networks, engineering systems, agricultural output, economic activity and energy components. We abstract a city in terms of two fundamental variables; $s$ resource cells (of unit area) that represent energy-consuming geographic or spatial zones (e.g. land, housing or infrastructure etc.) and a population comprising $n$ mobile units that can migrate between these cells. We show that with a constant metropolis area (fixed $s$), the variance and entropy of consumed energy initially increase with $n$, reach a maximum and then eventually diminish to zero as saturation is reached. These metrics are indicators of the spatial mobility of the population. Under certain situations, the variance is bounded as a quadratic function of the mean consumed energy of the metropolis. However, when population and metropolis area are endogenous, growth in the latter is arrested when $n\leq\frac{s}{2}\log(s)$ due to diminished population density. Conversely, the population growth reaches equilibrium when $n\geq {s}\log{n}$ or equivalently when the aggregate of both over-populated and under-populated areas is large. Moreover, we also draw the relationship between our approach and multi-scalar information, when economic dependency between a metropolis's sub-regions is based on the entropy of consumed energy. Finally, if the city's economic size (domestic product etc.) is proportional to the consumed energy, then for a constant population density, we show that the economy scales linearly with the surface area (or $s$).

ما قوانین مقیاس گذاری ، آمار مرتبه دوم و آنتروپی را در نظر می گیریم انرژی مصرفی شهرهای کلانشهر که سیستم های پیچیده ترکیبی هستند شامل شبکه های اجتماعی ، سیستم های مهندسی ، تولید کشاورزی ، اقتصادی فعالیت و اجزای انرژی.ما یک شهر را از نظر دو بنیادی انتزاعی می کنیم متغیرها ؛$ S $ سلولهای منبع (از منطقه واحد) که نشان دهنده انرژی مصرف کننده است مناطق جغرافیایی یا مکانی (به عنوان مثال زمین ، مسکن یا زیرساخت و غیره) و الف جمعیت شامل واحدهای متحرک $ N $ که می توانند بین این سلول ها مهاجرت کنند.ما نشان دهید که با یک منطقه کلانشهر ثابت (ثابت $ $) ، واریانس و آنتروپی از انرژی مصرفی در ابتدا با N $ $ افزایش می یابد ، به حداکثر می رسد و سپس سرانجام با رسیدن اشباع به صفر کاهش می یابد.این معیارها هستند شاخص های تحرک مکانی جمعیت.در شرایط خاص ، واریانس به عنوان یک عملکرد درجه دوم از میانگین انرژی مصرفی محدود می شود کلانشهربا این حال ، هنگامی که جمعیت و منطقه کلانشهر درون زا هستند ، رشد در حالت دوم هنگامی دستگیر می شود که $ n \ leq \ frac {s} {2} \ log (s) $ به دلیل کاهش چگالی جمعیت.در مقابل ، رشد جمعیت می رسد تعادل هنگامی که $ n \ geq {s} \ log {n} $ یا معادل آن هنگام جمع هر دو مناطق پرجمعیت و کم جمعیت بزرگ است.علاوه بر این ، ما نیز ترسیم می کنیم رابطه بین رویکرد ما و اطلاعات چند مقیاس ، هنگامی که اقتصادی است وابستگی بین زیر مناطق کلانشهر بر اساس آنتروپی است انرژی مصرف شدهسرانجام ، اگر اندازه اقتصادی شهر (تولید داخلی و غیره) متناسب با انرژی مصرفی ، سپس برای تراکم ثابت جمعیت ، ما نشان می دهیم که اقتصاد به صورت خطی با مساحت سطح (یا $ S $) مقیاس می شود.

In economics we often face a system, which intrinsically imposes a structure of hierarchy of its components, i.e., in modelling trade accounts related to foreign exchange or in optimization of regional air protection policy. A problem of reconciliation of forecasts obtained on different levels of hierarchy has been addressed in the statistical and econometric literature for many times and concerns bringing together forecasts obtained independently at different levels of hierarchy. This paper deals with this issue in case of a hierarchical functional time series. We present and critically discuss a state of art and indicate opportunities of an application of these methods to a certain environment protection problem. We critically compare the best predictor known from the literature with our own original proposal. Within the paper we study a macromodel describing a day and night air pollution in Silesia region divided into five subregions.

در اقتصاد ما اغلب با یک سیستم روبرو هستیم که ذاتاً یک ساختار را تحمیل می کند سلسله مراتب مؤلفه های آن ، یعنی در مدل سازی حساب های تجاری مربوط به ارزی یا بهینه سازی سیاست حمایت از هوای منطقه ای. مشکل آشتی پیش بینی های به دست آمده در سطوح مختلف سلسله مراتب در ادبیات آماری و اقتصادی برای بارها و نگرانی هایی که پیش بینی های به دست آمده به طور مستقل در سطوح مختلف سلسله مراتب. این مقاله در مورد زمان عملکردی سلسله مراتبی به این موضوع می پردازد سلسله.ما در مورد یک هنر ارائه می دهیم و به طور انتقادی بحث می کنیم و نشان می دهیم فرصت های کاربرد این روش ها در یک محیط خاص مشکل حفاظتما به طور انتقادی بهترین پیش بینی کننده شناخته شده از ادبیات با پیشنهاد اصلی خودمان.در مقاله ما مطالعه می کنیم ماکرومودل توصیف آلودگی هوای یک روزه و شب در منطقه سیلسیا تقسیم شده است به پنج منطقه

In accordance with "Democracy's Effect on Development: More Questions than Answers", we seek to carry out a study in following the description in the 'Questions for Further Study.' To that end, we studied 33 countries in the Sub-Saharan Africa region, who all went through an election which should signal a "step-up" for their democracy, one in which previously homogenous regimes transfer power to an opposition party that fairly won the election. After doing so, liberal-democracy indicators and democracy indicators were evaluated in the five years prior to and after the election took place, and over that ten-year period, we examine the data for trends. If we see positive or negative trends over this time horizon, we are able to conclude that it was the recent increase in the quality of their democracy which led to it. Having investigated examples of this in depth, there seem to be three main archetypes which drive the results. Countries with positive results to their democracy from the election have generally positive effects on their development, countries with more "plateau" like results also did well, but countries for whom the descent to authoritarianism was continued by this election found more negative results.

مطابق با "تأثیر دموکراسی بر توسعه: سؤالات بیشتر از پاسخ "، ما به دنبال انجام یک مطالعه در زیر توضیحات در "سوالات برای مطالعه بیشتر."برای این منظور ، ما 33 کشور را در منطقه زیر صحرای آفریقا ، که همه در انتخابات رفتند که باید سیگنال کند "گام" برای دموکراسی آنها ، که در آن رژیم های همگن قبلاً قدرت را به یک حزب مخالف منتقل کنید که عادلانه در انتخابات پیروز شود.بعد از انجام بنابراین ، شاخص های لیبرال دموکراسی و شاخص های دموکراسی در پنج سال قبل و بعد از انتخابات و طی آن ده سال دوره ، ما داده های مربوط به روند را بررسی می کنیم.اگر روندهای مثبت یا منفی را می بینیم در این افق زمانی ، ما می توانیم نتیجه بگیریم که این افزایش اخیر بوده است در کیفیت دموکراسی آنها که منجر به آن شد.نمونه های مورد بررسی از این پس به عمق ، به نظر می رسد سه آرکیپت اصلی وجود دارد که باعث می شود نتایج.کشورهایی که از انتخابات نتیجه مثبتی به دموکراسی خود دارند به طور کلی تأثیرات مثبتی در توسعه آنها ، کشورهایی که بیشتر دارند "فلات" مانند نتایج نیز به خوبی انجام شد ، اما کشورهایی که نزول آنها را برای آنها انجام می دهند اقتدارگرایی با این انتخابات ادامه یافت و نتایج منفی بیشتری پیدا کرد.

We analyze Assessment Voting, a new two-round voting procedure that can be applied to binary decisions in democratic societies. In the first round, a randomly-selected number of citizens cast their vote on one of the two alternatives at hand, thereby irrevocably exercising their right to vote. In the second round, after the results of the first round have been published, the remaining citizens decide whether to vote for one alternative or to ab- stain. The votes from both rounds are aggregated, and the final outcome is obtained by applying the majority rule, with ties being broken by fair randomization. Within a costly voting framework, we show that large elec- torates will choose the preferred alternative of the majority with high prob- ability, and that average costs will be low. This result is in contrast with the literature on one-round voting, which predicts either higher voting costs (when voting is compulsory) or decisions that often do not represent the preferences of the majority (when voting is voluntary).

ما رأی گیری ارزیابی را تجزیه و تحلیل می کنیم ، یک روش جدید رای گیری دو دور که می تواند باشد برای تصمیمات باینری در جوامع دموکراتیک اعمال می شود.در دور اول ، الف تعداد شهروندان به طور تصادفی انتخاب شده اند و به یکی از این دو رای می دهند گزینه های دیگر در دست ، از این طریق غیرقابل برگشت به رأی رأی می دهند.که در دور دوم ، پس از انتشار نتایج دور اول ، شهروندان باقیمانده تصمیم می گیرند که به یک گزینه جایگزین رای دهند یا از بین بردن. آراء از هر دو دور جمع شده است ، و نتیجه نهایی توسط با استفاده از قانون اکثریت ، و پیوندها با تصادفی شدن منصفانه شکسته می شوند. در یک چارچوب رای گیری پر هزینه ، ما نشان می دهیم که انتخاب های بزرگ انتخاب خواهند کرد جایگزین ارجح اکثریت با توانایی زیاد ، و آن هزینه های متوسط ​​کم خواهد بود.این نتیجه در تضاد با ادبیات است رأی یک دور ، که هزینه های رای گیری بالاتر را پیش بینی می کند (هنگام رای گیری اجباری) یا تصمیماتی که اغلب ترجیحات مربوط به آن را نشان نمی دهند اکثریت (هنگام رای گیری داوطلبانه است).

We introduce new inference procedures for counterfactual and synthetic control methods for policy evaluation. We recast the causal inference problem as a counterfactual prediction and a structural breaks testing problem. This allows us to exploit insights from conformal prediction and structural breaks testing to develop permutation inference procedures that accommodate modern high-dimensional estimators, are valid under weak and easy-to-verify conditions, and are provably robust against misspecification. Our methods work in conjunction with many different approaches for predicting counterfactual mean outcomes in the absence of the policy intervention. Examples include synthetic controls, difference-in-differences, factor and matrix completion models, and (fused) time series panel data models. Our approach demonstrates an excellent small-sample performance in simulations and is taken to a data application where we re-evaluate the consequences of decriminalizing indoor prostitution. Open-source software for implementing our conformal inference methods is available.

ما روشهای استنتاج جدیدی را برای ضد عملی و مصنوعی معرفی می کنیم روش های کنترل برای ارزیابی سیاست.ما مشکل استنباط علی را دوباره اصلاح می کنیم به عنوان یک پیش بینی ضد عملی و یک مشکل آزمایش شکستگی ساختاری.این به ما اجازه می دهد تا از بینش های پیش بینی کنفورماسی و شکستگی های ساختاری سوء استفاده کنیم آزمایش برای توسعه روشهای استنباط جابجایی که مدرن است برآوردگرهای با ابعاد بالا ، تحت ضعف و آسان برای تأیید معتبر هستند شرایط ، و در برابر اشتباه اشتباه است.روشهای ما کار می کنند در رابطه با رویکردهای مختلف برای پیش بینی ضد خلاف میانگین نتایج در غیاب مداخله سیاست.نمونه ها شامل کنترل های مصنوعی ، تفاوت در اختلاف ، فاکتور و تکمیل ماتریس مدل ها و مدلهای داده پانل سری زمانی (ذوب شده).رویکرد ما نشان می دهد عملکرد عالی نمونه کوچک در شبیه سازی ها و به یک داده منتقل می شود کاربردی که ما دوباره عواقب جرم زدایی داخلی را ارزیابی می کنیم تن فروشی.نرم افزار منبع باز برای اجرای استنتاج کنفرانس ما روشها در دسترس است

Our confidence set quantifies the statistical uncertainty from data-driven group assignments in grouped panel models. It covers the true group memberships jointly for all units with pre-specified probability and is constructed by inverting many simultaneous unit-specific one-sided tests for group membership. We justify our approach under $N, T \to \infty$ asymptotics using tools from high-dimensional statistics, some of which we extend in this paper. We provide Monte Carlo evidence that the confidence set has adequate coverage in finite samples.An empirical application illustrates the use of our confidence set.

تنظیم اعتماد به نفس ما عدم اطمینان آماری را از داده محور تعیین می کند تکالیف گروهی در مدل های پانل گروهی.این عضویت گروه واقعی را پوشش می دهد به طور مشترک برای همه واحدهای دارای احتمال از پیش تعیین شده و توسط ساخته شده است معکوس بسیاری از تست های یک طرفه همزمان واحد خاص برای عضویت در گروه. ما رویکرد خود را در زیر $ n ، t \ to \ infty $ ymmptotics با استفاده از ابزارهایی توجیه می کنیم آمار با ابعاد بالا ، که برخی از آنها در این مقاله گسترش می یابیم.ما فراهم می کنیم مونت کارلو شواهد نشان می دهد که مجموعه اعتماد به نفس دارای پوشش کافی در محدود است نمونه. برنامه تجربی استفاده از مجموعه اعتماد به نفس ما را نشان می دهد.

In this paper, a new and convenient $\chi^2$ wald test based on MCMC outputs is proposed for hypothesis testing. The new statistic can be explained as MCMC version of Wald test and has several important advantages that make it very convenient in practical applications. First, it is well-defined under improper prior distributions and avoids Jeffrey-Lindley's paradox. Second, it's asymptotic distribution can be proved to follow the $\chi^2$ distribution so that the threshold values can be easily calibrated from this distribution. Third, it's statistical error can be derived using the Markov chain Monte Carlo (MCMC) approach. Fourth, most importantly, it is only based on the posterior MCMC random samples drawn from the posterior distribution. Hence, it is only the by-product of the posterior outputs and very easy to compute. In addition, when the prior information is available, the finite sample theory is derived for the proposed test statistic. At last, the usefulness of the test is illustrated with several applications to latent variable models widely used in economics and finance.

در این مقاله ، یک تست جدید و راحت \ chi^2 $ والد بر اساس خروجی MCMC برای آزمایش فرضیه پیشنهاد شده است.آمار جدید را می توان به عنوان MCMC توضیح داد نسخه تست والد و چندین مزیت مهم دارد که آن را بسیار می کند در برنامه های عملی مناسب است.اول ، تحت نامناسب تعریف شده است توزیع قبلی و از پارادوکس جفری لیندلی جلوگیری می کند.دوم ، این است توزیع بدون علامت را می توان اثبات کرد که از توزیع $ \ chi^2 $ بنابراین پیروی می کند که مقادیر آستانه را می توان به راحتی از این توزیع کالیبره کرد. سوم ، خطای آماری می تواند با استفاده از زنجیره مارکوف مونت کارلو انجام شود رویکرد (MCMC).چهارم ، از همه مهمتر ، فقط بر اساس خلفی استوار است نمونه های تصادفی MCMC که از توزیع خلفی گرفته شده است.از این رو ، فقط است محصول جانبی خروجی های خلفی و محاسبه بسیار آسان است.علاوه بر این، هنگامی که اطلاعات قبلی در دسترس است ، نظریه نمونه محدود مشتق می شود برای آمار آزمون پیشنهادی.سرانجام ، سودمندی آزمون است با چندین برنامه برای مدل های متغیر نهفته که به طور گسترده در آن استفاده می شود نشان داده شده است اقتصاد و امور مالی.

This paper compares alternative univariate versus multivariate models, frequentist versus Bayesian autoregressive and vector autoregressive specifications, for hourly day-ahead electricity prices, both with and without renewable energy sources. The accuracy of point and density forecasts are inspected in four main European markets (Germany, Denmark, Italy and Spain) characterized by different levels of renewable energy power generation. Our results show that the Bayesian VAR specifications with exogenous variables dominate other multivariate and univariate specifications, in terms of both point and density forecasting.

در این مقاله ، یک متغیر جایگزین در مقابل مدلهای چند متغیره مقایسه شده است ، مکرر در مقابل خودجوش و بردار بیزی خودجوش مشخصات ، برای قیمت های برق روزانه ، چه با و چه با آن منابع انرژی تجدیدپذیر.دقت پیش بینی های نقطه و چگالی است در چهار بازار اصلی اروپا بازرسی شده است (آلمان ، دانمارک ، ایتالیا و اسپانیا) مشخص می شود که با سطوح مختلف تولید انرژی تجدید پذیر.ما نتایج نشان می دهد که مشخصات VAR Bayesian با متغیرهای برونزا بر سایر مشخصات چند متغیره و یک متغیره ، از نظر هر دو تسلط داشته باشید پیش بینی نقطه و چگالی.

An intensive research sprang up for stochastic methods in insurance during the past years. To meet all future claims rising from policies, it is requisite to quantify the outstanding loss liabilities. Loss reserving methods based on aggregated data from run-off triangles are predominantly used to calculate the claims reserves. Conventional reserving techniques have some disadvantages: loss of information from the policy and the claim's development due to the aggregation, zero or negative cells in the triangle; usually small number of observations in the triangle; only few observations for recent accident years; and sensitivity to the most recent paid claims. To overcome these dilemmas, granular loss reserving methods for individual claim-by-claim data will be derived. Reserves' estimation is a crucial part of the risk valuation process, which is now a front burner in economics. Since there is a growing demand for prediction of total reserves for different types of claims or even multiple lines of business, a time-varying copula framework for granular reserving will be established.

یک تحقیق فشرده برای روشهای تصادفی در بیمه در طول سالهای گذشتهبرای برآورده کردن تمام ادعاهای آینده که از سیاست ها برخاست ، لازم است برای تعیین کمیت بدهی های ضرر برجسته.روشهای رزرو از دست دادن بر اساس داده های جمع شده از مثلث های رواناب عمدتاً برای محاسبه استفاده می شود ذخایر ادعا می کند.تکنیک های رزرواسیون متعارف برخی از معایب را دارند: از دست دادن اطلاعات از این سیاست و توسعه ادعا به دلیل تجمع ، سلولهای صفر یا منفی در مثلث.معمولاً تعداد کمی از مشاهدات در مثلث ؛فقط تعداد کمی از مشاهدات برای سالهای حادثه اخیر ؛ و حساسیت به جدیدترین مطالبات پرداخت شده. برای غلبه بر این معضلات ، روشهای رزرو از دست دادن دانه برای فرد داده های ادعای ادعای حاصل می شود.برآورد ذخایر بخش مهمی از فرایند ارزیابی خطر ، که اکنون مشعل جلوی اقتصاد است.از آنجا که تقاضای فزاینده ای برای پیش بینی کل ذخایر برای انواع مختلف وجود دارد از ادعاها یا حتی چندین خط تجاری ، یک چارچوب کوپلا با زمان متغیر برای رزرو گرانول ایجاد می شود.

The purpose of this article is to propose a new "theory," the Strategic Analysis of Financial Markets (SAFM) theory, that explains the operation of financial markets using the analytical perspective of an enlightened gambler. The gambler understands that all opportunities for superior performance arise from suboptimal decisions by humans, but understands also that knowledge of human decision making alone is not enough to understand market behavior --- one must still model how those decisions lead to market prices. Thus are there three parts to the model: gambling theory, human decision making, and strategic problem solving. A new theory is necessary because at this writing in 2017, there is no theory of financial markets acceptable to both practitioners and theorists. Theorists' efficient market theory, for example, cannot explain bubbles and crashes nor the exceptional returns of famous investors and speculators such as Warren Buffett and George Soros. At the same time, a new theory must be sufficiently quantitative, explain market "anomalies" and provide predictions in order to satisfy theorists. It is hoped that the SAFM framework will meet these requirements.

هدف از این مقاله ارائه "نظریه" جدید ، استراتژیک است تجزیه و تحلیل نظریه بازارهای مالی (SAFM) ، که عملکرد آن را توضیح می دهد بازارهای مالی با استفاده از دیدگاه تحلیلی یک قمارباز روشنفکر. قمارباز می فهمد که تمام فرصت های عملکرد برتر بوجود می آید از تصمیمات زیر حد متوسط ​​انسان ، اما این دانش را نیز درک می کند تصمیم گیری انسانی به تنهایی برای درک رفتار بازار کافی نیست --- یک هنوز هم باید الگوبرداری کنید که چگونه این تصمیمات منجر به قیمت بازار می شود.بنابراین وجود دارد سه بخش به مدل: نظریه قمار ، تصمیم گیری انسانی و استراتژیک حل مسئلهیک تئوری جدید ضروری است زیرا در این نوشتار در سال 2017 ، هیچ تئوری در مورد بازارهای مالی قابل قبول برای پزشکان و نظریه پردازانبه عنوان مثال ، نظریه بازار کارآمد نظریه پردازان نمی تواند توضیح دهد حباب و تصادف و نه بازده استثنایی سرمایه گذاران مشهور و دلالان مانند وارن بافت و جورج سوروس.در عین حال ، یک جدید نظریه باید به اندازه کافی کمی باشد ، "ناهنجاری ها" بازار را توضیح دهید و پیش بینی هایی را برای برآورده کردن نظریه پردازان ارائه دهید.امید است که SAFM چارچوب این الزامات را برآورده می کند.

This note proves that the representation of the Allen elasticity of substitution obtained by Uzawa for linear homogeneous functions holds true for nonhomogeneous functions. It is shown that the criticism of the Allen-Uzawa elasticity of substitution in the works of Blackorby, Primont, Russell is based on an incorrect example.

این یادداشت ثابت می کند که نمایندگی خاصیت ارتجاعی آلن از تعویض به دست آمده توسط اوزاوا برای توابع همگن خطی برای توابع غیر همگن.نشان داده شده است که انتقاد از آلن-اوزاوا خاصیت ارتجاعی جایگزینی در آثار بلکوربی ، پریمنت ، راسل مستقر است در یک مثال نادرست

To determine the welfare implications of price changes in demand data, we introduce a revealed preference relation over prices. We show that the absence of cycles in this relation characterizes a consumer who trades off the utility of consumption against the disutility of expenditure. Our model can be applied whenever a consumer's demand over a strict subset of all available goods is being analyzed; it can also be extended to settings with discrete goods and nonlinear prices. To illustrate its use, we apply our model to a single-agent data set and to a data set with repeated cross-sections. We develop a novel test of linear hypotheses on partially identified parameters to estimate the proportion of the population who are revealed better off due to a price change in the latter application. This new technique can be used for nonparametric counterfactual analysis more broadly.

برای تعیین پیامدهای رفاهی تغییرات قیمت در داده های تقاضا ، ما یک رابطه ترجیحی آشکار را نسبت به قیمت ها معرفی کنید.ما نشان می دهیم که غیبت چرخه های موجود در این رابطه ، مصرف کننده ای را نشان می دهد که از ابزار معامله می کند مصرف در برابر ناسازگاری هزینه.مدل ما قابل استفاده است هر زمان که تقاضای مصرف کننده بیش از یک زیر مجموعه سخت از همه کالاهای موجود باشد تجزیه و تحلیلهمچنین می تواند در تنظیمات با کالاهای گسسته گسترش یابد و قیمت های غیرخطی.برای نشان دادن استفاده از آن ، ما مدل خود را در یک عامل واحد اعمال می کنیم مجموعه داده ها و مجموعه داده ها با مقطع مکرر.ما یک رمان ایجاد می کنیم آزمون فرضیه های خطی در پارامترهای تا حدی شناسایی شده برای برآورد نسبت جمعیتی که به دلیل تغییر قیمت بهتر آشکار می شوند در برنامه دوماین روش جدید می تواند برای غیرپارامتری استفاده شود تجزیه و تحلیل متقابل به طور گسترده تر.

This article is a prologue to the article "Why Markets are Inefficient: A Gambling 'Theory' of Financial Markets for Practitioners and Theorists." It presents important background for that article --- why gambling is important, even necessary, for real-world traders --- the reason for the superiority of the strategic/gambling approach to the competing market ideologies of market fundamentalism and the scientific approach --- and its potential to uncover profitable trading systems. Much of this article was drawn from Chapter 1 of the book "The Strategic Analysis of Financial Markets (in 2 volumes)" World Scientific, 2017.

این مقاله پیش نویس مقاله است "چرا بازارها ناکارآمد هستند: الف قمار "نظریه" بازارهای مالی برای پزشکان و نظریه پردازان. " پیش زمینه مهمی را برای آن مقاله ارائه می دهد --- چرا قمار مهم است ، حتی لازم است ، برای معامله گران دنیای واقعی --- دلیل برتری رویکرد استراتژیک/قمار به ایدئولوژی های بازار رقیب بازار بنیادگرایی و رویکرد علمی --- و پتانسیل آن برای کشف سیستم های تجاری سودآور.بخش اعظم این مقاله از فصل 1 تهیه شده است کتاب "تجزیه و تحلیل استراتژیک بازارهای مالی (در 2 جلد)" جهان علمی ، 2017.

This paper introduces estimation methods for grouped latent heterogeneity in panel data quantile regression. We assume that the observed individuals come from a heterogeneous population with a finite number of types. The number of types and group membership is not assumed to be known in advance and is estimated by means of a convex optimization problem. We provide conditions under which group membership is estimated consistently and establish asymptotic normality of the resulting estimators. Simulations show that the method works well in finite samples when T is reasonably large. To illustrate the proposed methodology we study the effects of the adoption of Right-to-Carry concealed weapon laws on violent crime rates using panel data of 51 U.S. states from 1977 - 2010.

در این مقاله روشهای تخمین برای ناهمگونی نهفته گروهی در داده های پانل رگرسیون کوزه ای.ما فرض می کنیم که افراد مشاهده شده آمده اند از یک جمعیت ناهمگن با تعداد محدودی از انواع.تعداد فرض بر این است که انواع و عضویت گروهی از قبل شناخته شده است و هست با استفاده از یک مشکل بهینه سازی محدب تخمین زده می شود.ما شرایط را ارائه می دهیم تحت کدام عضویت گروه به طور مداوم تخمین زده می شود و بدون علامت تعیین می شود نرمال بودن برآوردگرهای حاصل.شبیه سازی ها نشان می دهد که این روش کار می کند خوب در نمونه های محدود وقتی T از نظر منطقی بزرگ است.برای نشان دادن پیشنهادی متدولوژی ما اثرات اتخاذ شده از حق حمل و نقل پنهان را بررسی می کنیم قوانین سلاح در مورد میزان جرم خشونت آمیز با استفاده از داده های پانل 51 ایالت ایالات متحده از سال 1977 - 2010.

Many applications involve a censored dependent variable and an endogenous independent variable. Chernozhukov et al. (2015) introduced a censored quantile instrumental variable estimator (CQIV) for use in those applications, which has been applied by Kowalski (2016), among others. In this article, we introduce a Stata command, cqiv, that simplifes application of the CQIV estimator in Stata. We summarize the CQIV estimator and algorithm, we describe the use of the cqiv command, and we provide empirical examples.

بسیاری از برنامه ها شامل یک متغیر وابسته سانسور و درون زا هستند متغیر مستقلChernozhukov و همکاران.(2015) کمی سانسور شده را معرفی کرد برآوردگر متغیر ابزاری (CQIV) برای استفاده در آن برنامه ها ، که دارد در میان دیگران توسط کوالسکی (2016) اعمال شده است.در این مقاله ، ما را معرفی می کنیم دستور Stata ، CQIV ، که کاربرد برآوردگر CQIV را در Stata ساده می کند. ما برآوردگر و الگوریتم CQIV را خلاصه می کنیم ، استفاده از CQIV را شرح می دهیم فرمان ، و ما نمونه های تجربی را ارائه می دهیم.

In this paper we forecast daily returns of crypto-currencies using a wide variety of different econometric models. To capture salient features commonly observed in financial time series like rapid changes in the conditional variance, non-normality of the measurement errors and sharply increasing trends, we develop a time-varying parameter VAR with t-distributed measurement errors and stochastic volatility. To control for overparameterization, we rely on the Bayesian literature on shrinkage priors that enables us to shrink coefficients associated with irrelevant predictors and/or perform model specification in a flexible manner. Using around one year of daily data we perform a real-time forecasting exercise and investigate whether any of the proposed models is able to outperform the naive random walk benchmark. To assess the economic relevance of the forecasting gains produced by the proposed models we moreover run a simple trading exercise.

در این مقاله ما پیش بینی می کنیم روزانه ارزهای رمزپایه با استفاده از گسترده تنوع مدلهای مختلف اقتصاد سنجی.برای گرفتن ویژگی های برجسته معمولاً در سری زمانی مالی مانند تغییرات سریع در شرطی مشاهده شده است واریانس ، غیر طبیعی بودن خطاهای اندازه گیری و به شدت در حال افزایش است روندها ، ما یک پارامتر متغیر متغیر با اندازه گیری T- توزیع شده ایجاد می کنیم خطا و نوسانات تصادفی.برای کنترل بیش از حد دیگر ، ما متکی هستیم در ادبیات بیزی در مورد Priors کوچک شدن که ما را قادر به کوچک شدن می کند ضرایب مرتبط با پیش بینی کننده های نامربوط و/یا مدل را انجام می دهد مشخصات به روشی انعطاف پذیر.با استفاده از حدود یک سال از داده های روزانه ما یک تمرین پیش بینی در زمان واقعی انجام دهید و بررسی کنید که آیا هر یک از این موارد مدل های پیشنهادی قادر به پیشی گرفتن از معیار پیاده روی تصادفی ساده لوحانه هستند.به ارتباط اقتصادی دستاوردهای پیش بینی شده توسط پیشنهادی را ارزیابی کنید علاوه بر این ، ما یک تمرین تجاری ساده را اجرا می کنیم.

The primary goal of this study is doing a meta-analysis research on two groups of published studies. First, the ones that focus on the evaluation of the United States Department of Agriculture (USDA) forecasts and second, the ones that evaluate the market reactions to the USDA forecasts. We investigate four questions. 1) How the studies evaluate the accuracy of the USDA forecasts? 2) How they evaluate the market reactions to the USDA forecasts? 3) Is there any heterogeneity in the results of the mentioned studies? 4) Is there any publication bias? About the first question, while some researchers argue that the forecasts are unbiased, most of them maintain that they are biased, inefficient, not optimal, or not rational. About the second question, while a few studies claim that the forecasts are not newsworthy, most of them maintain that they are newsworthy, provide useful information, and cause market reactions. About the third and the fourth questions, based on our findings, there are some clues that the results of the studies are heterogeneous, but we didn't find enough evidences of publication bias.

هدف اصلی این مطالعه انجام یک تحقیق متاآنالیز در دو مورد است گروه های مطالعات منتشر شده.اول ، آنهایی که روی ارزیابی تمرکز می کنند پیش بینی وزارت کشاورزی ایالات متحده (USDA) و دوم ، مواردی که واکنش بازار را به پیش بینی های USDA ارزیابی می کنند.ما تحقیق می کنیم چهار سوال1) چگونه مطالعات صحت پیش بینی های USDA را ارزیابی می کند؟ 2) چگونه آنها واکنش های بازار را به پیش بینی های USDA ارزیابی می کنند؟3) وجود دارد آیا ناهمگونی در نتایج مطالعات ذکر شده وجود دارد؟4) آیا وجود دارد تعصب انتشار؟در مورد سوال اول ، در حالی که برخی از محققان استدلال می کنند پیش بینی ها بی طرفانه هستند ، بیشتر آنها معتقدند که مغرضانه هستند ، ناکارآمد ، بهینه نیست ، یا منطقی نیست.در مورد سوال دوم ، در حالی که a تعداد کمی از مطالعات ادعا می کنند که پیش بینی ها دارای خبرنامه نیستند ، بیشتر آنها حفظ می کنند اینکه آنها دارای خبرنامه هستند ، اطلاعات مفیدی را ارائه می دهند و باعث ایجاد بازار می شوند واکنش هادر مورد سؤالات سوم و چهارم ، بر اساس یافته های ما ، سرنخ هایی وجود دارد که نتایج مطالعات ناهمگن است ، اما ما شواهد کافی در مورد تعصب انتشار پیدا نکرد.

This paper extends endogenous economic growth models to incorporate knowledge externality. We explores whether spatial knowledge spillovers among regions exist, whether spatial knowledge spillovers promote regional innovative activities, and whether external knowledge spillovers affect the evolution of regional innovations in the long run. We empirically verify the theoretical results through applying spatial statistics and econometric model in the analysis of panel data of 31 regions in China. An accurate estimate of the range of knowledge spillovers is achieved and the convergence of regional knowledge growth rate is found, with clear evidences that developing regions benefit more from external knowledge spillovers than developed regions.

این مقاله مدلهای رشد اقتصادی درون زا را برای ترکیب دانش گسترش می دهد خارجی بودنما بررسی می کنیم که آیا دانش فضایی در بین مناطق سرریز می شود وجود داشته باشد ، خواه سرریز دانش فضایی باعث تقویت نوآورانه منطقه شود فعالیت ها ، و اینکه آیا سرریز دانش خارجی بر تکامل تأثیر می گذارد نوآوری های منطقه ای در دراز مدت.ما به صورت تجربی نظری را تأیید می کنیم نتایج از طریق استفاده از آمار مکانی و مدل اقتصاد سنجی در تجزیه و تحلیل داده های پانل 31 منطقه در چین.یک برآورد دقیق از طیف وسیعی از سرریزهای دانش و همگرایی منطقه ای حاصل می شود نرخ رشد دانش ، با شواهد واضح و روشن که مناطق در حال توسعه است پیدا می شود بیشتر از مناطق توسعه یافته از سرریزهای دانش خارجی بهره مند شوید.

We consider collective decision making when the society consists of groups endowed with voting weights. Each group chooses an internal rule that specifies the allocation of its weight to the alternatives as a function of its members' preferences. Under fairly general conditions, we show that the winner-take-all rule is a dominant strategy, while the equilibrium is Pareto dominated, highlighting the dilemma structure between optimality for each group and for the whole society. We also develop a technique for asymptotic analysis and show Pareto dominance of the proportional rule. Our numerical computation for the US Electoral College verifies its sensibility.

ما تصمیم گیری جمعی را در نظر می گیریم که جامعه از گروه ها تشکیل شود وقف وزن رأی گیری.هر گروه یک قانون داخلی را انتخاب می کند که مشخص می کند تخصیص وزن آن به گزینه های دیگر به عنوان تابعی از اعضای آن اولویت ها.در شرایط نسبتاً کلی ، ما نشان می دهیم که برنده همه قانون یک استراتژی غالب است ، در حالی که تعادل تحت سلطه پارتو است ، برجسته کردن ساختار معضل بین بهینه برای هر گروه و برای کل جامعهما همچنین یک تکنیک برای تجزیه و تحلیل بدون علامت ایجاد می کنیم و نشان می دهیم تسلط پارتو بر قانون متناسب.محاسبه عددی ما برای ایالات متحده کالج انتخاباتی حساسیت خود را تأیید می کند.

Since exchange economy considerably varies in the market assets, asset prices have become an attractive research area for investigating and modeling ambiguous and uncertain information in today markets. This paper proposes a new generative uncertainty mechanism based on the Bayesian Inference and Correntropy (BIC) technique for accurately evaluating asset pricing in markets. This technique examines the potential processes of risk, ambiguity, and variations of market information in a controllable manner. We apply the new BIC technique to a consumption asset-pricing model in which the consumption variations are modeled using the Bayesian network model with observing the dynamics of asset pricing phenomena in the data. These dynamics include the procyclical deviations of price, the countercyclical deviations of equity premia and equity volatility, the leverage impact and the mean reversion of excess returns. The key findings reveal that the precise modeling of asset information can estimate price changes in the market effectively.

از آنجا که اقتصاد مبادله به طور قابل توجهی در دارایی های بازار متفاوت است ، قیمت دارایی برای بررسی و مدل سازی به یک منطقه تحقیقاتی جذاب تبدیل شده اند اطلاعات مبهم و نامشخص در بازارهای امروز.این مقاله جدید را پیشنهاد می کند مکانیسم عدم قطعیت تولید بر اساس استنباط بیزی و تکنیک Correntropy (BIC) برای ارزیابی دقیق قیمت گذاری دارایی در بازارها. این تکنیک فرآیندهای بالقوه خطر ، ابهام و تغییرات اطلاعات بازار به روشی قابل کنترل.ما BIC جدید را اعمال می کنیم تکنیک به یک مدل قیمت گذاری دارایی مصرف که در آن مصرف تغییرات با استفاده از مدل شبکه بیزی با مشاهده پویایی پدیده قیمت گذاری دارایی در داده ها.این پویایی ها شامل موارد انحرافات پرویکلیکی از قیمت ، انحرافات ضد چرخه از حقوق صاحبان سهام نوسانات حق بیمه و سهام ، تأثیر اهرم و میانگین برگشت بازده اضافییافته های کلیدی نشان می دهد که مدل سازی دقیق دارایی اطلاعات می توانند تغییرات قیمت در بازار را به طور مؤثر تخمین بزنند.

We consider identification and estimation of nonseparable sample selection models with censored selection rules. We employ a control function approach and discuss different objects of interest based on (1) local effects conditional on the control function, and (2) global effects obtained from integration over ranges of values of the control function. We derive the conditions for the identification of these different objects and suggest strategies for estimation. Moreover, we provide the associated asymptotic theory. These strategies are illustrated in an empirical investigation of the determinants of female wages in the United Kingdom.

ما شناسایی و تخمین انتخاب نمونه غیرقابل تفکیک را در نظر می گیریم مدل هایی با قوانین انتخاب سانسور.ما از یک رویکرد عملکرد کنترل استفاده می کنیم و در مورد اشیاء مختلف مورد علاقه براساس (1) اثرات محلی مشروط به بحث عملکرد کنترل ، و (2) اثرات جهانی به دست آمده از ادغام بیش از محدوده مقادیر عملکرد کنترل.ما شرایط را برای شناسایی این اشیاء مختلف و استراتژی هایی را برای برآورد کردن.علاوه بر این ، ما نظریه بدون علامت مرتبط را ارائه می دهیم.اینها استراتژی ها در یک تحقیق تجربی از عوامل تعیین کننده نشان داده شده است دستمزد زن در انگلستان.

We analyzed 2012 and 2016 YouGov pre-election polls in order to understand how different population groups voted in the 2012 and 2016 elections. We broke the data down by demographics and state. We display our findings with a series of graphs and maps. The R code associated with this project is available at https://github.com/rtrangucci/mrp_2016_election/.

ما نظرسنجی های قبل از انتخابات 2012 و 2016 را به منظور درک تجزیه و تحلیل کردیم چگونه گروه های مختلف جمعیتی در انتخابات 2012 و 2016 رای دادند.شکستیم داده ها توسط جمعیتی و دولت پایین می آیند.ما یافته های خود را با یک سری نمایش می دهیم نمودارها و نقشه ها.کد R مرتبط با این پروژه در موجود است https://github.com/rtrangucci/mrp_2016_election/.

This study proposes a mixed logit model with multivariate nonparametric finite mixture distributions. The support of the distribution is specified as a high-dimensional grid over the coefficient space, with equal or unequal intervals between successive points along the same dimension; the location of each point on the grid and the probability mass at that point are model parameters that need to be estimated. The framework does not require the analyst to specify the shape of the distribution prior to model estimation, but can approximate any multivariate probability distribution function to any arbitrary degree of accuracy. The grid with unequal intervals, in particular, offers greater flexibility than existing multivariate nonparametric specifications, while requiring the estimation of a small number of additional parameters. An expectation maximization algorithm is developed for the estimation of these models. Multiple synthetic datasets and a case study on travel mode choice behavior are used to demonstrate the value of the model framework and estimation algorithm. Compared to extant models that incorporate random taste heterogeneity through continuous mixture distributions, the proposed model provides better out-of-sample predictive ability. Findings reveal significant differences in willingness to pay measures between the proposed model and extant specifications. The case study further demonstrates the ability of the proposed model to endogenously recover patterns of attribute non-attendance and choice set formation.

این مطالعه یک مدل ورود به سیستم مختلط را با غیر پارامتری چند متغیره پیشنهاد می کند توزیع مخلوط محدود.پشتیبانی از توزیع به عنوان a مشخص شده است شبکه با ابعاد بالا در فضای ضریب ، با مساوی یا نابرابر فاصله بین نقاط پی در پی در همان بعد ؛محل هر نقطه روی شبکه و احتمال جرم در آن نقطه مدل است پارامترهایی که باید تخمین زده شوند.چارچوب نیازی به تحلیلگر برای مشخص کردن شکل توزیع قبل از تخمین مدل ، اما می تواند هر عملکرد توزیع احتمال چند متغیره را به هر یک تقریب دهد درجه خودسرانه دقت.شبکه با فواصل نابرابر ، به ویژه ، انعطاف پذیری بیشتری نسبت به غیر پارامتری چند متغیره موجود ارائه می دهد مشخصات ، در حالی که نیاز به تخمین تعداد کمی از موارد اضافی دارد مولفه های.الگوریتم حداکثر انتظار برای تخمین این مدل ها.چندین مجموعه داده مصنوعی و یک مطالعه موردی در رفتار انتخاب حالت سفر برای نشان دادن ارزش مدل استفاده می شود چارچوب و الگوریتم تخمین.در مقایسه با مدل های موجود که شامل می شوند ناهمگونی طعم تصادفی از طریق توزیع مخلوط مداوم ، مدل پیشنهادی توانایی پیش بینی بهتر از نمونه را فراهم می کند.یافته ها تفاوتهای قابل توجهی در تمایل به پرداخت اقدامات بین مدل پیشنهادی و مشخصات موجود.مطالعه موردی بیشتر نشان می دهد توانایی مدل پیشنهادی برای بازیابی درون زا الگوهای ویژگی شکل گیری تنظیم نشده و انتخاب.

To what extent, hiring incentives targeting a specific group of vulnerable unemployed (i.e. long term unemployed) are more effective, with respect to generalised incentives (without a definite target), to increase hirings of the targeted group? Are generalized incentives able to influence hirings of the vulnerable group? Do targeted policies have negative side effects too important to accept them? Even though there is a huge literature on hiring subsidies, these questions remained unresolved. We tried to answer them, comparing the impact of two similar hiring policies, one oriented towards a target group and one generalised, implemented on the italian labour market. We used administrative data on job contracts, and counterfactual analysis methods. The targeted policy had a positive and significant impact, while the generalized policy didn't have a significant impact on the vulnerable group. Moreover, we concluded the targeted policy didn't have any indirect negative side effect.

تا چه حد ، استخدام مشوق هایی که گروه خاصی از آسیب پذیر را هدف قرار می دهند بیکار (یعنی بیکار بلند مدت) با توجه به مشوق های عمومی (بدون هدف مشخص) ، برای افزایش استخدام های گروه هدفمند؟مشوق های عمومی هستند که قادر به تأثیرگذاری بر استخدامهای هستند گروه آسیب پذیر؟آیا سیاست های هدفمند عوارض جانبی منفی بیش از حد مهم دارند آنها را بپذیرید؟حتی اگر ادبیات عظیمی در مورد استخدام یارانه وجود داشته باشد ، این سؤالات حل نشده باقی مانده است.ما سعی کردیم به آنها پاسخ دهیم ، با مقایسه تأثیر دو سیاست استخدام مشابه ، یکی گرا به یک گروه هدف و یکی تعمیم یافته ، در بازار کار ایتالیا اجرا شد.ما با استفاده از داده های اداری در مورد قراردادهای شغلی و روشهای تجزیه و تحلیل ضد خلاف.در سیاست هدفمند تأثیر مثبت و قابل توجهی داشت ، در حالی که تعمیم یافته است سیاست تأثیر قابل توجهی در گروه آسیب پذیر نداشت.علاوه بر این ، ما نتیجه گرفت که سیاست هدفمند هیچ عارضه جانبی منفی غیرمستقیم ندارد.

We develop a behavioral asset pricing model in which agents trade in a market with information friction. Profit-maximizing agents switch between trading strategies in response to dynamic market conditions. Due to noisy private information about the fundamental value, the agents form different evaluations about heterogeneous strategies. We exploit a thin set---a small sub-population---to pointly identify this nonlinear model, and estimate the structural parameters using extended method of moments. Based on the estimated parameters, the model produces return time series that emulate the moments of the real data. These results are robust across different sample periods and estimation methods.

ما یک مدل قیمت گذاری دارایی رفتاری را تهیه می کنیم که در آن نمایندگان در یک بازار تجارت می کنند با اصطکاک اطلاعاتعوامل حداکثر سود بین تجارت تغییر می کنند استراتژی ها در پاسخ به شرایط پویا بازار.به دلیل خصوصی پر سر و صدا اطلاعات مربوط به ارزش اساسی ، نمایندگان ارزیابی های مختلفی را تشکیل می دهند درباره استراتژی های ناهمگن.ما از یک مجموعه نازک استفاده می کنیم --- کوچک جمعیت زیر جمعیت --- برای شناسایی این مدل غیرخطی ، و تخمین پارامترهای ساختاری با استفاده از روش گسترده لحظات.بر اساس تخمین زده شده پارامترها ، مدل سری زمانی بازگشت را تولید می کند که لحظات را تقلید می کند داده های واقعیاین نتایج در دوره های مختلف نمونه قوی است و روشهای تخمین.

We discuss the strategy that rational agents can use to maximize their expected long-term payoff in the co-action minority game. We argue that the agents will try to get into a cyclic state, where each of the $(2N +1)$ agent wins exactly $N$ times in any continuous stretch of $(2N+1)$ days. We propose and analyse a strategy for reaching such a cyclic state quickly, when any direct communication between agents is not allowed, and only the publicly available common information is the record of total number of people choosing the first restaurant in the past. We determine exactly the average time required to reach the periodic state for this strategy. We show that it varies as $(N/\ln 2) [1 + \alpha \cos (2 \pi \log_2 N)$], for large $N$, where the amplitude $\alpha$ of the leading term in the log-periodic oscillations is found be $\frac{8 \pi^2}{(\ln 2)^2} \exp{(- 2 \pi^2/\ln 2)} \approx {\color{blue}7 \times 10^{-11}}$.

ما در مورد استراتژی که عوامل منطقی می توانند برای به حداکثر رساندن آنها استفاده کنند ، بحث می کنیم بازپرداخت طولانی مدت در بازی اقلیت همکار.ما استدلال می کنیم که نمایندگان سعی می کنند وارد یک حالت چرخه ای شوند ، جایی که هر یک از عامل $ (2n +1) $ $ در هر روز مداوم $ (2n+1) روزهای $ ، دقیقاً $ n $ برنده می شود.ما پیشنهاد می کنیم و یک استراتژی برای رسیدن به چنین وضعیت چرخه ای را به سرعت ، در صورت وجود تجزیه و تحلیل کنید ارتباط مستقیم بین نمایندگان مجاز نیست و فقط به طور عمومی اطلاعات مشترک موجود ، سابقه تعداد کل افراد انتخاب شده است اولین رستوران در گذشته.ما دقیقاً زمان متوسط ​​را تعیین می کنیم برای رسیدن به حالت تناوبی برای این استراتژی مورد نیاز است.ما نشان می دهیم که متفاوت است به عنوان $ (n/\ ln 2) [1 + \ alpha \ cos (2 \ pi \ log_2 n) $] ، برای بزرگ $ n $ ، جایی که دامنه $ \ alpha $ از اصطلاح پیشرو در نوسانات دوره دوره ای است پیدا شده $ \ frac {8 \ pi^2} {(\ ln 2)^2} \ exp {(- 2 \ pi^2/\ ln 2)} \ تقریبی {\ Color {Blue} 7 \ ​​Times 10^{-11}} $.

Energy policy in Europe has been driven by the three goals of security of supply, economic competitiveness and environmental sustainability, referred to as the energy trilemma. Although there are clear conflicts within the trilemma, member countries have acted to facilitate a fully integrated European electricity market. Interconnection and cross-border electricity trade has been a fundamental part of such market liberalisation. However, it has been suggested that consumers are exposed to a higher price volatility as a consequence of interconnection. Furthermore, during times of energy shortages and high demand, issues of national sovereignty take precedence over cooperation. In this article, the unique and somewhat peculiar conditions of early 2017 within France, Germany and the United Kingdom have been studied to understand how the existing integration arrangements address the energy trilemma. It is concluded that the dominant interests are economic and national security; issues of environmental sustainability are neglected or overridden. Although the optimisation of European electricity generation to achieve a lower overall carbon emission is possible, such a goal is far from being realised. Furthermore, it is apparent that the United Kingdom, and other countries, cannot rely upon imports from other countries during periods of high demand and/or limited supply.

سیاست انرژی در اروپا با سه هدف امنیت هدایت شده است عرضه ، رقابت اقتصادی و پایداری محیط زیست ، به آن اشاره شده است به عنوان سه گانه انرژی.اگرچه درگیری های واضحی در Trilemma وجود دارد ، اما کشورهای عضو برای تسهیل یک اروپایی کاملاً یکپارچه عمل کرده اند بازار برق.تجارت برق و مرزی مرزی بوده است بخش اساسی از چنین آزادسازی بازار.با این حال ، چنین بوده است پیشنهاد کرد که مصرف کنندگان در معرض نوسانات قیمت بالاتر به عنوان یک نتیجه اتصال.علاوه بر این ، در زمان کمبود انرژی و تقاضای زیاد ، موضوعات حاکمیت ملی بر این امر برتری دارد مشارکت.در این مقاله ، شرایط منحصر به فرد و تا حدودی عجیب و غریب در اوایل سال 2017 در فرانسه ، آلمان و انگلستان مورد مطالعه قرار گرفته است درک کنید که چگونه ترتیبات ادغام موجود به انرژی می پردازد سه گانهنتیجه گرفته می شود که منافع غالب اقتصادی و ملی است امنیت؛موضوعات مربوط به پایداری محیط زیست مورد غفلت یا نادیده گرفته می شود. اگرچه بهینه سازی تولید برق اروپا برای دستیابی به پایین تر است انتشار کلی کربن امکان پذیر است ، چنین هدفی به دور از تحقق نیست. علاوه بر این ، بدیهی است که انگلستان و سایر کشورها ، در دوره های تقاضای زیاد نمی تواند به واردات سایر کشورها اعتماد کند و/یا عرضه محدود

I present evidence that communication between marketplace participants is an important influence on market demand. I find that consumer demand is approximately equally influenced by communication on both formal and informal networks- namely, product reviews and community forums. In addition, I find empirical evidence of a vendor's ability to commit to disclosure dampening the effect of communication on demand. I also find that product demand is more responsive to average customer sentiment as the number of messages grows, as may be expected in a Bayesian updating framework.

من شواهدی ارائه می دهم که ارتباط بین شرکت کنندگان در بازار یک است تأثیر مهم بر تقاضای بازار.من می دانم که تقاضای مصرف کننده است تقریباً به همان اندازه تحت تأثیر ارتباطات رسمی و غیر رسمی قرار دارد شبکه ها- یعنی بررسی محصولات و انجمن های جامعه.علاوه بر این ، من پیدا می کنم شواهد تجربی از توانایی فروشنده در تعهد به افشای مرطوب کننده تأثیر ارتباط بر تقاضا.من همچنین می فهمم که تقاضای محصول بیشتر است پاسخگو به احساسات متوسط ​​مشتری با افزایش تعداد پیام ها ، به عنوان ممکن است در یک چارچوب به روزرسانی بیزی انتظار شود.

We employ stochastic dynamic microsimulations to analyse and forecast the pension cost dependency ratio for England and Wales from 1991 to 2061, evaluating the impact of the ongoing state pension reforms and changes in international migration patterns under different Brexit scenarios. To fully account for the recently observed volatility in life expectancies, we propose mortality rate model based on deep learning techniques, which discovers complex patterns in data and extrapolated trends. Our results show that the recent reforms can effectively stave off the "pension crisis" and bring back the system on a sounder fiscal footing. At the same time, increasingly more workers can expect to spend greater share of their lifespan in retirement, despite the eligibility age rises. The population ageing due to the observed postponement of death until senectitude often occurs with the compression of morbidity, and thus will not, perforce, intrinsically strain healthcare costs. To a lesser degree, the future pension cost dependency ratio will depend on the post-Brexit relations between the UK and the EU, with "soft" alignment on the free movement lowering the relative cost of the pension system compared to the "hard" one. In the long term, however, the ratio has a rising tendency.

ما برای تجزیه و تحلیل و پیش بینی از میکروسیمولاسیون های پویا تصادفی استفاده می کنیم نسبت وابستگی به هزینه بازنشستگی برای انگلیس و ولز از سال 1991 تا 2061 ، ارزیابی تأثیر اصلاحات بازنشستگی دولتی و تغییرات در الگوهای مهاجرت بین المللی تحت سناریوهای مختلف Brexit.کاملاً ما پیشنهاد می کنیم که نوسانات اخیراً مشاهده شده در امید به زندگی ، ما پیشنهاد می کنیم مدل میزان مرگ و میر بر اساس تکنیک های یادگیری عمیق ، که پیچیده است الگوهای در داده ها و روندهای برون یابی.نتایج ما نشان می دهد که اخیر اصلاحات می تواند به طور موثری از "بحران بازنشستگی" جلوگیری کند و این را بازگرداند سیستم در یک پایه مالی Sounder.در عین حال ، به طور فزاینده ای کارگران بیشتر می تواند انتظار داشته باشد که با وجود این سن صلاحیت افزایش می یابد.پیری جمعیت به دلیل تعویق مشاهده شده از مرگ تا زمانی که سن و سال اغلب با فشرده سازی عوارض و بنابراین ، پرفروش ، ذاتاً هزینه های مراقبت های بهداشتی را کاهش نمی دهد.به کمتر درجه ، نسبت وابستگی هزینه بازنشستگی آینده به پس از Brexit بستگی دارد روابط بین انگلیس و اتحادیه اروپا ، با تراز "نرم" در حرکت آزاد کاهش هزینه نسبی سیستم بازنشستگی در مقایسه با "سخت".که در با این حال ، طولانی مدت ، این نسبت تمایل به افزایش دارد.

Economic data are often generated by stochastic processes that take place in continuous time, though observations may occur only at discrete times. For example, electricity and gas consumption take place in continuous time. Data generated by a continuous time stochastic process are called functional data. This paper is concerned with comparing two or more stochastic processes that generate functional data. The data may be produced by a randomized experiment in which there are multiple treatments. The paper presents a method for testing the hypothesis that the same stochastic process generates all the functional data. The test described here applies to both functional data and multiple treatments. It is implemented as a combination of two permutation tests. This ensures that in finite samples, the true and nominal probabilities that each test rejects a correct null hypothesis are equal. The paper presents upper and lower bounds on the asymptotic power of the test under alternative hypotheses. The results of Monte Carlo experiments and an application to an experiment on billing and pricing of natural gas illustrate the usefulness of the test.

داده های اقتصادی اغلب توسط فرآیندهای تصادفی که در آن انجام می شود تولید می شود زمان مداوم ، اگرچه مشاهدات فقط در زمان های گسسته ممکن است رخ دهد.برای به عنوان مثال ، مصرف برق و گاز در زمان مداوم انجام می شود.داده ها تولید شده توسط یک فرآیند تصادفی زمان مداوم داده های عملکردی نامیده می شود. این مقاله مربوط به مقایسه دو یا چند فرآیند تصادفی است که داده های عملکردی را تولید کنید.داده ها ممکن است توسط یک آزمایش تصادفی تولید شود که در آن چندین روش درمانی وجود دارد.مقاله روشی برای آزمایش ارائه می دهد این فرضیه که همان فرآیند تصادفی ، تمام عملکردی را تولید می کند داده ها.آزمون شرح داده شده در اینجا برای داده های عملکردی و چندگانه اعمال می شود درمانهااین به عنوان ترکیبی از دو تست جابجایی اجرا می شود.این تضمین می کند که در نمونه های محدود ، احتمالات واقعی و اسمی که هر کدام آزمون رد یک فرضیه صحیح تهی برابر است.مقاله فوقانی و مرزهای پایین تر از قدرت بدون علامت آزمون تحت فرضیه های جایگزین. نتایج آزمایش مونت کارلو و کاربردی برای آزمایش در صورتحساب و قیمت گذاری گاز طبیعی سودمندی آزمایش را نشان می دهد.

We revisit the results of Harvie (2000) and show how correcting for a reporting mistake in some of the estimated parameter values leads to significantly different conclusions, including realistic parameter values for the Philips curve and estimated equilibrium employment rates exhibiting on average one tenth of the relative error of those obtained in Harvie (2000).

ما دوباره نتایج Harvie (2000) را بررسی می کنیم و نشان می دهیم که چگونه برای یک تصحیح می شود گزارش اشتباه در برخی از مقادیر پارامتر تخمین زده شده منجر به نتیجه گیری های قابل توجهی متفاوت ، از جمله مقادیر پارامتر واقع بینانه برای منحنی فیلیپس و نرخ اشتغال تعادل تخمین زده شده در آن به طور متوسط ​​یک دهم خطای نسبی موارد به دست آمده در هاروی (2000).

We perform econometric tests on a modified Goodwin model where the capital accumulation rate is constant but not necessarily equal to one as in the original model (Goodwin, 1967). In addition to this modification, we find that addressing the methodological and reporting issues in Harvie (2000) leads to remarkably better results, with near perfect agreement between the estimates of equilibrium employment rates and the corresponding empirical averages, as well as significantly improved estimates of equilibrium wage shares. Despite its simplicity and obvious limitations, the performance of the modified Goodwin model implied by our results show that it can be used as a starting point for more sophisticated models for endogenous growth cycles.

ما تست های اقتصاد سنجی را بر روی یک مدل گودوین اصلاح شده که در آن سرمایه انجام می شود انجام می دهیم میزان انباشت ثابت است اما لزوماً برابر با یک مانند در مدل اصلی (گودوین ، 1967).علاوه بر این اصلاح ، ما آن را می یابیم پرداختن به مسائل روش شناختی و گزارشگری در هاروی (2000) منجر به نتایج قابل توجهی بهتر ، با توافق کامل کامل بین تخمین های نرخ اشتغال تعادل و میانگین های تجربی مربوطه نیز به طور قابل توجهی برآوردهای قابل توجهی از سهام دستمزد تعادل.با وجود آن سادگی و محدودیت های آشکار ، عملکرد گودوین اصلاح شده مدل دلالت بر نتایج ما نشان می دهد که می توان از آن به عنوان نقطه شروع استفاده کرد مدلهای پیچیده تر برای چرخه رشد درون زا.

The EU Solvency II directive recommends insurance companies to pay more attention to the risk management methods. The sense of risk management is the ability to quantify risk and apply methods that reduce uncertainty. In life insurance, the risk is a consequence of the random variable describing the life expectancy. The article will present a proposal for stochastic mortality modeling based on the Lee and Carter methodology. The maximum likelihood method is often used to estimate parameters in mortality models. This method assumes that the population is homogeneous and the number of deaths has the Poisson distribution. The aim of this article is to change assumptions about the distribution of the number of deaths. The results indicate that the model can get a better match to historical data, when the number of deaths has a negative binomial distribution.

بخشنامه Solvency II اتحادیه اروپا به شرکتهای بیمه توصیه می کند مبلغ بیشتری را بپردازند توجه به روشهای مدیریت ریسک.حس مدیریت ریسک است امکان تعیین کمیت ریسک و استفاده از روش هایی که باعث کاهش عدم اطمینان می شوند.در زندگی بیمه ، خطر نتیجه متغیر تصادفی است که زندگی را توصیف می کند توقع، انتظار.این مقاله پیشنهادی برای مرگ و میر تصادفی ارائه می دهد مدل سازی بر اساس روش لی و کارتر.روش حداکثر احتمال اغلب برای برآورد پارامترها در مدل های مرگ و میر استفاده می شود.این روش فرض می کند اینکه جمعیت همگن است و تعداد مرگ و میر پواسون دارد توزیعهدف از این مقاله تغییر فرضیات در مورد توزیع تعداد مرگ و میر.نتایج نشان می دهد که مدل می تواند با داده های تاریخی مطابقت بهتری داشته باشید ، هنگامی که تعداد مرگ و میر منفی دارد توزیع دو جمله ای.

Behavioral theories posit that investor sentiment exhibits predictive power for stock returns, whereas there is little study have investigated the relationship between the time horizon of the predictive effect of investor sentiment and the firm characteristics. To this end, by using a Granger causality analysis in the frequency domain proposed by Lemmens et al. (2008), this paper examine whether the time horizon of the predictive effect of investor sentiment on the U.S. returns of stocks vary with different firm characteristics (e.g., firm size (Size), book-to-market equity (B/M) rate, operating profitability (OP) and investment (Inv)). The empirical results indicate that investor sentiment has a long-term (more than 12 months) or short-term (less than 12 months) predictive effect on stock returns with different firm characteristics. Specifically, the investor sentiment has strong predictability in the stock returns for smaller Size stocks, lower B/M stocks and lower OP stocks, both in the short term and long term, but only has a short-term predictability for higher quantile ones. The investor sentiment merely has predictability for the returns of smaller Inv stocks in the short term, but has a strong short-term and long-term predictability for larger Inv stocks. These results have important implications for the investors for the planning of the short and the long run stock investment strategy.

نظریه های رفتاری تصریح می کنند که احساسات سرمایه گذار قدرت پیش بینی کننده را نشان می دهد برای بازده سهام ، در حالی که مطالعه کمی وجود دارد رابطه بین افق زمانی اثر پیش بینی کننده سرمایه گذار احساسات و خصوصیات شرکت.برای این منظور ، با استفاده از یک گرنجر تجزیه و تحلیل علیت در حوزه فرکانس ارائه شده توسط Lemmens و همکاران.(2008) ، در این مقاله بررسی شده است که آیا افق زمانی اثر پیش بینی کننده احساسات سرمایه گذار در بازده سهام ایالات متحده با شرکت های مختلف متفاوت است ویژگی ها (به عنوان مثال ، اندازه شرکت (اندازه) ، نرخ سهام کتاب به بازار (B/m) ، سودآوری عملیاتی (OP) و سرمایه گذاری (INV)).نتایج تجربی نشان دهید که احساسات سرمایه گذار دارای طولانی مدت (بیش از 12 ماه) یا اثر پیش بینی شده کوتاه مدت (کمتر از 12 ماه) بر بازده سهام با خصوصیات شرکت های مختلف.به طور خاص ، احساسات سرمایه گذار قوی است پیش بینی در بازده سهام برای سهام با اندازه کوچکتر ، سهام B/M پایین تر و سهام OP پایین تر ، چه در کوتاه مدت و چه در دراز مدت ، اما فقط دارای یک پیش بینی کوتاه مدت برای موارد کمی بالاتر.احساسات سرمایه گذار صرفاً قابلیت پیش بینی برای بازده سهام کوچکتر Inv را در مدت کوتاهی دارد اصطلاح ، اما پیش بینی کوتاه مدت و بلند مدت قوی برای INV بزرگتر است سهاماین نتایج پیامدهای مهمی برای سرمایه گذاران برای برنامه ریزی استراتژی سرمایه گذاری سهام کوتاه و بلند مدت.

We consider a situation where the distribution of a random variable is being estimated by the empirical distribution of noisy measurements of that variable. This is common practice in, for example, teacher value-added models and other fixed-effect models for panel data. We use an asymptotic embedding where the noise shrinks with the sample size to calculate the leading bias in the empirical distribution arising from the presence of noise. The leading bias in the empirical quantile function is equally obtained. These calculations are new in the literature, where only results on smooth functionals such as the mean and variance have been derived. We provide both analytical and jackknife corrections that recenter the limit distribution and yield confidence intervals with correct coverage in large samples. Our approach can be connected to corrections for selection bias and shrinkage estimation and is to be contrasted with deconvolution. Simulation results confirm the much-improved sampling behavior of the corrected estimators. An empirical illustration on heterogeneity in deviations from the law of one price is equally provided.

ما شرایطی را در نظر می گیریم که توزیع یک متغیر تصادفی در حال انجام است برآورد شده توسط توزیع تجربی اندازه گیری های پر سر و صدا از آن متغیر. این یک روش معمول است ، به عنوان مثال ، مدلهای ارزش افزوده معلمان و موارد دیگر مدل های اثر ثابت برای داده های پانل.ما از تعبیه بدون علامت استفاده می کنیم که در آن برای محاسبه تعصب پیشرو در آن ، سر و صدا با اندازه نمونه کوچک می شود توزیع تجربی ناشی از حضور سر و صدا.تعصب پیشرو در عملکرد کمی تجربی به همان اندازه بدست می آید.این محاسبات جدید است در ادبیات ، جایی که فقط در عملکردهای صاف مانند میانگین نتیجه می گیرد و واریانس مشتق شده است.ما هم تحلیلی و هم jackknife را ارائه می دهیم اصلاحاتی که اخیراً توزیع محدودتر و فواصل اعتماد به نفس را انجام می دهد با پوشش صحیح در نمونه های بزرگ.رویکرد ما می تواند به اصلاحات برای تعصب انتخاب و تخمین انقباض و در تضاد است با تجزیه.نتایج شبیه سازی نمونه برداری بسیار بهبود یافته را تأیید می کند رفتار برآوردگرهای اصلاح شده.یک تصویر تجربی در ناهمگونی در انحراف از قانون یک قیمت به همان اندازه ارائه شده است.

Stepwise regression building procedures are commonly used applied statistical tools, despite their well-known drawbacks. While many of their limitations have been widely discussed in the literature, other aspects of the use of individual statistical fit measures, especially in high-dimensional stepwise regression settings, have not. Giving primacy to individual fit, as is done with p-values and $R^2$, when group fit may be the larger concern, can lead to misguided decision making. One of the most consequential uses of stepwise regression is in health care, where these tools allocate hundreds of billions of dollars to health plans enrolling individuals with different predicted health care costs. The main goal of this "risk adjustment" system is to convey incentives to health plans such that they provide health care services fairly, a component of which is not to discriminate in access or care for persons or groups likely to be expensive. We address some specific limitations of p-values and $R^2$ for high-dimensional stepwise regression in this policy problem through an illustrated example by additionally considering a group-level fairness metric.

مراحل ساخت رگرسیون گام به گام معمولاً آماری کاربردی استفاده می شود ابزارها ، علی رغم اشکالات مشهور آنها.در حالی که بسیاری از محدودیت های آنها وجود دارد به طور گسترده در ادبیات ، جنبه های دیگر استفاده از فرد مورد بحث قرار گرفته است اقدامات مناسب آماری ، به ویژه در رگرسیون گام به گام با ابعاد بالا تنظیمات ، نه.تقدم به تناسب فردی ، همانطور که با مقادیر p انجام می شود و $ r^2 $ ، هنگامی که ممکن است نگرانی بیشتر گروه باشد ، می تواند منجر به اشتباه شود تصمیم گیری.یکی از مهمترین کاربردهای رگرسیون گام به گام است در مراقبت های بهداشتی ، جایی که این ابزارها صدها میلیارد دلار را اختصاص می دهند برنامه های بهداشتی که افراد دارای هزینه های مختلف مراقبت های بهداشتی پیش بینی شده را ثبت می کنند. هدف اصلی این سیستم "تنظیم ریسک" انتقال مشوق ها به برنامه های بهداشتی به گونه ای که آنها خدمات مراقبت های بهداشتی را به طور عادلانه ارائه دهند ، بخشی از که این به معنای تبعیض در دسترسی یا مراقبت از افراد یا گروه هایی نیست که احتمالاً گران باشیدما به برخی از محدودیت های خاص مقادیر p و r^2 $ برای رگرسیون گام به گام با ابعاد بالا در این مشکل سیاست از طریق مثال مصور با در نظر گرفتن یک متریک عدالت در سطح گروه.

During the last decades, public policies become a central pillar in supporting and stabilising agricultural sector. In 1962, EU policy-makers developed the so-called Common Agricultural Policy (CAP) to ensure competitiveness and a common market organisation for agricultural products, while 2003 reform decouple the CAP from the production to focus only on income stabilization and the sustainability of agricultural sector. Notwithstanding farmers are highly dependent to public support, literature on the role played by the CAP in fostering agricultural performances is still scarce and fragmented. Actual CAP policies increases performance differentials between Northern Central EU countries and peripheral regions. This paper aims to evaluate the effectiveness of CAP in stimulate performances by focusing on Italian lagged Regions. Moreover, agricultural sector is deeply rooted in place-based production processes. In this sense, economic analysis which omit the presence of spatial dependence produce biased estimates of the performances. Therefore, this paper, using data on subsidies and economic results of farms from the RICA dataset which is part of the Farm Accountancy Data Network (FADN), proposes a spatial Augmented Cobb-Douglas Production Function to evaluate the effects of subsidies on farm's performances. The major innovation in this paper is the implementation of a micro-founded quantile version of a spatial lag model to examine how the impact of the subsidies may vary across the conditional distribution of agricultural performances. Results show an increasing shape which switch from negative to positive at the median and becomes statistical significant for higher quantiles. Additionally, spatial autocorrelation parameter is positive and significant across all the conditional distribution, suggesting the presence of significant spatial spillovers in agricultural performances.

طی دهه های گذشته ، سیاست های عمومی به یک ستون اصلی تبدیل می شوند حمایت و تثبیت بخش کشاورزی.در سال 1962 ، سیاست گذاران اتحادیه اروپا به اصطلاح سیاست کشاورزی مشترک (CAP) برای اطمینان از رقابت و یک سازمان مشترک بازار برای محصولات کشاورزی ، در حالی که در سال 2003 اصلاحات درپوش را از تولید جدا می کند تا فقط روی درآمد متمرکز شود تثبیت و پایداری بخش کشاورزی.با وجود کشاورزان بسیار وابسته به حمایت عمومی هستند ، ادبیات مربوط به نقش بازی با کلاه در تقویت اجراهای کشاورزی هنوز کمیاب است و تکه تکهسیاست های کلاه واقعی اختلافات عملکرد بین کشورهای مرکزی اتحادیه اروپا مرکزی و مناطق محیطی.این مقاله با هدف با تمرکز روی اثربخشی CAP در تحریک عملکرد را ارزیابی کنید مناطق تاخیر ایتالیایی.علاوه بر این ، بخش کشاورزی عمیقاً ریشه دارد فرآیندهای تولید مبتنی بر مکان.به این معنا ، تحلیل اقتصادی که از بین می رود وجود وابستگی مکانی برآوردهای مغرضانه از اجراهابنابراین ، این مقاله با استفاده از داده های مربوط به یارانه ها و اقتصادی نتایج مزارع از مجموعه داده های ریکا که بخشی از حسابداری مزرعه است شبکه داده (FADN) ، تولید Cobb-Douglas را تقویت شده فضایی پیشنهاد می کند عملکرد برای ارزیابی اثرات یارانه ها در عملکرد مزرعه.عمده نوآوری در این مقاله اجرای یک مقدار کمی تأسیس شده است نسخه یک مدل تاخیر مکانی برای بررسی چگونگی تأثیر یارانه ها در توزیع مشروط اجراهای کشاورزی متفاوت است.نتایج شکل فزاینده ای را نشان می دهد که از منفی به مثبت در میانه تغییر می کند و برای مقادیر بالاتر آماری قابل توجه می شود.علاوه بر این ، مکانی پارامتر همبستگی در همه موارد مثبت و معنی دار است توزیع مشروط ، نشان دهنده وجود مکانی قابل توجه است سرریز در اجراهای کشاورزی.

We develop a strong diagnostic for bubbles and crashes in bitcoin, by analyzing the coincidence (and its absence) of fundamental and technical indicators. Using a generalized Metcalfe's law based on network properties, a fundamental value is quantified and shown to be heavily exceeded, on at least four occasions, by bubbles that grow and burst. In these bubbles, we detect a universal super-exponential unsustainable growth. We model this universal pattern with the Log-Periodic Power Law Singularity (LPPLS) model, which parsimoniously captures diverse positive feedback phenomena, such as herding and imitation. The LPPLS model is shown to provide an ex-ante warning of market instabilities, quantifying a high crash hazard and probabilistic bracket of the crash time consistent with the actual corrections; although, as always, the precise time and trigger (which straw breaks the camel's back) being exogenous and unpredictable. Looking forward, our analysis identifies a substantial but not unprecedented overvaluation in the price of bitcoin, suggesting many months of volatile sideways bitcoin prices ahead (from the time of writing, March 2018).

ما یک تشخیص قوی برای حباب ها و تصادفات در بیت کوین ، توسط تجزیه و تحلیل تصادف (و عدم حضور آن) اساسی و فنی شاخص ها.با استفاده از یک قانون متکالف تعمیم یافته بر اساس ویژگی های شبکه ، a ارزش اساسی کمیت می شود و نشان می دهد که حداقل از آن فراتر رفته است چهار نوبت ، توسط حباب هایی که رشد می کنند و پشت سر می گذارند.در این حباب ها ، ما را تشخیص می دهیم رشد ناپایدار فوق العاده جهانی.ما این جهانی را الگوبرداری می کنیم الگوی با مدل Singularity Log-Pereodic Power Law (LPPLS) ، که به طور جداگانه پدیده های بازخورد مثبت متنوع ، مانند گله را ضبط می کند و تقلیدمدل LPPLS نشان داده شده است که هشدار قبلی از بازار را ارائه می دهد بی ثباتی ، کمیت یک خطر تصادف بالا و براکت احتمالی زمان تصادف مطابق با اصلاحات واقعی ؛اگرچه ، مثل همیشه ، زمان دقیق و ماشه (که نی پشت شتر را می شکند) اگزوژن است و غیرقابل پیش بینیبا نگاه به جلو ، تجزیه و تحلیل ما یک قابل توجه اما را مشخص می کند ارزش بیش از حد بی سابقه در قیمت بیت کوین نیست ، قیمت های بیت کوین در یک طرف فرار پیش رو (از زمان نوشتن ، مارس 2018).

This paper presents an out-of-sample prediction comparison between major machine learning models and the structural econometric model. Over the past decade, machine learning has established itself as a powerful tool in many prediction applications, but this approach is still not widely adopted in empirical economic studies. To evaluate the benefits of this approach, I use the most common machine learning algorithms, CART, C4.5, LASSO, random forest, and adaboost, to construct prediction models for a cash transfer experiment conducted by the Progresa program in Mexico, and I compare the prediction results with those of a previous structural econometric study. Two prediction tasks are performed in this paper: the out-of-sample forecast and the long-term within-sample simulation. For the out-of-sample forecast, both the mean absolute error and the root mean square error of the school attendance rates found by all machine learning models are smaller than those found by the structural model. Random forest and adaboost have the highest accuracy for the individual outcomes of all subgroups. For the long-term within-sample simulation, the structural model has better performance than do all of the machine learning models. The poor within-sample fitness of the machine learning model results from the inaccuracy of the income and pregnancy prediction models. The result shows that the machine learning model performs better than does the structural model when there are many data to learn; however, when the data are limited, the structural model offers a more sensible prediction. The findings of this paper show promise for adopting machine learning in economic policy analyses in the era of big data.

در این مقاله مقایسه پیش بینی خارج از نمونه بین عمده ارائه شده است مدل های یادگیری ماشین و مدل اقتصاد سنجی ساختاری.در گذشته دهه ، یادگیری ماشین در بسیاری از آنها به عنوان ابزاری قدرتمند ایجاد کرده است برنامه های پیش بینی ، اما این رویکرد هنوز به طور گسترده اتخاذ نشده است مطالعات اقتصادی تجربی.برای ارزیابی مزایای این رویکرد ، من استفاده می کنم رایج ترین الگوریتم های یادگیری ماشین ، سبد خرید ، C4.5 ، لاسو ، جنگل تصادفی ، و adaboost ، برای ساختن مدل های پیش بینی برای یک آزمایش انتقال نقدی انجام شده توسط برنامه Progresa در مکزیک ، و من پیش بینی را مقایسه می کنم نتایج با نتایج حاصل از یک مطالعه اقتصادی ساختاری قبلی.دو پیش بینی وظایف در این مقاله انجام می شود: پیش بینی خارج از نمونه و بلند مدت شبیه سازی درون نمونه.برای پیش بینی خارج از نمونه ، هر دو میانگین خطای مطلق و میانگین اصلی خطای مربع نرخ حضور در مدرسه موجود در تمام مدلهای یادگیری ماشین کوچکتر از مدل های موجود در آن است مدل ساختاری.Forest Random Forest و Adaboost بالاترین دقت را برای نتایج فردی همه زیر گروه ها.برای نمونه طولانی مدت شبیه سازی ، مدل ساختاری عملکرد بهتری نسبت به همه دارد مدل های یادگیری ماشین.تناسب اندام در نمونه ای از یادگیری ماشین نتایج مدل ناشی از عدم دقت درآمد و پیش بینی بارداری مدل ها.نتیجه نشان می دهد که مدل یادگیری ماشین بهتر از آیا مدل ساختاری وقتی داده های زیادی برای یادگیری وجود دارد.با این حال ، هنگامی که داده ها محدود هستند ، مدل ساختاری پیش بینی معقول تری را ارائه می دهد.در یافته های این مقاله نشان می دهد نوید پذیرش یادگیری ماشین در اقتصادی تجزیه و تحلیل سیاست در دوران داده های بزرگ.

This paper provides a method to construct simultaneous confidence bands for quantile functions and quantile effects in nonlinear network and panel models with unobserved two-way effects, strictly exogenous covariates, and possibly discrete outcome variables. The method is based upon projection of simultaneous confidence bands for distribution functions constructed from fixed effects distribution regression estimators. These fixed effects estimators are debiased to deal with the incidental parameter problem. Under asymptotic sequences where both dimensions of the data set grow at the same rate, the confidence bands for the quantile functions and effects have correct joint coverage in large samples. An empirical application to gravity models of trade illustrates the applicability of the methods to network data.

در این مقاله روشی برای ساخت باند اعتماد به نفس همزمان ارائه شده است توابع کمی و جلوه های کمی در مدل های شبکه غیرخطی و پانل با اثرات دو طرفه بدون نظارت ، متغیرهای کاملاً اگزوژن و احتمالاً متغیرهای نتیجه گسسته.این روش مبتنی بر پیش بینی همزمان است باند اعتماد به نفس برای توابع توزیع ساخته شده از جلوه های ثابت برآوردگرهای رگرسیون توزیع.این برآوردگرهای اثرات ثابت از بین می روند برای مقابله با مشکل پارامتر حادثه.تحت توالی های بدون علامت که در آن هر دو بعد مجموعه داده با همان سرعت رشد می کنند ، اعتماد به نفس برای توابع و جلوه های کمی از پوشش مفصل صحیح به طور گسترده ای برخوردار هستند نمونه ها.یک برنامه تجربی برای مدلهای گرانشی تجارت نشان می دهد کاربرد روشها به داده های شبکه.

We define a class of pure exchange Edgeworth trading processes that under minimal assumptions converge to a stable set in the space of allocations, and characterise the Pareto set of these processes. Choosing a specific process belonging to this class, that we define fair trading, we analyse the trade dynamics between agents located on a weighted network. We determine the conditions under which there always exists a one-to-one map between the set of networks and the set of limit points of the dynamics. This result is used to understand what is the effect of the network topology on the trade dynamics and on the final allocation. We find that the positions in the network affect the distribution of the utility gains, given the initial allocations

ما یک کلاس از فرآیندهای معاملاتی Edgeworth Pure Exchange را تعریف می کنیم که در زیر فرضیات حداقل به یک مجموعه پایدار در فضای تخصیص همگرا می شوند و مجموعه پارتو از این فرایندها را مشخص کنید.انتخاب یک فرآیند خاص متعلق به این کلاس ، که ما تجارت عادلانه را تعریف می کنیم ، تجارت را تجزیه و تحلیل می کنیم پویایی بین عوامل واقع در یک شبکه وزنه برداری.ما تعیین می کنیم شرایطی که همیشه یک نقشه یک به یک بین مجموعه وجود دارد شبکه ها و مجموعه ای از نقاط محدود پویایی.این نتیجه به کار می رود درک کنید که تأثیر توپولوژی شبکه بر پویایی تجارت و در تخصیص نهاییما می دانیم که موقعیت های موجود در شبکه تأثیر می گذارد با توجه به تخصیص اولیه ، توزیع سود سود

Although initially originated as a totally empirical relationship to explain the volume of trade between two partners, gravity equation has been the focus of several theoretic models that try to explain it. Specialization models are of great importance in providing a solid theoretic ground for gravity equation in bilateral trade. Some research papers try to improve specialization models by adding imperfect specialization to model, but we believe it is unnecessary complication. We provide a perfect specialization model based on the phenomenon we call tradability, which overcomes the problems with simpler initial. We provide empirical evidence using estimates on panel data of bilateral trade of 40 countries over 10 years that support the theoretical model. The empirical results have implied that tradability is the only reason for deviations of data from basic perfect specialization models.

اگرچه در ابتدا به عنوان یک رابطه کاملاً تجربی برای توضیح سرچشمه گرفته است حجم تجارت بین دو شریک ، معادله گرانش تمرکز بوده است از چندین مدل نظری که سعی در توضیح آن دارند.مدل های تخصصی هستند از اهمیت بالایی در ارائه یک زمینه نظری جامد برای معادله گرانش در تجارت دو جانبهبرخی از مقالات تحقیقاتی سعی در بهبود مدل های تخصصی دارند با افزودن تخصص ناقص به مدل ، اما ما معتقدیم که این غیر ضروری است عوارض.ما یک مدل تخصصی کامل را بر اساس پدیده ارائه می دهیم ما تجارت را می نامیم ، که بر مشکلات اولیه ساده تر غلبه می کند.ما ارائه شواهد تجربی با استفاده از برآورد داده های پانل تجارت دو جانبه 40 کشور بیش از 10 سال که از الگوی نظری پشتیبانی می کنند.تجربی نتایج حاکی از آن است که قابلیت تجارت تنها دلیل انحراف داده ها است از مدلهای اساسی تخصصی کامل.

We develop a novel continuous-time asymptotic framework for inference on whether the predictive ability of a given forecast model remains stable over time. We formally define forecast instability from the economic forecaster's perspective and highlight that the time duration of the instability bears no relationship with stable period. Our approach is applicable in forecasting environment involving low-frequency as well as high-frequency macroeconomic and financial variables. As the sampling interval between observations shrinks to zero the sequence of forecast losses is approximated by a continuous-time stochastic process (i.e., an Ito semimartingale) possessing certain pathwise properties. We build an hypotheses testing problem based on the local properties of the continuous-time limit counterpart of the sequence of losses. The null distribution follows an extreme value distribution. While controlling the statistical size well, our class of test statistics feature uniform power over the location of the forecast failure in the sample. The test statistics are designed to have power against general form of insatiability and are robust to common forms of non-stationarity such as heteroskedasticty and serial correlation. The gains in power are substantial relative to extant methods, especially when the instability is short-lasting and when occurs toward the tail of the sample.

ما یک چارچوب بدون علامت در زمان مداوم برای استنتاج در ایجاد می کنیم این که آیا توانایی پیش بینی یک مدل پیش بینی معین پایدار است زمان.ما به طور رسمی ناپایداری پیش بینی را از پیش بینی اقتصادی تعریف می کنیم چشم انداز و تأکید کنید که مدت زمان بی ثباتی دارای هیچ است رابطه با دوره پایدار.رویکرد ما در پیش بینی کاربرد دارد محیط مربوط به فرکانس پایین و همچنین با فرکانس بالا کلان اقتصادی و متغیرهای مالی.همانطور که فاصله نمونه برداری بین مشاهدات به صفر دنباله تلفات پیش بینی شده توسط یک زمان مداوم تقریب می یابد فرآیند تصادفی (به عنوان مثال ، یک semimartingale ito) که دارای مسیر خاصی است خواصما یک مشکل آزمایش فرضیه را بر اساس محلی ایجاد می کنیم خواص همتای محدودیت زمان مداوم دنباله تلفات. توزیع تهی از توزیع ارزش شدید پیروی می کند.در حالی که کنترل می شود اندازه آماری به خوبی ، کلاس آمار آزمون ما دارای قدرت یکنواخت است بیش از محل خرابی پیش بینی در نمونه.آمار آزمون به گونه ای طراحی شده اند که در برابر شکل کلی سیری پذیری قدرت داشته و قوی هستند به اشکال متداول غیر ثابت بودن مانند Heteroskedasticty و Serial همبستگی.دستاوردهای قدرت نسبت به روشهای موجود قابل توجه است ، به خصوص هنگامی که بی ثباتی کوتاه است و چه زمانی به سمت دم نمونه.

The paper aims to explore the impacts of bi-demographic structure on the current account and growth. Using a SVAR modeling, we track the dynamic impacts between these underlying variables. New insights have been developed about the dynamic interrelation between population growth, current account and economic growth. The long-run net impact on economic growth of the domestic working population growth and demand labor for emigrants is positive, due to the predominant contribution of skilled emigrant workers. Besides, the positive long-run contribution of emigrant workers to the current account growth largely compensates the negative contribution from the native population, because of the predominance of skilled compared to unskilled workforce. We find that a positive shock in demand labor for emigrant workers leads to an increasing effect on native active age ratio. Thus, the emigrants appear to be more complements than substitutes for native workers.

این مقاله با هدف بررسی تأثیرات ساختار دو نفری بر روی حساب جاری و رشد.با استفاده از مدل سازی SVAR ، ما تأثیرات پویا را ردیابی می کنیم بین این متغیرهای اساسی.بینش های جدید در مورد ارتباط پویا بین رشد جمعیت ، حساب جاری و اقتصادی رشدتأثیر خالص بلند مدت بر رشد اقتصادی کار داخلی رشد جمعیت و تقاضا برای مهاجران ، به دلیل سهم غالب کارگران مهاجر ماهر.علاوه بر این ، مثبت سهم بلند مدت کارگران مهاجر در رشد حساب جاری تا حد زیادی سهم منفی از جمعیت بومی را جبران می کند ، به دلیل غلبه ماهر در مقایسه با نیروی کار غیر ماهر.ما می دانیم که شوک مثبت در کار تقاضا برای کارگران مهاجر منجر به افزایش می شود تأثیر بر نسبت سن فعال بومی.بنابراین ، به نظر می رسد که مهاجران بیشتر هستند مکمل های جایگزین برای کارگران بومی.

This paper provides an entire inference procedure for the autoregressive model under (conditional) heteroscedasticity of unknown form with a finite variance. We first establish the asymptotic normality of the weighted least absolute deviations estimator (LADE) for the model. Second, we develop the random weighting (RW) method to estimate its asymptotic covariance matrix, leading to the implementation of the Wald test. Third, we construct a portmanteau test for model checking, and use the RW method to obtain its critical values. As a special weighted LADE, the feasible adaptive LADE (ALADE) is proposed and proved to have the same efficiency as its infeasible counterpart. The importance of our entire methodology based on the feasible ALADE is illustrated by simulation results and the real data analysis on three U.S. economic data sets.

در این مقاله یک روش استنباط کامل برای اتورژیک ارائه شده است مدل تحت (مشروط) ناهمگونی شکل ناشناخته با یک محدود واریانسما ابتدا عادی بودن بدون علامت وزن کمترین وزن را تعیین می کنیم برآوردگر انحراف مطلق (LADE) برای مدل.دوم ، ما توسعه می دهیم روش وزن گیری تصادفی (RW) برای برآورد ماتریس کواریانس بدون علامت آن ، منجر به اجرای آزمون والد.سوم ، ما ساخت تست Portmanteau برای بررسی مدل ، و از روش RW برای به دست آوردن آن استفاده کنید مقادیر بحرانیبه عنوان یک وزن مخصوص وزن ، لید تطبیقی ​​عملی (Alade) پیشنهاد شده است و ثابت شده است که دارای همان کارآیی است که غیرقابل تحمل آن است همتا.اهمیت کل روش ما بر اساس امکان پذیر ALADE با نتایج شبیه سازی و تجزیه و تحلیل داده های واقعی در سه نشان داده شده است مجموعه داده های اقتصادی ایالات متحده.

This paper explores the effects of simulated moments on the performance of inference methods based on moment inequalities. Commonly used confidence sets for parameters are level sets of criterion functions whose boundary points may depend on sample moments in an irregular manner. Due to this feature, simulation errors can affect the performance of inference in non-standard ways. In particular, a (first-order) bias due to the simulation errors may remain in the estimated boundary of the confidence set. We demonstrate, through Monte Carlo experiments, that simulation errors can significantly reduce the coverage probabilities of confidence sets in small samples. The size distortion is particularly severe when the number of inequality restrictions is large. These results highlight the danger of ignoring the sampling variations due to the simulation errors in moment inequality models. Similar issues arise when using predicted variables in moment inequalities models. We propose a method for properly correcting for these variations based on regularizing the intersection of moments in parameter space, and we show that our proposed method performs well theoretically and in practice.

در این مقاله به بررسی تأثیر لحظات شبیه سازی شده بر عملکرد می پردازیم روشهای استنباط بر اساس نابرابری های لحظه ای.مجموعه های اعتماد به نفس معمولاً استفاده می شود برای پارامترها مجموعه ای از توابع معیار هستند که نقاط مرزی آنها ممکن است به لحظات نمونه به روش نامنظم بستگی دارد.با توجه به این ویژگی ، خطاهای شبیه سازی می تواند بر عملکرد استنتاج به روش های غیر استاندارد تأثیر بگذارد. به طور خاص ، تعصب (مرتبه اول) به دلیل خطاهای شبیه سازی ممکن است در آن باقی بماند مرز تخمین زده شده از اعتماد به نفس.ما از طریق مونت نشان می دهیم آزمایشات کارلو ، که خطاهای شبیه سازی می توانند پوشش را به میزان قابل توجهی کاهش دهند احتمالات اعتماد به نفس در نمونه های کوچک.اعوجاج اندازه است به ویژه هنگامی که تعداد محدودیت های نابرابری زیاد است ، شدید است.اینها نتایج نشان می دهد خطر نادیده گرفتن تغییرات نمونه برداری به دلیل خطاهای شبیه سازی در مدل های نابرابری لحظه ای.مسائل مشابه هنگام استفاده بوجود می آیند متغیرهای پیش بینی شده در مدل های نابرابری لحظه ای.ما روشی را برای تصحیح صحیح برای این تغییرات بر اساس تنظیم تقاطع از لحظات در فضای پارامتر ، و ما نشان می دهیم که روش پیشنهادی ما انجام می شود خوب از لحاظ تئوریکی و در عمل.

There has been considerable interest in the electrification of freight transport, particularly heavy-duty trucks to downscale the greenhouse-gas (GHG) emissions from the transportation sector. However, the economic competitiveness of electric semi-trucks is uncertain as there are substantial additional initial costs associated with the large battery packs required. In this work, we analyze the trade-off between the initial investment and the operating cost for realistic usage scenarios to compare a fleet of electric semi-trucks with a range of 500 miles with a fleet of diesel trucks. For the baseline case with 30% of fleet requiring battery pack replacements and a price differential of US\$50,000, we find a payback period of about 3 years. Based on sensitivity analysis, we find that the fraction of the fleet that requires battery pack replacements is a major factor. For the case with 100% replacement fraction, the payback period could be as high as 5-6 years. We identify the price of electricity as the second most important variable, where a price of US$0.14/kWh, the payback period could go up to 5 years. Electric semi-trucks are expected to lead to savings due to reduced repairs and magnitude of these savings could play a crucial role in the payback period as well. With increased penetration of autonomous vehicles, the annual mileage of semi-trucks could substantially increase and this heavily sways in favor of electric semi-trucks, bringing down the payback period to around 2 years at an annual mileage of 120,000 miles. There is an undeniable economic case for electric semi-trucks and developing battery packs with longer cycle life and higher specific energy would make this case even stronger.

علاقه قابل توجهی به برق سازی حمل و نقل وجود داشته است حمل و نقل ، به ویژه کامیون های سنگین برای پایین آمدن در مقیاس گلخانه (GHG) انتشار گازهای گلخانه ای از بخش حمل و نقل.با این حال ، رقابت اقتصادی از نیمه قطعات برقی نامشخص است زیرا موارد اضافی قابل توجهی وجود دارد هزینه های اولیه مرتبط با بسته های بزرگ باتری مورد نیاز.در این کار، ما تجارت بین سرمایه گذاری اولیه و هزینه عملیاتی را تجزیه و تحلیل می کنیم برای سناریوهای استفاده واقع بینانه برای مقایسه ناوگان نیمه قطعات برقی با دامنه 500 مایل با ناوگان کامیون های دیزل.برای پرونده پایه با 30 ٪ ناوگان نیاز به تعویض باتری و دیفرانسیل قیمت ما \ 50،000 دلار ، ما یک دوره بازپرداخت حدود 3 سال پیدا می کنیم.بر اساس حساسیت تجزیه و تحلیل ، ما می دانیم که کسری از ناوگان که به باتری نیاز دارد جایگزینی یک عامل اصلی است.برای مورد با کسر جایگزینی 100 ٪ ، دوره بازپرداخت می تواند به 5-6 سال باشد.ما قیمت آن را شناسایی می کنیم برق به عنوان دومین متغیر مهم ، که در آن قیمت 0.14 دلار در هر کیلووات ساعت ، دوره بازپرداخت می تواند تا 5 سال ادامه یابد.نیمه قرن برقی انتظار می رود به دلیل کاهش تعمیرات و بزرگی این موارد منجر به پس انداز شود پس انداز می تواند نقش مهمی در دوره بازپرداخت نیز داشته باشد.با افزایش نفوذ وسایل نقلیه خودمختار ، مسافت پیموده شده سالانه نیمه قطعات می تواند به طور قابل ملاحظه ای افزایش می یابد و این به شدت به نفع نیمه قطعات برقی می چرخد ​​، پایین آوردن دوره بازپرداخت به حدود 2 سال در مسافت پیموده شده سالانه 120،000 مایل.یک مورد اقتصادی غیرقابل انکار برای نیمه کامیون های برقی وجود دارد و توسعه بسته های باتری با عمر چرخه طولانی تر و انرژی خاص بالاتر این پرونده را حتی قوی تر می کند.

We present a detailed bubble analysis of the Bitcoin to US Dollar price dynamics from January 2012 to February 2018. We introduce a robust automatic peak detection method that classifies price time series into periods of uninterrupted market growth (drawups) and regimes of uninterrupted market decrease (drawdowns). In combination with the Lagrange Regularisation Method for detecting the beginning of a new market regime, we identify 3 major peaks and 10 additional smaller peaks, that have punctuated the dynamics of Bitcoin price during the analyzed time period. We explain this classification of long and short bubbles by a number of quantitative metrics and graphs to understand the main socio-economic drivers behind the ascent of Bitcoin over this period. Then, a detailed analysis of the growing risks associated with the three long bubbles using the Log-Periodic Power Law Singularity (LPPLS) model is based on the LPPLS Confidence Indicators, defined as the fraction of qualified fits of the LPPLS model over multiple time windows. Furthermore, for various fictitious 'present' times $t_2$ before the crashes, we employ a clustering method to group the predicted critical times $t_c$ of the LPPLS fits over different time scales, where $t_c$ is the most probable time for the ending of the bubble. Each cluster is proposed as a plausible scenario for the subsequent Bitcoin price evolution. We present these predictions for the three long bubbles and the four short bubbles that our time scale of analysis was able to resolve. Overall, our predictive scheme provides useful information to warn of an imminent crash risk.

ما یک تحلیل دقیق حباب از قیمت بیت کوین به قیمت دلار آمریکا ارائه می دهیم دینامیک از ژانویه 2012 تا فوریه 2018. ما یک اتوماتیک قوی را معرفی می کنیم روش تشخیص اوج که سری زمان قیمت را در دوره های طبقه بندی می کند رشد بازار بی وقفه (قرعه کشی) و رژیم های بازار بدون وقفه کاهش (کاهش).در ترکیب با روش تنظیم LaGrange برای تشخیص آغاز رژیم جدید بازار ، ما 3 قله اصلی را شناسایی می کنیم و 10 قله کوچکتر اضافی ، که پویایی بیت کوین را سوراخ کرده اند قیمت در دوره زمانی مورد تجزیه و تحلیل.ما این طبقه بندی طولانی را توضیح می دهیم و حباب های کوتاه توسط تعدادی از معیارها و نمودارهای کمی برای درک رانندگان اصلی اقتصادی و اجتماعی در پشت صعود بیت کوین در این دوره. سپس ، تجزیه و تحلیل دقیق از خطرات در حال رشد مرتبط با سه طولانی حباب ها با استفاده از مدل Singularity Log-Perpiodic Power Law (LPPLS) مبتنی بر این است شاخص های اعتماد به نفس LPPLS ، به عنوان کسری از متناسب بودن واجد شرایط تعریف شده است مدل LPPLS در ویندوزهای مختلف.علاوه بر این ، برای مختلف ساختگی "حال" بار $ t_2 $ قبل از تصادفات ، ما از یک روش خوشه بندی استفاده می کنیم گروه های بحرانی پیش بینی شده $ t_c $ LPPLS را در زمان های مختلف قرار دهید مقیاس ، جایی که $ t_c $ محتمل ترین زمان برای پایان حباب است. هر خوشه به عنوان یک سناریوی قابل قبول برای بیت کوین بعدی پیشنهاد شده است تکامل قیمت.ما این پیش بینی ها را برای سه حباب طولانی ارائه می دهیم و چهار حباب کوتاه که مقیاس زمان تجزیه و تحلیل ما قادر به حل آن بود. به طور کلی ، طرح پیش بینی ما اطلاعات مفیدی را برای هشدار دادن به یک ارائه می دهد خطر تصادف قریب الوقوع.

Wholesale electricity markets are increasingly integrated via high voltage interconnectors, and inter-regional trade in electricity is growing. To model this, we consider a spatial equilibrium model of price formation, where constraints on inter-regional flows result in three distinct equilibria in prices. We use this to motivate an econometric model for the distribution of observed electricity spot prices that captures many of their unique empirical characteristics. The econometric model features supply and inter-regional trade cost functions, which are estimated using Bayesian monotonic regression smoothing methodology. A copula multivariate time series model is employed to capture additional dependence -- both cross-sectional and serial-- in regional prices. The marginal distributions are nonparametric, with means given by the regression means. The model has the advantage of preserving the heavy right-hand tail in the predictive densities of price. We fit the model to half-hourly spot price data in the five interconnected regions of the Australian national electricity market. The fitted model is then used to measure how both supply and price shocks in one region are transmitted to the distribution of prices in all regions in subsequent periods. Finally, to validate our econometric model, we show that prices forecast using the proposed model compare favorably with those from some benchmark alternatives.

عمده فروشی بازارهای برق به طور فزاینده ای از طریق ولتاژ بالا ادغام می شوند اتصال دهنده ها و تجارت بین منطقه ای برق در حال رشد است.به مدل این ، ما یک مدل تعادل مکانی از تشکیل قیمت را در نظر می گیریم ، جایی که محدودیت در جریان های بین منطقه ای منجر به سه تعادل مجزا در قیمت.ما از این برای ایجاد انگیزه در یک مدل اقتصاد سنجی برای توزیع استفاده می کنیم قیمت های نقطه برق را مشاهده کرده است که بسیاری از تجربی منحصر به فرد آنها را ضبط می کند مشخصات.مدل اقتصاد سنجی دارای عرضه و تجارت بین منطقه ای است توابع هزینه ، که با استفاده از رگرسیون یکنواخت بیزی تخمین زده می شود روش هموار سازی.یک مدل سری زمانی چند متغیره Copula در وابستگی اضافی-هم مقطعی و هم سریال-را در منطقه ای ضبط کنید قیمت.توزیع های حاشیه ای غیر پارامتری است ، با وسیله ای که توسط رگرسیون یعنی.این مدل از حفظ سنگین برخوردار است دم دست راست در تراکم پیش بینی قیمت.ما مدل را متناسب می کنیم داده های قیمت نیم ساعته در پنج منطقه به هم پیوسته از بازار ملی برق استرالیا.سپس از مدل نصب شده استفاده می شود اندازه گیری نحوه انتقال هر دو عرضه و قیمت در یک منطقه به توزیع قیمت در کلیه مناطق در دوره های بعدی.بالاخره ، به مدل اقتصاد سنجی خود را تأیید کنید ، ما نشان می دهیم که قیمت ها با استفاده از پیشنهادی پیش بینی می کنند مدل مطلوب را با برخی از گزینه های معیار مقایسه کنید.

This paper proposes some novel one-sided omnibus tests for independence between two multivariate stationary time series. These new tests apply the Hilbert-Schmidt independence criterion (HSIC) to test the independence between the innovations of both time series. Under regular conditions, the limiting null distributions of our HSIC-based tests are established. Next, our HSIC-based tests are shown to be consistent. Moreover, a residual bootstrap method is used to obtain the critical values for our HSIC-based tests, and its validity is justified. Compared with the existing cross-correlation-based tests for linear dependence, our tests examine the general (including both linear and non-linear) dependence to give investigators more complete information on the causal relationship between two multivariate time series. The merits of our tests are illustrated by some simulation results and a real example.

در این مقاله برخی از آزمایشات omnibus یک طرفه جدید برای استقلال پیشنهاد شده است بین دو سری زمانی ثابت چند متغیره.این تست های جدید اعمال می شود معیار استقلال هیلبرت-شیمید (HSIC) برای آزمایش استقلال بین نوآوری های هر دو سری زمانی.در شرایط منظم ، محدود کننده توزیع تهی از تست های مبتنی بر HSIC ما ایجاد شده است.بعد ، ما تست های مبتنی بر HSIC سازگار است.علاوه بر این ، یک بوت استرپ باقیمانده از روش برای به دست آوردن مقادیر مهم برای تست های مبتنی بر HSIC و آن استفاده می شود اعتبار توجیه شده است.در مقایسه با تست های مبتنی بر همبستگی موجود برای وابستگی خطی ، آزمایشات ما به طور کلی (از جمله خطی و وابستگی غیرخطی) به محققان اطلاعات کامل تری در مورد رابطه علی بین دو سری زمانی چند متغیره.شایستگی های ما آزمایشات با برخی از نتایج شبیه سازی و یک مثال واقعی نشان داده شده است.

How should one assess the credibility of assumptions weaker than statistical independence, like quantile independence? In the context of identifying causal effects of a treatment variable, we argue that such deviations should be chosen based on the form of selection on unobservables they allow. For quantile independence, we characterize this form of treatment selection. Specifically, we show that quantile independence is equivalent to a constraint on the average value of either a latent propensity score (for a binary treatment) or the cdf of treatment given the unobservables (for a continuous treatment). In both cases, this average value constraint requires a kind of non-monotonic treatment selection. Using these results, we show that several common treatment selection models are incompatible with quantile independence. We introduce a class of assumptions which weakens quantile independence by removing the average value constraint, and therefore allows for monotonic treatment selection. In a potential outcomes model with a binary treatment, we derive identified sets for the ATT and QTT under both classes of assumptions. In a numerical example we show that the average value constraint inherent in quantile independence has substantial identifying power. Our results suggest that researchers should carefully consider the credibility of this non-monotonicity property when using quantile independence to weaken full independence.

چگونه باید اعتبار فرضیات ضعیف تر از آماری را ارزیابی کرد استقلال ، مانند استقلال کمی؟در زمینه شناسایی علت تأثیر متغیر درمانی ، ما استدلال می کنیم که چنین انحرافاتی باید انتخاب شود بر اساس شکل انتخاب بر روی موارد غیر قابل استفاده که اجازه می دهند.برای کمی استقلال ، ما این شکل از انتخاب درمان را توصیف می کنیم.به طور مشخص، ما نشان می دهیم که استقلال کمی به طور متوسط ​​معادل یک محدودیت است مقدار یا یک نمره تمایل نهفته (برای یک درمان باینری) یا CDF از درمان با توجه به موارد غیر قابل استفاده (برای یک درمان مداوم).در هر دو موارد ، این محدودیت ارزش متوسط ​​به نوعی درمان غیر یکنواخت نیاز دارد انتخاب.با استفاده از این نتایج ، ما نشان می دهیم که چندین انتخاب درمانی مشترک مدل ها با استقلال کمی ناسازگار هستند.ما یک کلاس از فرضیاتی که با از بین بردن مقدار متوسط ​​، استقلال کمی را تضعیف می کند محدودیت ، و بنابراین امکان انتخاب درمان یکنواخت را فراهم می کند.در یک مدل نتایج بالقوه با یک درمان باینری ، ما مجموعه های شناسایی شده را برای ATT و QTT تحت هر دو کلاس فرضیات.در یک مثال عددی ما نشان می دهد که محدودیت ارزش متوسط ​​ذاتی در استقلال کمی دارد قدرت شناسایی قابل توجه.نتایج ما نشان می دهد که محققان باید اعتبار این خاصیت غیر یکتایی را هنگام استفاده با دقت در نظر بگیرید استقلال کمی برای تضعیف استقلال کامل.

Due to economic globalization, each country's economic law, including tax laws and tax treaties, has been forced to work as a single network. However, each jurisdiction (country or region) has not made its economic law under the assumption that its law functions as an element of one network, so it has brought unexpected results. We thought that the results are exactly international tax avoidance. To contribute to the solution of international tax avoidance, we tried to investigate which part of the network is vulnerable. Specifically, focusing on treaty shopping, which is one of international tax avoidance methods, we attempt to identified which jurisdiction are likely to be used for treaty shopping from tax liabilities and the relationship between jurisdictions which are likely to be used for treaty shopping and others. For that purpose, based on withholding tax rates imposed on dividends, interest, and royalties by jurisdictions, we produced weighted multiple directed graphs, computed the centralities and detected the communities. As a result, we clarified the jurisdictions that are likely to be used for treaty shopping and pointed out that there are community structures. The results of this study suggested that fewer jurisdictions need to introduce more regulations for prevention of treaty abuse worldwide.

به دلیل جهانی سازی اقتصادی ، قانون اقتصادی هر کشور ، از جمله مالیات قوانین و معاهدات مالیاتی مجبور شده اند به عنوان یک شبکه واحد کار کنند.با این حال، هر حوزه قضایی (کشور یا منطقه) قانون اقتصادی خود را تحت فرض اینکه قانون آن به عنوان عنصر یک شبکه عمل می کند ، بنابراین دارد نتایج غیر منتظره ای به همراه آورد.ما فکر کردیم که نتایج دقیقاً هستند اجتناب از مالیات بین المللی.برای کمک به راه حل مالیات بین المللی اجتناب ، ما سعی کردیم بررسی کنیم که کدام بخش از شبکه آسیب پذیر است. به طور خاص ، با تمرکز بر خرید پیمان ، که یکی از مالیات های بین المللی است روشهای اجتناب ، ما سعی می کنیم مشخص کنیم که صلاحیت کدام یک خواهد بود مورد استفاده برای خرید پیمان از بدهی های مالیاتی و رابطه بین حوزه های قضایی که احتمالاً برای خرید پیمان و دیگران مورد استفاده قرار می گیرند.برای این هدف ، بر اساس نرخ مالیاتی که به سود سهام ، بهره ، و حق امتیاز توسط حوزه های قضایی ، ما نمودارهای چندگانه با وزنی تولید کردیم ، محاسبات را محاسبه کرده و جوامع را شناسایی کرد.در نتیجه ، ما صلاحیت هایی را که احتمالاً برای خرید پیمان مورد استفاده قرار می گیرد ، روشن کرد اشاره کرد که ساختارهای جامعه وجود دارد.نتایج این مطالعه پیشنهاد می کند که تعداد حوزه های قضایی کمتری برای معرفی مقررات بیشتر برای پیشگیری از سوء استفاده از پیمان در سراسر جهان.

In the past twenty years the number of elderly drivers has increased for two reasons. one is the higher proportion of elderly in the population, and the other is the rise in the share of the elderly who drive. This paper examines the features of their driving and the level of their awareness of problems relating to it, by analysis preference survey that included interviews with 205 drivers aged between 70 and 80. The interviewees exhibited a level of optimism and self confidence in their driving that is out of line with the real situation. There is also a discrepancy between how their driving is viewed by others and their own assessment, and between their self assessment and their assessment of the driving of other elderly drivers, which they rate lower than their own. they attributed great importance to safety feature in cars, although they did not think that they themselves needed them, and most elderly drivers did not think there was any reason that they should stop driving, despite suggestions from family members and others that they should do so. A declared preference survey was undertaken to assess the degree of difficulty elderly drivers attribute to driving conditions. It was found that they are concerned mainly about weather condition, driving at night, and long journeys. Worry about night driving was most marked among women, the oldest drivers, and those who drove less frequently. In light of the findings, imposing greater responsibility on the health system should be considered. Consideration should also be given to issuing partial licenses to the elderly for daytime driving only, or restricted to certain weather conditions, dependent on their medical condition. Such flexibility will enable the elderly to maintain their life style and independence for a longer period on the one hand, and on the other, will minimize the risks to themselves and other.

در بیست سال گذشته تعداد رانندگان سالخورده برای دو نفر افزایش یافته است دلایلیکی نسبت بالاتر سالمندان در جمعیت و دیگر افزایش سهم افراد مسن که رانندگی می کنند.در این مقاله بررسی شده است ویژگی های رانندگی آنها و میزان آگاهی آنها از مشکلات مربوط به آن ، با بررسی اولویت تجزیه و تحلیل که شامل مصاحبه با 205 است رانندگان بین 70 تا 80 ساله. مصاحبه شوندگان سطح خوش بینی را به نمایش گذاشتند و اعتماد به نفس در رانندگی آنها که خارج از واقعی است وضعیت.همچنین بین نحوه مشاهده رانندگی آنها اختلاف وجود دارد دیگران و ارزیابی خودشان و بین ارزیابی خود و آنها ارزیابی رانندگی سایر رانندگان سالخورده ، که آنها پایین تر از آن هستند خودشانآنها هر چند که اهمیت زیادی به ویژگی ایمنی در اتومبیل ها نسبت دادند آنها فکر نمی کردند که خودشان به آنها احتیاج دارند ، و بیشتر رانندگان سالخورده فکر نمی کردم دلیلی وجود داشته باشد که علی رغم آنها باید از رانندگی دست کشیدند پیشنهادات اعضای خانواده و دیگران مبنی بر اینکه باید این کار را انجام دهند.اعلام شده بررسی اولویت برای ارزیابی میزان دشواری سالمندان انجام شد رانندگان به شرایط رانندگی نسبت می دهند.مشخص شد که آنها نگران هستند عمدتا در مورد وضعیت آب و هوا ، رانندگی در شب و سفرهای طولانی.نگران بودن حدود رانندگی شبانه بیشتر در بین زنان ، قدیمی ترین رانندگان و آن ها مشخص بود که کمتر رانندگی می کرد.با توجه به یافته ها ، تحمیل بیشتر مسئولیت سیستم بهداشتی باید در نظر گرفته شود.توجه باید همچنین به صدور مجوزهای جزئی به سالمندان برای رانندگی در روز داده می شود فقط ، یا محدود به شرایط آب و هوایی خاص ، وابسته به پزشکی آنها وضعیت.چنین انعطاف پذیری سالمندان را قادر می سازد زندگی خود را حفظ کنند سبک و استقلال برای یک دوره طولانی تر از یک طرف و از سوی دیگر ، خطرات مربوط به خود و سایر موارد را به حداقل می رساند.

We introduce the Pricing Engine package to enable the use of Double ML estimation techniques in general panel data settings. Customization allows the user to specify first-stage models, first-stage featurization, second stage treatment selection and second stage causal-modeling. We also introduce a DynamicDML class that allows the user to generate dynamic treatment-aware forecasts at a range of leads and to understand how the forecasts will vary as a function of causally estimated treatment parameters. The Pricing Engine is built on Python 3.5 and can be run on an Azure ML Workbench environment with the addition of only a few Python packages. This note provides high-level discussion of the Double ML method, describes the packages intended use and includes an example Jupyter notebook demonstrating application to some publicly available data. Installation of the package and additional technical documentation is available at $\href{https://github.com/bquistorff/pricingengine}{github.com/bquistorff/pricingengine}$.

ما بسته موتور قیمت گذاری را معرفی می کنیم تا استفاده از ML Double را فعال کنیم تکنیک های تخمین در تنظیمات داده های پنل عمومی.سفارشی سازی اجازه می دهد کاربر برای مشخص کردن مدل های مرحله اول ، حضور در مرحله اول ، مرحله دوم انتخاب درمان و مدل سازی علی مرحله دوم.ما همچنین معرفی می کنیم کلاس DynamicDML که به کاربر امکان می دهد آگاه از درمان پویا تولید کند پیش بینی در طیف وسیعی از منجر و برای درک چگونگی پیش بینی ها متفاوت خواهد بود تابعی از پارامترهای درمانی تخمین زده شده علیت.موتور قیمت گذاری است ساخته شده بر روی Python 3.5 است و می توانید با یک محیط کار با ML Azure ML اجرا کنید علاوه بر این تنها چند بسته پایتون.این نت سطح بالایی را ارائه می دهد بحث در مورد روش Double ML ، بسته های مورد نظر استفاده شده و شامل یک نوت بوک Jupyter است که نشان دهنده برنامه در برخی از عموم است داده های موجودنصب بسته و فنی اضافی مستندات در موجود است $ \ href {https://github.com/bquistorff/pricingengine} {github.com/bquistorff/pricingengine} $.

We design two mechanisms that ensure that the majority preferred option wins in all equilibria. The first one is a simultaneous game where agents choose other agents to cooperate with on top of the vote for an alternative, thus overcoming recent impossibility results concerning the implementation of majority rule. The second one adds sequential ratification to the standard majority voting procedure allowing to reach the (correct) outcome in significantly fewer steps than the widely used roll call voting. Both mechanisms use off-equilibrium lotteries to incentivize truthful voting. We discuss different extensions, including the possibility for agents to abstain.

ما دو مکانیسم را طراحی می کنیم که اطمینان حاصل می کند که اکثریت گزینه ها برنده می شوند در تمام تعادل.اولین بازی یک بازی همزمان است که نمایندگان آن را انتخاب می کنند سایر نمایندگان برای همکاری با یک گزینه جایگزین ، بنابراین ، بنابراین غلبه بر نتایج غیرممکن اخیر در مورد اجرای قانون اکثریت.مورد دوم تصویب متوالی به استاندارد اضافه می کند روال رای گیری اکثریت اجازه می دهد تا به نتیجه (صحیح) برسند به طور قابل توجهی کمتر از رای گیری تماس با رول استفاده شده است.هر دو مکانیسم ها برای ایجاد انگیزه در رای گیری راستگو از قرعه کشی خارج از تعادل استفاده می کنند.ما در مورد پسوندهای مختلف ، از جمله امکان مأموریت مأمورین بحث کنید.

We propose a procedure to determine the dimension of the common factor space in a large, possibly non-stationary, dataset. Our procedure is designed to determine whether there are (and how many) common factors (i) with linear trends, (ii) with stochastic trends, (iii) with no trends, i.e. stationary. Our analysis is based on the fact that the largest eigenvalues of a suitably scaled covariance matrix of the data (corresponding to the common factor part) diverge, as the dimension $N$ of the dataset diverges, whilst the others stay bounded. Therefore, we propose a class of randomised test statistics for the null that the $p$-th eigenvalue diverges, based directly on the estimated eigenvalue. The tests only requires minimal assumptions on the data, and no restrictions on the relative rates of divergence of $N$ and $T$ are imposed. Monte Carlo evidence shows that our procedure has very good finite sample properties, clearly dominating competing approaches when no common factors are present. We illustrate our methodology through an application to US bond yields with different maturities observed over the last 30 years. A common linear trend and two common stochastic trends are found and identified as the classical level, slope and curvature factors.

ما روشی را برای تعیین ابعاد فضای فاکتور مشترک پیشنهاد می کنیم در یک مجموعه داده بزرگ ، احتمالاً غیر ثابت.روش ما به گونه ای طراحی شده است تعیین کنید که آیا (و چه تعداد) عوامل مشترک (i) با خطی وجود دارد روندها ، (ب) با روندهای تصادفی ، (iii) بدون روند ، یعنی ثابت.ما تجزیه و تحلیل مبتنی بر این واقعیت است که بزرگترین مقادیر ویژه یک مقیاس مناسب ماتریس کواریانس داده ها (مربوط به قسمت فاکتور مشترک) واگرایی ، به عنوان ابعاد $ n $ از مجموعه داده ها ، در حالی که دیگران باقی می مانند محدود.بنابراین ، ما یک کلاس از آمار آزمون تصادفی را برای تهی که به طور مستقیم بر اساس تخمین زده شده است مقدار خاص.تست ها فقط به فرضیات حداقل در مورد داده ها نیاز دارند و خیر محدودیت در نرخ نسبی واگرایی $ n $ و $ t $ اعمال می شود. شواهد مونت کارلو نشان می دهد که روش ما نمونه محدود بسیار خوبی دارد خواص ، به وضوح بر رویکردهای رقابتی که هیچ فاکتور مشترکی وجود ندارد حاضر.ما روش خود را از طریق برنامه ای برای بازده اوراق بهادار ایالات متحده نشان می دهیم با سررسیدهای مختلف در طول 30 سال گذشته مشاهده شده است.یک خطی مشترک روند و دو روند تصادفی متداول به عنوان عوامل سطح کلاسیک ، شیب و انحنای.

This paper studies inference in randomized controlled trials with covariate-adaptive randomization when there are multiple treatments. More specifically, we study inference about the average effect of one or more treatments relative to other treatments or a control. As in Bugni et al. (2018), covariate-adaptive randomization refers to randomization schemes that first stratify according to baseline covariates and then assign treatment status so as to achieve balance within each stratum. In contrast to Bugni et al. (2018), we not only allow for multiple treatments, but further allow for the proportion of units being assigned to each of the treatments to vary across strata. We first study the properties of estimators derived from a fully saturated linear regression, i.e., a linear regression of the outcome on all interactions between indicators for each of the treatments and indicators for each of the strata. We show that tests based on these estimators using the usual heteroskedasticity-consistent estimator of the asymptotic variance are invalid; on the other hand, tests based on these estimators and suitable estimators of the asymptotic variance that we provide are exact. For the special case in which the target proportion of units being assigned to each of the treatments does not vary across strata, we additionally consider tests based on estimators derived from a linear regression with strata fixed effects, i.e., a linear regression of the outcome on indicators for each of the treatments and indicators for each of the strata. We show that tests based on these estimators using the usual heteroskedasticity-consistent estimator of the asymptotic variance are conservative, but tests based on these estimators and suitable estimators of the asymptotic variance that we provide are exact. A simulation study illustrates the practical relevance of our theoretical results.

این مقاله استنباط در کارآزمایی های کنترل شده تصادفی با تصادفی متغیر همبستگی در هنگام انجام چندین درمان.بیشتر به طور خاص ، ما استنباط را در مورد میانگین اثر یک یا چند مورد مطالعه می کنیم درمانها نسبت به سایر درمانها یا کنترل.همانطور که در Bugni و همکاران. (2018) ، تصادفی سازی متغیر متغیر به طرح های تصادفی اشاره دارد که ابتدا با توجه به متغیرهای پایه طبقه بندی کنید و سپس درمان را اختصاص دهید وضعیت به منظور دستیابی به تعادل در هر قشر.برخلاف Bugni et هم(2018) ، ما نه تنها امکان درمان های متعدد را فراهم می کنیم ، بلکه اجازه می دهیم نسبت واحدهایی که به هر یک از درمان ها اختصاص می یابد تا متفاوت باشد اقشار.ما ابتدا خواص برآوردگرهای حاصل از یک کاملاً مطالعه می کنیم رگرسیون خطی اشباع ، یعنی رگرسیون خطی از نتیجه در همه تعامل بین شاخص ها برای هر یک از درمان ها و شاخص ها هر یک از اقشار.ما نشان می دهیم که تست های مبتنی بر این برآوردگرها با استفاده از برآوردگر سازگار با ناهمگونی معمول از واریانس بدون علامت است بی اعتبار؛از طرف دیگر ، تست های مبتنی بر این برآوردگرها و مناسب برآوردگرهای واریانس بدون علامت که ما ارائه می دهیم دقیق هستند.برای مورد ویژه ای که در آن نسبت هدف واحدها به هر یک از آنها اختصاص می یابد درمان ها در اقشار متفاوت نیست ، ما علاوه بر این تست ها را در نظر می گیریم بر اساس برآوردگرهای حاصل از رگرسیون خطی با اثرات ثابت اقشار ، یعنی رگرسیون خطی از نتیجه در شاخص های هر یک از درمانها و شاخص ها برای هر یک از اقشار.ما نشان می دهیم که تست ها بر اساس این برآوردگرها با استفاده از برآوردگر متداول ناهمگن از واریانس بدون علامت محافظه کارانه است ، اما تست های مبتنی بر این برآوردگرها و برآوردگرهای مناسب از واریانس بدون علامت که ما ارائه می دهیم دقیق هستند.آ مطالعه شبیه سازی ارتباط عملی نظری ما را نشان می دهد نتایج.

Considered an important macroeconomic indicator, the Purchasing Managers' Index (PMI) on Manufacturing generally assumes that PMI announcements will produce an impact on stock markets. International experience suggests that stock markets react to negative PMI news. In this research, we empirically investigate the stock market reaction towards PMI in China. The asymmetric effects of PMI announcements on the stock market are observed: no market reaction is generated towards negative PMI announcements, while a positive reaction is generally generated for positive PMI news. We further find that the positive reaction towards the positive PMI news occurs 1 day before the announcement and lasts for nearly 3 days, and the positive reaction is observed in the context of expanding economic conditions. By contrast, the negative reaction towards negative PMI news is prevalent during downward economic conditions for stocks with low market value, low institutional shareholding ratios or high price earnings. Our study implies that China's stock market favors risk to a certain extent given the vast number of individual investors in the country, and there may exist information leakage in the market.

یک شاخص مهم اقتصادی در نظر گرفته شده ، مدیران خرید فهرست (PMI) در مورد تولید به طور کلی فرض می کند که اعلامیه های PMI خواهند بود تأثیر در بازارهای سهام ایجاد می کند.تجربه بین المللی نشان می دهد که بازارهای سهام نسبت به اخبار منفی PMI واکنش نشان می دهند.در این تحقیق ، ما به صورت تجربی واکنش بازار سهام نسبت به PMI در چین را بررسی کنید.نامتقارن تأثیر اعلامیه های PMI در بازار سهام مشاهده می شود: هیچ بازار واکنش نسبت به اعلامیه های منفی PMI ایجاد می شود ، در حالی که مثبت است واکنش به طور کلی برای اخبار PMI مثبت ایجاد می شود.ما بیشتر متوجه می شویم که واکنش مثبت نسبت به اخبار مثبت PMI 1 روز قبل از اعلامیه و نزدیک به 3 روز ادامه دارد و واکنش مثبت مشاهده می شود در زمینه گسترش شرایط اقتصادی.در مقابل ، منفی واکنش نسبت به اخبار منفی PMI در طول اقتصادی رو به پایین رواج دارد شرایط برای سهام با ارزش بازار پایین ، سهامداری نهادی پایین نسبت ها یا درآمد بالای قیمت.مطالعه ما حاکی از آن است که بازار سهام چین با توجه به تعداد زیادی از سرمایه گذاران انفرادی ، تا حدودی ریسک می کند در کشور ، و ممکن است نشت اطلاعات در بازار وجود داشته باشد.

A measure of relative importance of variables is often desired by researchers when the explanatory aspects of econometric methods are of interest. To this end, the author briefly reviews the limitations of conventional econometrics in constructing a reliable measure of variable importance. The author highlights the relative stature of explanatory and predictive analysis in economics and the emergence of fruitful collaborations between econometrics and computer science. Learning lessons from both, the author proposes a hybrid approach based on conventional econometrics and advanced machine learning (ML) algorithms, which are otherwise, used in predictive analytics. The purpose of this article is two-fold, to propose a hybrid approach to assess relative importance and demonstrate its applicability in addressing policy priority issues with an example of food inflation in India, followed by a broader aim to introduce the possibility of conflation of ML and conventional econometrics to an audience of researchers in economics and social sciences, in general.

اندازه گیری اهمیت نسبی متغیرها اغلب توسط محققان مورد نظر است هنگامی که جنبه های توضیحی روش های اقتصادسنجی مورد توجه قرار می گیرند.به این در پایان ، نویسنده به طور خلاصه محدودیت های اقتصاد سنجی متعارف را بررسی می کند ساخت یک اندازه گیری قابل اعتماد از اهمیت متغیر.نویسنده برجسته است قدم نسبی تحلیل توضیحی و پیش بینی کننده در اقتصاد و ظهور همکاری های مثمر ثمر بین اقتصاد سنج و رایانه علوم پایه.درسهای یادگیری از هر دو ، نویسنده یک رویکرد ترکیبی را پیشنهاد می کند بر اساس اقتصاد سنجی معمولی و یادگیری ماشین پیشرفته (ML) الگوریتم ها ، که در غیر این صورت ، در تجزیه و تحلیل پیش بینی استفاده می شوند.هدف از این مقاله دو برابر است ، برای پیشنهاد یک رویکرد ترکیبی برای ارزیابی نسبی اهمیت و نشان دادن کاربرد آن در پرداختن به اولویت سیاست موضوعاتی با نمونه ای از تورم غذایی در هند و به دنبال آن هدف گسترده تری امکان درگیری ML و اقتصاد سنجی معمولی را به به طور کلی مخاطب محققان در اقتصاد و علوم اجتماعی.

We consider the estimation and inference in a system of high-dimensional regression equations allowing for temporal and cross-sectional dependency in covariates and error processes, covering rather general forms of weak temporal dependence. A sequence of regressions with many regressors using LASSO (Least Absolute Shrinkage and Selection Operator) is applied for variable selection purpose, and an overall penalty level is carefully chosen by a block multiplier bootstrap procedure to account for multiplicity of the equations and dependencies in the data. Correspondingly, oracle properties with a jointly selected tuning parameter are derived. We further provide high-quality de-biased simultaneous inference on the many target parameters of the system. We provide bootstrap consistency results of the test procedure, which are based on a general Bahadur representation for the $Z$-estimators with dependent data. Simulations demonstrate good performance of the proposed inference procedure. Finally, we apply the method to quantify spillover effects of textual sentiment indices in a financial market and to test the connectedness among sectors.

ما تخمین و استنباط را در یک سیستم با ابعاد بالا در نظر می گیریم معادلات رگرسیون امکان وابستگی زمانی و مقطعی در متغیرهای متغیر و فرآیندهای خطا ، پوشش اشکال نسبتاً کلی از زمانی ضعیف وابستگی.دنباله ای از رگرسیون با بسیاری از رگرسیون ها با استفاده از لاسو (حداقل عملگر انقباض و انتخاب مطلق) برای انتخاب متغیر اعمال می شود هدف ، و یک مجازات کلی با دقت توسط یک ضرب بلوک انتخاب می شود روش bootstrap برای حساب کردن تعدد معادلات و وابستگی در داده ها.به همین ترتیب ، خاصیت اوراکل با یک مشترک پارامتر تنظیم انتخاب شده مشتق شده است.ما بیشتر با کیفیت بالا ارائه می دهیم استنتاج همزمان مغرضانه در بسیاری از پارامترهای هدف سیستم. ما نتایج قوام بوت استرپ را از روش آزمون ارائه می دهیم ، که مبتنی بر آنها هستند در یک نمایندگی عمومی بهادور برای $ Z $-با داده های وابسته. شبیه سازی ها عملکرد خوبی از روش استنباط پیشنهادی را نشان می دهد. سرانجام ، ما روش را برای تعیین کمیت اثرات سرریز احساسات متنی اعمال می کنیم شاخص ها در یک بازار مالی و آزمایش ارتباط بین بخش ها.

Structural estimation is an important methodology in empirical economics, and a large class of structural models are estimated through the generalized method of moments (GMM). Traditionally, selection of structural models has been performed based on model fit upon estimation, which take the entire observed samples. In this paper, we propose a model selection procedure based on cross-validation (CV), which utilizes sample-splitting technique to avoid issues such as over-fitting. While CV is widely used in machine learning communities, we are the first to prove its consistency in model selection in GMM framework. Its empirical property is compared to existing methods by simulations of IV regressions and oligopoly market model. In addition, we propose the way to apply our method to Mathematical Programming of Equilibrium Constraint (MPEC) approach. Finally, we perform our method to online-retail sales data to compare dynamic market model to static model.

برآورد ساختاری یک روش مهم در اقتصاد تجربی است و کلاس بزرگی از مدل های ساختاری از طریق روش عمومی تخمین زده می شود از لحظات (GMM).به طور سنتی ، انتخاب مدل های ساختاری بوده است بر اساس تخمین ، که کل مشاهده شده است ، بر اساس مدل مناسب انجام می شود نمونه ها.در این مقاله ، ما یک روش انتخاب مدل را بر اساس پیشنهاد می کنیم اعتبار سنجی متقابل (CV) ، که از تکنیک تقسیم نمونه برای جلوگیری از آن استفاده می کند موضوعاتی مانند بیش از حد مناسب.در حالی که CV به طور گسترده در یادگیری ماشین استفاده می شود جوامع ، ما اولین کسی هستیم که قوام آن را در انتخاب مدل در اثبات می کنیم چارچوب GMM.خاصیت تجربی آن با روشهای موجود توسط مقایسه می شود شبیه سازی رگرسیون IV و مدل بازار الیگوپولی.علاوه بر این ، ما راهی را برای استفاده از روش خود در برنامه نویسی ریاضی تعادل پیشنهاد دهید رویکرد محدودیت (MPEC).سرانجام ، ما روش خود را برای خرده فروشی آنلاین انجام می دهیم داده های فروش برای مقایسه مدل بازار پویا با مدل استاتیک.

This paper proposes an adaptive randomization procedure for two-stage randomized controlled trials. The method uses data from a first-wave experiment in order to determine how to stratify in a second wave of the experiment, where the objective is to minimize the variance of an estimator for the average treatment effect (ATE). We consider selection from a class of stratified randomization procedures which we call stratification trees: these are procedures whose strata can be represented as decision trees, with differing treatment assignment probabilities across strata. By using the first wave to estimate a stratification tree, we simultaneously select which covariates to use for stratification, how to stratify over these covariates, as well as the assignment probabilities within these strata. Our main result shows that using this randomization procedure with an appropriate estimator results in an asymptotic variance which is minimal in the class of stratification trees. Moreover, the results we present are able to accommodate a large class of assignment mechanisms within strata, including stratified block randomization. In a simulation study, we find that our method, paired with an appropriate cross-validation procedure ,can improve on ad-hoc choices of stratification. We conclude by applying our method to the study in Karlan and Wood (2017), where we estimate stratification trees using the first wave of their experiment.

در این مقاله یک روش تصادفی سازگار برای دو مرحله ارائه شده است کارآزمایی های کنترل شده تصادفی.این روش از داده های آزمایش موج اول استفاده می کند به منظور تعیین نحوه طبقه بندی در موج دوم آزمایش ، کجا هدف به حداقل رساندن واریانس یک برآوردگر برای میانگین است اثر درمانی (ATE).ما انتخاب را از یک کلاس طبقه بندی شده در نظر می گیریم روشهای تصادفی سازی که ما آن را درختان طبقه بندی می نامیم: اینها هستند رویه هایی که اقشار آنها را می توان به عنوان درختان تصمیم گیری نشان داد ، با متفاوت احتمالات واگذاری درمان در سراسر اقشار.با استفاده از موج اول به یک درخت طبقه بندی را تخمین بزنید ، ما به طور همزمان انتخاب می کنیم که به کدام متغیر است برای طبقه بندی ، نحوه طبقه بندی بر روی این متغیرها و همچنین احتمالات واگذاری در این اقشار.نتیجه اصلی ما نشان می دهد که استفاده از این روش تصادفی سازی با یک برآوردگر مناسب منجر به واریانس بدون علامت که در کلاس درختان طبقه بندی حداقل است. علاوه بر این ، نتایج ارائه شده ما قادر به قرار دادن یک کلاس بزرگ از مکانیسم های انتساب در اقشار ، از جمله تصادفی بلوک طبقه بندی شده. در یک مطالعه شبیه سازی ، می فهمیم که روش ما ، با یک مناسب جفت شده است روش اعتبار سنجی متقاطع ، می تواند در انتخاب های موقت طبقه بندی بهبود یابد.ما نتیجه گیری با استفاده از روش ما در مطالعه در کارلان و وود (2017) ، کجا ما درختان طبقه بندی را با استفاده از اولین موج آزمایش آنها تخمین می زنیم.

In this study, an optimization problem is proposed in order to obtain the maximum economic benefit from wind farms with variable and intermittent energy generation in the day ahead and balancing electricity markets. This method, which is based on the use of pumped-hydro energy storage unit and wind farm together, increases the profit from the power plant by taking advantage of the price changes in the markets and at the same time supports the power system by supplying a portion of the peak load demand in the system to which the plant is connected. With the objective of examining the effectiveness of the proposed method, detailed simulation studies are carried out by making use of actual wind and price data, and the results are compared to those obtained for the various cases in which the storage unit is not available and/or the proposed price-based energy management method is not applied. As a consequence, it is demonstrated that the pumped-hydro energy storage units are the storage systems capable of being used effectively for high-power levels and that the proposed optimization problem is quite successful in the cost-effective implementation of these systems.

در این مطالعه ، یک مشکل بهینه سازی به منظور به دست آوردن حداکثر سود اقتصادی از مزارع بادی با انرژی متغیر و متناوب نسل در روز پیش رو و تعادل بازارهای برق.این روش، که مبتنی بر استفاده از واحد ذخیره انرژی پمپ-هیدرو و مزرعه بادی است با هم ، با استفاده از نیروگاه ، سود حاصل از نیروگاه را افزایش می دهد تغییرات قیمت در بازارها و در عین حال از سیستم برق پشتیبانی می کند تأمین بخشی از تقاضای بار اوج در سیستمی که گیاه در آن قرار دارد متصل.با هدف بررسی اثربخشی پیشنهادی روش ، مطالعات شبیه سازی دقیق با استفاده از واقعی انجام می شود داده های باد و قیمت ، و نتایج با نتایج به دست آمده برای موارد مختلفی که در آن واحد ذخیره سازی در دسترس نیست و/یا پیشنهادی روش مدیریت انرژی مبتنی بر قیمت اعمال نمی شود.در نتیجه ، این است نشان داد که واحدهای ذخیره انرژی پمپ-هیدرو سیستم های ذخیره سازی هستند قادر به استفاده موثر برای سطح با قدرت بالا و پیشنهاد شده است مشکل بهینه سازی در اجرای مقرون به صرفه کاملاً موفق است از این سیستم ها

We propose an asymptotic theory for distribution forecasting from the log normal chain-ladder model. The theory overcomes the difficulty of convoluting log normal variables and takes estimation error into account. The results differ from that of the over-dispersed Poisson model and from the chain-ladder based bootstrap. We embed the log normal chain-ladder model in a class of infinitely divisible distributions called the generalized log normal chain-ladder model. The asymptotic theory uses small $\sigma$ asymptotics where the dimension of the reserving triangle is kept fixed while the standard deviation is assumed to decrease. The resulting asymptotic forecast distributions follow t distributions. The theory is supported by simulations and an empirical application.

ما یک تئوری بدون علامت برای پیش بینی توزیع از سیاهه ارائه می دهیم مدل لامپ زنجیره ای طبیعی.این تئوری بر دشواری پیچیدگی غلبه می کند متغیرهای عادی را وارد کنید و خطای تخمین را در نظر می گیرد.نتایج متفاوت از مدل پراکنده پواسون و از لاستیک زنجیره ای بوت استرپ مبتنی بر.ما مدل لاستیک زنجیره ای طبیعی log را در یک کلاس از تعبیه کردیم توزیع های بی نهایت تقسیم شده به نام log generalized normal مدل زنجیره ای.نظریه بدون علامت از ANSYMPTOTICS $ \ sigma $ کوچک استفاده می کند ابعاد مثلث رزرو در حالی که استاندارد است ثابت می شود انحراف فرض می شود که کاهش می یابد.پیش بینی بدون علامت حاصل توزیع ها از توزیع T پیروی می کنند.این تئوری توسط شبیه سازی ها پشتیبانی می شود و یک برنامه تجربی

Geography, including climatic factors, have long been considered potentially important elements in shaping socio-economic activities, alongside other determinants, such as institutions. Here we demonstrate that geography and climate satisfactorily explain worldwide economic activity as measured by the per capita Gross Cell Product (GCP-PC) at a fine geographical resolution, typically much higher than country average. A 1{\deg} by 1{\deg} GCP-PC dataset has been key for establishing and testing a direct relationship between 'local' geography/climate and GCP-PC. Not only have we tested the geography/climate hypothesis using many possible explanatory variables, importantly we have also predicted and reconstructed GCP-PC worldwide by retaining the most significant predictors. While this study confirms that latitude is the most important predictor for GCP-PC when taken in isolation, the accuracy of the GCP-PC prediction is greatly improved when other factors mainly related to variations in climatic variables, such as the variability in air pressure, rather than average climatic conditions as typically used, are considered. Implications of these findings include an improved understanding of why economically better-off societies are geographically placed where they are

جغرافیا ، از جمله عوامل آب و هوایی ، مدتهاست که به طور بالقوه در نظر گرفته شده است عناصر مهم در شکل دادن به فعالیت های اقتصادی و اجتماعی ، در کنار دیگر عوامل تعیین کننده ، مانند موسسات.در اینجا ما نشان می دهیم که جغرافیا و آب و هوا به طور رضایت بخش فعالیت اقتصادی در سراسر جهان را توضیح می دهد که توسط سرانه محصول ناخالص Capita (GCP-PC) با وضوح جغرافیایی خوب ، به طور معمول بسیار بالاتر از میانگین کشور.A 1 {\ deg} توسط 1 {\ deg} GCP-PC DataSet برای ایجاد و آزمایش رابطه مستقیم بین "محلی" مهم بوده است جغرافیا/آب و هوا و GCP-PC.نه تنها ما جغرافیا/آب و هوا را آزمایش کرده ایم فرضیه با استفاده از بسیاری از متغیرهای توضیحی احتمالی ، مهمتر از همه ما نیز داریم GCP-PC پیش بینی و بازسازی شده در سراسر جهان با حفظ مهمترین پیش بینی کننده هادر حالی که این مطالعه تأیید می کند که عرض جغرافیایی مهمترین است پیش بینی کننده برای GCP-PC هنگام جداسازی ، دقت GCP-PC پیش بینی در مواردی که سایر عوامل عمدتاً مربوط به تغییرات هستند ، بسیار بهبود می یابد در متغیرهای آب و هوایی ، مانند تغییرپذیری در فشار هوا ، به جای متوسط ​​شرایط آب و هوایی که معمولاً استفاده می شود ، در نظر گرفته می شود.پیامدهای این یافته ها شامل درک بهتری از دلیل بهتر شدن اقتصادی است جوامع از نظر جغرافیایی در جایی قرار می گیرند

We investigate the relationships of the VIX with US and BRIC markets. In detail, we pick up the analysis from the point left off by (Sarwar, 2012), and we focus on the period: Jan 2007 - Feb 2018, thus capturing the relations before, during and after the 2008 financial crisis. Results pinpoint frequent structural breaks in the VIX and suggest an enhancement around 2008 of the fear transmission in response to negative market moves; largely depending on overlaps in trading hours, this has become even stronger post-crisis for the US, while for BRIC countries has gone back towards pre-crisis levels.

ما روابط VIX با ما و بازارهای BRIC را بررسی می کنیم.که در جزئیات ، ما تجزیه و تحلیل را از نقطه ای که توسط (Sarwar ، 2012) و ما روی دوره تمرکز می کنیم: ژانویه 2007 - فوریه 2018 ، بنابراین روابط را ضبط می کنیم قبل ، حین و بعد از بحران مالی 2008.نتایج مکرر نشان می دهد شکستگی های ساختاری در VIX و پیشرفت در سال 2008 از ترس را نشان می دهد انتقال در پاسخ به حرکات منفی بازار ؛تا حد زیادی به در ساعات معاملاتی همپوشانی دارد ، این حتی پس از بحران برای این افراد قوی تر شده است ما ، در حالی که برای کشورهای BRIC به سمت سطح قبل از بحران بازگشت.

Economists specify high-dimensional models to address heterogeneity in empirical studies with complex big data. Estimation of these models calls for optimization techniques to handle a large number of parameters. Convex problems can be effectively executed in modern statistical programming languages. We complement Koenker and Mizera (2014)'s work on numerical implementation of convex optimization, with focus on high-dimensional econometric estimators. Combining R and the convex solver MOSEK achieves faster speed and equivalent accuracy, demonstrated by examples from Su, Shi, and Phillips (2016) and Shi (2016). Robust performance of convex optimization is witnessed cross platforms. The convenience and reliability of convex optimization in R make it easy to turn new ideas into prototypes.

اقتصاددانان مدلهای با ابعاد بالا را برای پرداختن به ناهمگونی در مشخص می کنند مطالعات تجربی با داده های بزرگ پیچیده.تخمین این مدل ها خواستار آن است تکنیک های بهینه سازی برای رسیدگی به تعداد زیادی از پارامترها.مشکلات محدب می تواند به طور مؤثر در زبانهای برنامه نویسی آماری مدرن اجرا شود.ما مکمل کار Koenker and Mizera (2014) در مورد اجرای عددی بهینه سازی محدب ، با تمرکز بر برآوردگرهای اقتصاد سنجی با ابعاد بالا. ترکیب R و Mosek حل کننده محدب به سرعت و معادل سریعتر دست می یابد دقت ، که توسط مثالهایی از SU ، SHI و فیلیپس (2016) و SHI نشان داده شده است (2016).عملکرد قوی بهینه سازی محدب شاهد سکوهای متقاطع است. راحتی و قابلیت اطمینان بهینه سازی محدب در R این کار را آسان می کند ایده های جدید را به نمونه های اولیه تبدیل کنید.

We study the optimal referral strategy of a seller and its relationship with the type of communication channels among consumers. The seller faces a partially uninformed population of consumers, interconnected through a directed social network. In the network, the seller offers rewards to informed consumers (influencers) conditional on inducing purchases by uninformed consumers (influenced). Rewards are needed to bear a communication cost and to induce word-of-mouth (WOM) either privately (cost-per-contact) or publicly (fixed cost to inform all friends). From the seller's viewpoint, eliciting Private WOM is more costly than eliciting Public WOM. We investigate (i) the incentives for the seller to move to a denser network, inducing either Private or Public WOM and (ii) the optimal mix between the two types of communication. A denser network is found to be always better, not only for information diffusion but also for seller's profits, as long as Private WOM is concerned. Differently, under Public WOM, the seller may prefer an environment with less competition between informed consumers and the presence of highly connected influencers (hubs) is the main driver to make network density beneficial to profits. When the seller is able to discriminate between Private and Public WOM, the optimal strategy is to cheaply incentivize the more connected people to pass on the information publicly and then offer a high bonus for Private WOM.

ما استراتژی ارجاع بهینه یک فروشنده و رابطه آن با آن را مطالعه می کنیم نوع کانال های ارتباطی بین مصرف کنندگان.فروشنده روبرو است جمعیت تا حدی ناآگاه مصرف کنندگان ، که از طریق کارگردانی به هم پیوسته اند شبکه اجتماعی.در شبکه ، فروشنده پاداش به مصرف کنندگان آگاه ارائه می دهد (تأثیرگذار) مشروط به القاء خریدها توسط مصرف کنندگان ناآگاه (تحت تأثیر)برای تحمل هزینه ارتباطی و القای پاداش لازم است کلمه-دهان (WOM) یا به صورت خصوصی (هزینه در هر تماس) یا عمومی (هزینه ثابت برای اطلاع رسانی به همه دوستان).از دیدگاه فروشنده ، انتخاب WOM خصوصی است پرهزینه تر از انتخاب زنان عمومی.ما (i) مشوق ها برای فروشنده برای انتقال به یک شبکه متراکم تر ، القاء زنان خصوصی یا عمومی و (ب) ترکیب بهینه بین دو نوع ارتباط.متراکم تر شبکه همیشه بهتر است ، نه تنها برای انتشار اطلاعات بلکه همچنین برای سود فروشنده ، تا زمانی که مربوط به WOM خصوصی باشد.متفاوت ، تحت WOM عمومی ، فروشنده ممکن است محیطی با رقابت کمتر را ترجیح دهد بین مصرف کنندگان آگاه و وجود تأثیرگذار بسیار متصل (Hubs) درایور اصلی برای چگالی شبکه برای سود است.چه زمانی فروشنده قادر به تبعیض بین زنان خصوصی و عمومی ، بهینه است استراتژی این است که به طور ارزان انگیزه افراد متصل تر را برای عبور از اطلاعات به صورت عمومی و سپس جایزه بالایی را برای WOM خصوصی ارائه می دهید.

We develop a new approach for estimating average treatment effects in observational studies with unobserved group-level heterogeneity. We consider a general model with group-level unconfoundedness and provide conditions under which aggregate balancing statistics -- group-level averages of functions of treatments and covariates -- are sufficient to eliminate differences between groups. Building on these results, we reinterpret commonly used linear fixed-effect regression estimators by writing them in the Mundlak form as linear regression estimators without fixed effects but including group averages. We use this representation to develop Generalized Mundlak Estimators (GMEs) that capture group differences through group averages of (functions of) the unit-level variables and adjust for these group differences in flexible and robust ways in the spirit of the modern causal literature.

ما یک رویکرد جدید برای برآورد میانگین اثرات درمانی در مطالعات مشاهده ای با ناهمگونی سطح گروهی.ما یک را در نظر می گیریم مدل کلی با عدم وجود سطح گروه و شرایط زیر را فراهم می کند کدام آمار متعادل کننده کل-میانگین سطح گروهی عملکردهای درمانها و متغیرهای متغیر - برای از بین بردن اختلافات کافی است گروه ها.با تکیه بر این نتایج ، ما دوباره به صورت خطی استفاده می کنیم برآوردگرهای رگرسیون اثر ثابت با نوشتن آنها به شکل Mundlak به عنوان برآوردگرهای رگرسیون خطی بدون اثرات ثابت اما شامل گروه میانگینما از این نمایندگی برای توسعه برآوردگرهای عمومی Mundlak استفاده می کنیم (GME) که اختلافات گروه را از طریق میانگین گروهی (توابع) ضبط می کنند متغیرهای سطح واحد و تنظیم این تفاوت های گروه در انعطاف پذیر و راه های قوی در روح ادبیات علی مدرن.

We propose a framework for estimation and inference when the model may be misspecified. We rely on a local asymptotic approach where the degree of misspecification is indexed by the sample size. We construct estimators whose mean squared error is minimax in a neighborhood of the reference model, based on one-step adjustments. In addition, we provide confidence intervals that contain the true parameter under local misspecification. As a tool to interpret the degree of misspecification, we map it to the local power of a specification test of the reference model. Our approach allows for systematic sensitivity analysis when the parameter of interest may be partially or irregularly identified. As illustrations, we study three applications: an empirical analysis of the impact of conditional cash transfers in Mexico where misspecification stems from the presence of stigma effects of the program, a cross-sectional binary choice model where the error distribution is misspecified, and a dynamic panel data binary choice model where the number of time periods is small and the distribution of individual effects is misspecified.

ما یک چارچوب برای تخمین و استنباط را در صورت ممکن است پیشنهاد می کنیم اشتباه غلطما به یک رویکرد بدون علامت محلی که درجه آن است اعتماد می کنیم شناسایی غلط با اندازه نمونه نمایه می شود.ما برآوردگرانی می سازیم که آنها میانگین خطای مربع در یک محله مدل مرجع ، مبتنی بر مینیماکس است در تنظیمات یک مرحله ای.علاوه بر این ، ما فواصل اطمینان را ارائه می دهیم که حاوی پارامتر واقعی تحت شناسایی محلی محلی است.به عنوان ابزاری برای تفسیر میزان شناسایی اشتباه ، ما آن را به قدرت محلی مشخصات نقشه می بریم آزمون مدل مرجع.رویکرد ما باعث حساسیت سیستماتیک می شود تجزیه و تحلیل هنگامی که پارامتر علاقه ممکن است تا حدی یا نامنظم باشد شناخته شده است.به عنوان تصاویر ، ما سه برنامه را مطالعه می کنیم: یک تجربی تجزیه و تحلیل تأثیر نقل و انتقالات نقدی مشروط در مکزیک که در آن شناسایی غلط ناشی از وجود اثرات ننگ برنامه ، الف مدل انتخاب باینری مقطعی که در آن توزیع خطا است اشتباه اشتباه ، و یک مدل انتخاب باینری داده پانری پویا که در آن تعداد دوره های زمانی اندک است و توزیع اثرات فردی است اشتباه غلط

In this paper we propose an autoregressive wild bootstrap method to construct confidence bands around a smooth deterministic trend. The bootstrap method is easy to implement and does not require any adjustments in the presence of missing data, which makes it particularly suitable for climatological applications. We establish the asymptotic validity of the bootstrap method for both pointwise and simultaneous confidence bands under general conditions, allowing for general patterns of missing data, serial dependence and heteroskedasticity. The finite sample properties of the method are studied in a simulation study. We use the method to study the evolution of trends in daily measurements of atmospheric ethane obtained from a weather station in the Swiss Alps, where the method can easily deal with the many missing observations due to adverse weather conditions.

در این مقاله ما یک روش بوت استرپ وحشی خودجوش را برای ساخت پیشنهاد می کنیم باند اعتماد به نفس در اطراف یک روند تعیین کننده صاف.روش bootstrap است اجرای آسان و نیازی به تنظیم در حضور ندارد داده های گمشده ، که باعث می شود آن را به خصوص برای اقلیم شناسی مناسب کند برنامه های کاربردی.ما اعتبار بدون علامت روش bootstrap را برای هر دو باند اعتماد به نفس و همزمان در شرایط عمومی ، اجازه دادن به الگوهای کلی داده های گمشده ، وابستگی به سریال و ناهمگونی.خصوصیات نمونه محدود روش در a مورد مطالعه قرار گرفته است مطالعه شبیه سازی.ما از این روش برای مطالعه تکامل روندها روزانه استفاده می کنیم اندازه گیری اتان جوی به دست آمده از ایستگاه هواشناسی در سوئیسی ها آلپ ، جایی که این روش به راحتی می تواند با بسیاری از مشاهدات مفقود شده برخورد کند به شرایط آب و هوایی نامطلوب.

Motivated by applications such as viral marketing, the problem of influence maximization (IM) has been extensively studied in the literature. The goal is to select a small number of users to adopt an item such that it results in a large cascade of adoptions by others. Existing works have three key limitations. (1) They do not account for economic considerations of a user in buying/adopting items. (2) Most studies on multiple items focus on competition, with complementary items receiving limited attention. (3) For the network owner, maximizing social welfare is important to ensure customer loyalty, which is not addressed in prior work in the IM literature. In this paper, we address all three limitations and propose a novel model called UIC that combines utility-driven item adoption with influence propagation over networks. Focusing on the mutually complementary setting, we formulate the problem of social welfare maximization in this novel setting. We show that while the objective function is neither submodular nor supermodular, surprisingly a simple greedy allocation algorithm achieves a factor of $(1-1/e-\epsilon)$ of the optimum expected social welfare. We develop \textsf{bundleGRD}, a scalable version of this approximation algorithm, and demonstrate, with comprehensive experiments on real and synthetic datasets, that it significantly outperforms all baselines.

با انگیزه برنامه هایی مانند بازاریابی ویروسی ، مشکل نفوذ حداکثر (IM) در ادبیات به طور گسترده مورد مطالعه قرار گرفته است.هدف این است برای انتخاب تعداد کمی از کاربران برای اتخاذ یک مورد به گونه ای که منجر به آن شود آبشار بزرگ فرزندخواندگی توسط دیگران.آثار موجود سه کلید دارند محدودیت ها.(1) آنها ملاحظات اقتصادی کاربر را در آن حساب نمی کنند خرید/پذیرش اقلام.(2) بیشتر مطالعات در مورد چندین مورد بر رقابت متمرکز است ، با موارد مکمل که توجه محدودی را به خود جلب می کنند.(3) برای شبکه مالک ، به حداکثر رساندن رفاه اجتماعی برای اطمینان از وفاداری مشتری ، که در کار قبلی در ادبیات IM مورد توجه قرار نمی گیرد.در این مقاله ، ما آدرس می دهیم هر سه محدودیت و یک مدل جدید به نام UIC را ارائه می دهد که ترکیب می شود پذیرش کالای مبتنی بر ابزار با انتشار تأثیر در شبکه ها.متمرکز در محیط متقابل ، ما مشکل اجتماعی را تدوین می کنیم حداکثر رساندن رفاه در این تنظیمات جدید.ما نشان می دهیم که در حالی که هدف است عملکرد نه زیرودیک است و نه فوق العاده ، به طرز شگفت آور یک حریص ساده است الگوریتم تخصیص به عاملی از $ (1-1/e- \ epsilon) $ بهینه دست می یابد انتظار رفاه اجتماعی.ما \ textsf {bundlegrd} ، یک نسخه مقیاس پذیر از این الگوریتم تقریب ، و با آزمایش های جامع نشان می دهد در مجموعه داده های واقعی و مصنوعی ، که به طور قابل توجهی از همه بهتر است خط مقدماتی

I introduce a simple permutation procedure to test conventional (non-sharp) hypotheses about the effect of a binary treatment in the presence of a finite number of large, heterogeneous clusters when the treatment effect is identified by comparisons across clusters. The procedure asymptotically controls size by applying a level-adjusted permutation test to a suitable statistic. The adjustments needed for most empirically relevant situations are tabulated in the paper. The adjusted permutation test is easy to implement in practice and performs well at conventional levels of significance with at least four treated clusters and a similar number of control clusters. It is particularly robust to situations where some clusters are much more variable than others. Examples and an empirical application are provided.

من یک روش جابجایی ساده برای آزمایش معمولی (غیر Sharp) معرفی می کنم فرضیه در مورد تأثیر یک درمان باینری در حضور یک محدود تعداد خوشه های بزرگ و ناهمگن هنگام شناسایی اثر درمانی با مقایسه در خوشه ها.این روش به صورت مجانبی اندازه را کنترل می کند استفاده از آزمون جابجایی سطح تنظیم شده در یک آمار مناسب.در تنظیمات مورد نیاز برای اکثر شرایط تجربی مرتبط در جدول بندی شده است کاغذ.تست جابجایی تنظیم شده در عمل به راحتی قابل اجرا است با حداقل چهار درمان شده در سطح معمولی از اهمیت عملکرد خوبی دارد خوشه ها و تعداد مشابهی از خوشه های کنترل.به خصوص قوی است موقعیت هایی که برخی از خوشه ها بسیار متغیر تر از سایرین هستند.مثالها و یک برنامه تجربی ارائه شده است.

When an individual purchases a home, they simultaneously purchase its structural features, its accessibility to work, and the neighborhood amenities. Some amenities, such as air quality, are measurable while others, such as the prestige or the visual impression of a neighborhood, are difficult to quantify. Despite the well-known impacts intangible housing features have on house prices, limited attention has been given to systematically quantifying these difficult to measure amenities. Two issues have led to this neglect. Not only do few quantitative methods exist that can measure the urban environment, but that the collection of such data is both costly and subjective. We show that street image and satellite image data can capture these urban qualities and improve the estimation of house prices. We propose a pipeline that uses a deep neural network model to automatically extract visual features from images to estimate house prices in London, UK. We make use of traditional housing features such as age, size, and accessibility as well as visual features from Google Street View images and Bing aerial images in estimating the house price model. We find encouraging results where learning to characterize the urban quality of a neighborhood improves house price prediction, even when generalizing to previously unseen London boroughs. We explore the use of non-linear vs. linear methods to fuse these cues with conventional models of house pricing, and show how the interpretability of linear models allows us to directly extract proxy variables for visual desirability of neighborhoods that are both of interest in their own right, and could be used as inputs to other econometric methods. This is particularly valuable as once the network has been trained with the training data, it can be applied elsewhere, allowing us to generate vivid dense maps of the visual appeal of London streets.

هنگامی که یک خانه یک خانه را خریداری می کند ، آنها همزمان آن را خریداری می کنند ویژگی های ساختاری ، دسترسی به آن به کار و امکانات محله. برخی از امکانات ، مانند کیفیت هوا ، قابل اندازه گیری هستند در حالی که برخی دیگر مانند موارد اعتبار یا تصور بصری یک محله ، تعیین کمیت دشوار است. با وجود تأثیرات شناخته شده ویژگی های مسکن نامشهود بر خانه قیمت ها ، توجه محدودی به تعیین سیستماتیک این موارد داده شده است اندازه گیری امکانات دشوار است.دو موضوع منجر به این غفلت شده است.نه فقط چند روش کمی وجود داشته باشد که می تواند محیط شهری را اندازه گیری کند ، اما اینکه جمع آوری چنین داده هایی هم پرهزینه و هم ذهنی است. ما نشان می دهیم که تصویر خیابانی و داده های ماهواره ای می توانند این شهرها را ضبط کنند کیفیت و بهبود تخمین قیمت خانه.ما یک خط لوله پیشنهاد می کنیم که از یک مدل شبکه عصبی عمیق برای استخراج خودکار ویژگی های بصری استفاده می کند از تصاویر گرفته تا تخمین قیمت خانه در لندن ، انگلیس.ما از سنتی استفاده می کنیم ویژگی های مسکن مانند سن ، اندازه و دسترسی و همچنین بصری ویژگی هایی از تصاویر Google Street View و تصاویر هوایی Bing در تخمین مدل قیمت خانه.ما نتایج دلگرم کننده ای را در جایی می یابیم که یادگیری توصیف کیفیت شهری یک محله باعث بهبود قیمت خانه می شود پیش بینی ، حتی در هنگام تعمیم در ولسوالی های قبلاً غیب لندن. ما استفاده از روشهای غیرخطی در مقابل خطی را برای فیوز این نشانه ها کشف می کنیم مدل های معمولی قیمت گذاری خانه ، و نشان می دهد که چگونه تفسیر پذیری مدل های خطی به ما اجازه می دهد تا متغیرهای پروکسی را برای بصری به طور مستقیم استخراج کنیم مطلوبیت محله هایی که هر دو مورد علاقه خودشان هستند و می تواند به عنوان ورودی به سایر روشهای اقتصاد سنجی استفاده شود.این به ویژه است ارزشمند است که وقتی شبکه با داده های آموزش آموزش داده شد ، می تواند باشد در جای دیگر اعمال می شود و به ما این امکان را می دهد تا نقشه های متراکم از بصری تولید کنیم جذابیت خیابان های لندن.

This paper proposes a method for estimating multiple change points in panel data models with unobserved individual effects via ordinary least-squares (OLS). Typically, in this setting, the OLS slope estimators are inconsistent due to the unobserved individual effects bias. As a consequence, existing methods remove the individual effects before change point estimation through data transformations such as first-differencing. We prove that under reasonable assumptions, the unobserved individual effects bias has no impact on the consistent estimation of change points. Our simulations show that since our method does not remove any variation in the dataset before change point estimation, it performs better in small samples compared to first-differencing methods. We focus on short panels because they are commonly used in practice, and allow for the unobserved individual effects to vary over time. Our method is illustrated via two applications: the environmental Kuznets curve and the U.S. house price expectations after the financial crisis.

در این مقاله روشی برای برآورد چندین نقطه تغییر در پانل ارائه شده است مدل های داده با اثرات فردی بدون نظارت از طریق حداقل مربعات معمولی (OLS).به طور معمول ، در این تنظیم ، برآوردگرهای شیب OLS متناقض هستند به دلیل تعصب اثرات فردی محافظت نشده.در نتیجه ، موجود روشها قبل از تغییر تخمین نقطه از طریق اثرات فردی را حذف می کنند تحولات داده مانند اختلاف اول.ما این را تحت معقول ثابت می کنیم فرضیات ، تعصب اثرات فردی بدون تأثیر هیچ تاثیری در این کشور ندارد تخمین مداوم از نقاط تغییر.شبیه سازی های ما نشان می دهد که از ما روش قبل از تغییر نقطه هیچ گونه تغییر در مجموعه داده را حذف نمی کند برآورد ، در نمونه های کوچک در مقایسه با اختلاف اول عملکرد بهتری دارد مواد و روش ها.ما روی پانل های کوتاه تمرکز می کنیم زیرا آنها معمولاً در عمل استفاده می شوند ، و اجازه می دهد تا اثرات فردی بدون نظارت با گذشت زمان متفاوت باشد.روش ما از طریق دو برنامه نشان داده شده است: منحنی Kuznets محیط زیست و انتظارات قیمت خانه ایالات متحده پس از بحران مالی.

This dissertation is to study the interplay between large-scale electric vehicle (EV) charging and the power system. We address three important issues pertaining to EV charging and integration into the power system: (1) charging station placement, (2) pricing policy and energy management strategy, and (3) electricity trading market and distribution network design to facilitate integrating EV and renewable energy source (RES) into the power system. For charging station placement problem, we propose a multi-stage consumer behavior based placement strategy with incremental EV penetration rates and model the EV charging industry as an oligopoly where the entire market is dominated by a few charging service providers (oligopolists). The optimal placement policy for each service provider is obtained by solving a Bayesian game. For pricing and energy management of EV charging stations, we provide guidelines for charging service providers to determine charging price and manage electricity reserve to balance the competing objectives of improving profitability, enhancing customer satisfaction, and reducing impact on the power system. Two algorithms --- stochastic dynamic programming (SDP) algorithm and greedy algorithm (benchmark algorithm) are applied to derive the pricing and electricity procurement strategy. We design a novel electricity trading market and distribution network, which supports seamless RES integration, grid to vehicle (G2V), vehicle to grid (V2G), vehicle to vehicle (V2V), and distributed generation (DG) and storage. We apply a sharing economy model to the electricity sector to stimulate different entities to exchange and monetize their underutilized electricity. A fitness-score (FS)-based supply-demand matching algorithm is developed by considering consumer surplus, electricity network congestion, and economic dispatch.

این پایان نامه مطالعه تعامل بین برقی در مقیاس بزرگ است شارژ وسیله نقلیه (EV) و سیستم برق.ما به سه موضوع مهم می پردازیم مربوط به شارژ و ادغام EV در سیستم قدرت: (1) شارژ قرار دادن ایستگاه ، (2) سیاست قیمت گذاری و استراتژی مدیریت انرژی ، و (3) بازار تجارت برق و طراحی شبکه توزیع برای تسهیل ادغام EV و منبع انرژی تجدید پذیر (RES) در سیستم قدرت. برای شارژ مشکل قرار دادن ایستگاه ، ما یک مصرف کننده چند مرحله ای را پیشنهاد می کنیم استراتژی قرارگیری مبتنی بر رفتار با میزان نفوذ EV افزایشی و صنعت شارژ EV را به عنوان یک الیگوپولی که در آن کل بازار قرار دارد مدل کنید تحت سلطه چند ارائه دهنده خدمات شارژ (الیگوپولیست ها).بهینه خط مشی قرار دادن برای هر ارائه دهنده خدمات با حل یک بیزی به دست می آید بازی. برای قیمت گذاری و مدیریت انرژی ایستگاه های شارژ EV ، ما ارائه می دهیم دستورالعملهای مربوط به شارژ ارائه دهندگان خدمات برای تعیین قیمت شارژ و برای تعادل در اهداف رقیب بهبود ، ذخیره برق را مدیریت کنید سودآوری ، افزایش رضایت مشتری و کاهش تأثیر بر سیستم قدرت.دو الگوریتم --- الگوریتم برنامه نویسی پویا تصادفی (SDP) و الگوریتم حریص (الگوریتم معیار) برای استخراج قیمت گذاری اعمال می شود و استراتژی تهیه برق. ما یک بازار جدید تجارت و شبکه توزیع برق را طراحی می کنیم که از ادغام یکپارچه سازی یکپارچه ، شبکه به وسیله نقلیه (G2V) ، وسیله نقلیه به شبکه پشتیبانی می کند (V2G) ، وسیله نقلیه به وسیله نقلیه (V2V) ، و تولید توزیع شده (DG) و ذخیره سازی. ما برای تحریک یک مدل اقتصاد اشتراکی در بخش برق اعمال می کنیم نهادهای مختلف برای مبادله و کسب درآمد از برق مورد استفاده خود.آ الگوریتم تطبیق تقاضا-تقاضا مبتنی بر نمره تناسب اندام (FS) توسط با توجه به مازاد مصرف کننده ، تراکم شبکه برق و اقتصادی ارسال.

General Purpose Technologies (GPTs) that can be applied in many industries are an important driver of economic growth and national and regional competitiveness. In spite of this, the geography of their development and diffusion has not received significant attention in the literature. We address this with an analysis of Deep Learning (DL), a core technique in Artificial Intelligence (AI) increasingly being recognized as the latest GPT. We identify DL papers in a novel dataset from ArXiv, a popular preprints website, and use CrunchBase, a technology business directory to measure industrial capabilities related to it. After showing that DL conforms with the definition of a GPT, having experienced rapid growth and diffusion into new fields where it has generated an impact, we describe changes in its geography. Our analysis shows China's rise in AI rankings and relative decline in several European countries. We also find that initial volatility in the geography of DL has been followed by consolidation, suggesting that the window of opportunity for new entrants might be closing down as new DL research hubs become dominant. Finally, we study the regional drivers of DL clustering. We find that competitive DL clusters tend to be based in regions combining research and industrial activities related to it. This could be because GPT developers and adopters located close to each other can collaborate and share knowledge more easily, thus overcoming coordination failures in GPT deployment. Our analysis also reveals a Chinese comparative advantage in DL after we control for other explanatory factors, perhaps underscoring the importance of access to data and supportive policies for the successful development of this complex, `omni-use' technology.

فن آوری های هدف کلی (GPT) که در بسیاری از صنایع قابل استفاده است محرک مهمی برای رشد اقتصادی و ملی و منطقه ای هستند رقابت پذیری.علی رغم این ، جغرافیای پیشرفت آنها و انتشار در ادبیات مورد توجه قابل توجهی قرار نگرفته است.ما آدرس می دهیم این با تجزیه و تحلیل یادگیری عمیق (DL) ، یک تکنیک اصلی در مصنوعی است هوش (AI) به طور فزاینده ای به عنوان آخرین GPT شناخته می شود.ما شناسایی می کنیم مقالات DL در یک مجموعه داده جدید از Arxiv ، یک وب سایت محبوب Preprints و استفاده Crunchbase ، یک دایرکتوری تجارت فناوری برای اندازه گیری قابلیت های صنعتی مربوط به آنپس از نشان دادن اینکه DL با تعریف GPT مطابقت دارد ، رشد سریع و انتشار در زمینه های جدید که در آن وجود دارد ما تأثیر می گذاریم ، ما تغییرات در جغرافیای آن را توصیف می کنیم.تجزیه و تحلیل ما نشان می دهد ظهور چین در رتبه بندی هوش مصنوعی و کاهش نسبی در چندین کشور اروپایی. ما همچنین می دانیم که نوسانات اولیه در جغرافیای DL دنبال شده است با ادغام ، نشان می دهد که پنجره فرصت برای متقاضیان جدید ممکن است در حالی که قطب های تحقیقاتی New DL غالب می شوند ، بسته شود.بالاخره ، ما محرک های منطقه ای خوشه بندی DL را مطالعه کنید.ما آن DL رقابتی را می یابیم خوشه ها تمایل دارند در مناطقی که از تحقیقات و صنعتی استفاده می کنند مستقر باشند فعالیت های مربوط به آن.این می تواند به این دلیل باشد که توسعه دهندگان و پذیرندگان GPT واقع در نزدیکی یکدیگر می تواند دانش را راحت تر همکاری و به اشتراک بگذارد ، بنابراین غلبه بر شکست های هماهنگی در استقرار GPT.تحلیل ما نیز یک مزیت مقایسه ای چینی را در DL پس از کنترل دیگران نشان می دهد عوامل توضیحی ، شاید تأکید بر اهمیت دسترسی به داده ها و سیاست های حمایتی برای توسعه موفقیت آمیز این مجتمع ، "استفاده همه" فن آوری.

We consider inference in models defined by approximate moment conditions. We show that near-optimal confidence intervals (CIs) can be formed by taking a generalized method of moments (GMM) estimator, and adding and subtracting the standard error times a critical value that takes into account the potential bias from misspecification of the moment conditions. In order to optimize performance under potential misspecification, the weighting matrix for this GMM estimator takes into account this potential bias, and therefore differs from the one that is optimal under correct specification. To formally show the near-optimality of these CIs, we develop asymptotic efficiency bounds for inference in the locally misspecified GMM setting. These bounds may be of independent interest, due to their implications for the possibility of using moment selection procedures when conducting inference in moment condition models. We apply our methods in an empirical application to automobile demand, and show that adjusting the weighting matrix can shrink the CIs by a factor of 3 or more.

ما استنتاج را در مدل های تعریف شده با شرایط تقریبی لحظه در نظر می گیریم.ما نشان دهید که فواصل اطمینان تقریباً بهینه (CI) می تواند با استفاده از a شکل بگیرد روش کلی برآوردگر لحظات (GMM) ، و اضافه کردن و تفریق خطای استاندارد برابر یک مقدار بحرانی است که پتانسیل را در نظر می گیرد تعصب ناشی از غلط گیری شرایط لحظه.به منظور بهینه سازی عملکرد تحت اشتباه احتمالی ، ماتریس وزنه برداری برای این GMM برآوردگر این تعصب بالقوه را در نظر می گیرد و بنابراین با آن متفاوت است موردی که تحت مشخصات صحیح بهینه است.به طور رسمی نشان دادن تقریباً مطلوب این CIS ، ما مرزهای کارایی بدون علامت را برای آن ایجاد می کنیم استنتاج در تنظیمات GMM محلی اشتباه.این مرزها ممکن است از علاقه مستقل ، به دلیل پیامدهای آنها برای امکان استفاده روشهای انتخاب لحظه هنگام انجام استنباط در شرایط لحظه مدل ها.ما روشهای خود را در یک برنامه تجربی برای تقاضای خودرو اعمال می کنیم ، و نشان دهید که تنظیم ماتریس وزنه برداری می تواند CIS را با یک عامل کوچک کاهش دهد 3 یا بیشتر

Motivated by customer loyalty plans and scholarship programs, we study tie-breaker designs which are hybrids of randomized controlled trials (RCTs) and regression discontinuity designs (RDDs). We quantify the statistical efficiency of a tie-breaker design in which a proportion $\Delta$ of observed subjects are in the RCT. In a two line regression, statistical efficiency increases monotonically with $\Delta$, so efficiency is maximized by an RCT. We point to additional advantages of tie-breakers versus RDD: for a nonparametric regression the boundary bias is much less severe and for quadratic regression, the variance is greatly reduced. For a two line model we can quantify the short term value of the treatment allocation and this comparison favors smaller $\Delta$ with the RDD being best. We solve for the optimal tradeoff between these exploration and exploitation goals. The usual tie-breaker design applies an RCT on the middle $\Delta$ subjects as ranked by the assignment variable. We quantify the efficiency of other designs such as experimenting only in the second decile from the top. We also show that in some general parametric models a Monte Carlo evaluation can be replaced by matrix algebra.

با انگیزه برنامه های وفاداری مشتری و برنامه های بورس تحصیلی ، ما مطالعه می کنیم طرح های کراوات شکن که ترکیبی از کارآزمایی های کنترل شده تصادفی (RCTS) است و طرح های ناپیوستگی رگرسیون (RDDS).ما آماری را تعیین می کنیم کارآیی یک طراحی کراوات که در آن نسبت $ \ delta $ مشاهده شده افراد در RCT هستند.در یک رگرسیون دو خط ، کارآیی آماری با $ \ delta $ به صورت یکنواخت افزایش می یابد ، بنابراین کارآیی توسط RCT به حداکثر می رسد.ما به مزایای اضافی کراوات در مقابل RDD اشاره کنید: برای یک غیرپارامتری رگرسیون تعصب مرزی بسیار شدیدتر و برای رگرسیون درجه دوم است ، واریانس بسیار کاهش می یابد.برای یک مدل دو خط می توانیم کوتاه را تعیین کنیم ارزش مدت تخصیص درمان و این مقایسه کوچکتر است $ \ delta $ با بهترین RDD.ما برای تجارت بهینه بین حل می کنیم این اهداف اکتشافی و بهره برداری.طراحی معمول کراوات اعمال می شود RCT در میانه $ \ Delta $ موضوعاتی که توسط متغیر واگذاری رتبه بندی شده است.ما راندمان طرح های دیگر مانند آزمایش فقط در Decile دوم از بالا.ما همچنین نشان می دهیم که در برخی از مدلهای پارامتری کلی ارزیابی مونت کارلو را می توان با جبر ماتریس جایگزین کرد.

Modern empirical work in Regression Discontinuity (RD) designs often employs local polynomial estimation and inference with a mean square error (MSE) optimal bandwidth choice. This bandwidth yields an MSE-optimal RD treatment effect estimator, but is by construction invalid for inference. Robust bias corrected (RBC) inference methods are valid when using the MSE-optimal bandwidth, but we show they yield suboptimal confidence intervals in terms of coverage error. We establish valid coverage error expansions for RBC confidence interval estimators and use these results to propose new inference-optimal bandwidth choices for forming these intervals. We find that the standard MSE-optimal bandwidth for the RD point estimator is too large when the goal is to construct RBC confidence intervals with the smallest coverage error. We further optimize the constant terms behind the coverage error to derive new optimal choices for the auxiliary bandwidth required for RBC inference. Our expansions also establish that RBC inference yields higher-order refinements (relative to traditional undersmoothing) in the context of RD designs. Our main results cover sharp and sharp kink RD designs under conditional heteroskedasticity, and we discuss extensions to fuzzy and other RD designs, clustered sampling, and pre-intervention covariates adjustments. The theoretical findings are illustrated with a Monte Carlo experiment and an empirical application, and the main methodological results are available in \texttt{R} and \texttt{Stata} packages.

کار تجربی مدرن در ناپیوستگی رگرسیون (RD) غالباً استخدام می شود تخمین چند جمله ای محلی و استنباط با میانگین خطای مربع (MSE) انتخاب پهنای باند بهینه.این پهنای باند یک درمان RD بهینه MSE را به همراه دارد برآوردگر اثر ، اما از طریق ساخت و ساز برای استنباط نامعتبر است.تعصب قوی روشهای استنتاج اصلاح شده (RBC) هنگام استفاده از MSE-Optal معتبر هستند پهنای باند ، اما ما نشان می دهیم که آنها از نظر فاصله اطمینان زیر حد متوسط ​​را به دست می آورند خطای پوششما برای اعتماد به نفس RBC گسترش خطای پوشش معتبر ایجاد می کنیم برآوردگرهای بازه ای و از این نتایج برای پیشنهاد استنباط جدید بهینه استفاده کنید گزینه های پهنای باند برای تشکیل این فواصل.ما می دانیم که استاندارد پهنای باند MSE-بهینه برای برآوردگر RD Point در هنگام هدف بسیار زیاد است برای ساخت فواصل اطمینان RBC با کوچکترین خطای پوشش.ما بیشتر اصطلاحات ثابت در پشت خطای پوشش را برای استخراج جدید بهینه کنید گزینه های بهینه برای پهنای باند کمکی مورد نیاز برای استنباط RBC.ما انبساط ها همچنین ثابت می کند که استنتاج RBC پالایش های مرتبه بالاتر را به همراه دارد (نسبت به زیرزمین سنتی) در زمینه طرح های RD.اصلی ما نتایج شامل طرح های تیز و تیز kink rd تحت مشروط است ناهمگونی ، و ما در مورد برنامه های افزودنی به طرح های فازی و سایر RD بحث می کنیم ، نمونه گیری خوشه ای ، و تنظیمات متغیر قبل از مداخله.در یافته های نظری با یک آزمایش مونت کارلو و یک نشان داده شده است کاربرد تجربی ، و نتایج اصلی روش شناختی در دسترس است \ texttt {r} و \ texttt {stata} بسته ها.

A common problem in econometrics, statistics, and machine learning is to estimate and make inference on functions that satisfy shape restrictions. For example, distribution functions are nondecreasing and range between zero and one, height growth charts are nondecreasing in age, and production functions are nondecreasing and quasi-concave in input quantities. We propose a method to enforce these restrictions ex post on point and interval estimates of the target function by applying functional operators. If an operator satisfies certain properties that we make precise, the shape-enforced point estimates are closer to the target function than the original point estimates and the shape-enforced interval estimates have greater coverage and shorter length than the original interval estimates. We show that these properties hold for six different operators that cover commonly used shape restrictions in practice: range, convexity, monotonicity, monotone convexity, quasi-convexity, and monotone quasi-convexity. We illustrate the results with two empirical applications to the estimation of a height growth chart for infants in India and a production function for chemical firms in China.

یک مشکل شایع در اقتصاد سنجی ، آمار و یادگیری ماشین است برآورد و استنباط در کارکردهایی که محدودیت های شکل را برآورده می کند.برای به عنوان مثال ، توابع توزیع غیرمستقیم و بین صفر و متغیر است یک ، نمودارهای رشد ارتفاع از نظر سن و عملکردهای تولید غیرقانونی هستند در مقادیر ورودی غیرمستقیم و شبه کنفرانس هستند.ما روشی را پیشنهاد می کنیم این محدودیت ها را در مورد تخمین های نقطه و بازه ای از موارد اجرا کنید عملکرد هدف با استفاده از اپراتورهای عملکردی.اگر یک اپراتور راضی شود خاصیت خاصی که ما دقیق می کنیم ، برآورد نقطه تقویت شده شکل است نزدیکتر از عملکرد هدف از تخمین های نقطه اصلی و برآوردهای فواصل تقویت شده شکل دارای پوشش بیشتر و طول کوتاه تر از تخمین فاصله اصلی.ما نشان می دهیم که این خصوصیات شش نفر را نگه می دارد اپراتورهای مختلفی که در عمل محدودیت های شکل متداول را پوشش می دهند: دامنه ، محدب بودن ، یکنواختی ، محدب یکنواخت ، شبه-تبدیل و یکنواختی شبه یکنواخت.ما نتایج را با دو تجربی نشان می دهیم برنامه های کاربردی برای تخمین نمودار رشد ارتفاع برای نوزادان در هند و یک عملکرد تولید برای شرکت های شیمیایی در چین.

We propose novel methods for change-point testing for nonparametric estimators of expected shortfall and related risk measures in weakly dependent time series. We can detect general multiple structural changes in the tails of marginal distributions of time series under general assumptions. Self-normalization allows us to avoid the issues of standard error estimation. The theoretical foundations for our methods are functional central limit theorems, which we develop under weak assumptions. An empirical study of S&P 500 and US Treasury bond returns illustrates the practical use of our methods in detecting and quantifying market instability via the tails of financial time series.

ما روشهای جدیدی را برای آزمایش نقطه تغییر برای غیر پارامتری پیشنهاد می کنیم برآوردگرهای کمبود مورد انتظار و اقدامات ریسک مرتبط با آن در وابسته ضعیف سری زمانی.ما می توانیم تغییرات ساختاری متعدد کلی را در دمها تشخیص دهیم توزیع حاشیه ای از سری زمانی تحت فرضیات عمومی. خود طبیعی سازی به ما امکان می دهد تا از مسائل تخمین خطای استاندارد جلوگیری کنیم. مبانی نظری برای روشهای ما حد اصلی عملکردی است قضیه ها ، که ما تحت فرضیات ضعیف توسعه می دهیم.یک مطالعه تجربی S&P 500 و بازده اوراق بهادار خزانه داری ایالات متحده ، استفاده عملی از روشهای ما را نشان می دهد در تشخیص و کمیت ناپایداری بازار از طریق دم وقت مالی سلسله.

This paper proposes a variational Bayes algorithm for computationally efficient posterior and predictive inference in time-varying parameter (TVP) models. Within this context we specify a new dynamic variable/model selection strategy for TVP dynamic regression models in the presence of a large number of predictors. This strategy allows for assessing in individual time periods which predictors are relevant (or not) for forecasting the dependent variable. The new algorithm is evaluated numerically using synthetic data and its computational advantages are established. Using macroeconomic data for the US we find that regression models that combine time-varying parameters with the information in many predictors have the potential to improve forecasts of price inflation over a number of alternative forecasting models.

در این مقاله یک الگوریتم متنوع Bayes برای محاسباتی ارائه شده است استنتاج خلفی و پیش بینی کننده کارآمد در پارامتر متغیر زمان (TVP) مدل ها.در این زمینه ما یک متغیر/مدل جدید پویا را انتخاب می کنیم استراتژی برای مدل های رگرسیون پویا TVP در حضور تعداد زیادی از پیش بینی کننده هااین استراتژی امکان ارزیابی در دوره های زمانی فردی را فراهم می کند که پیش بینی کننده ها برای پیش بینی متغیر وابسته مرتبط هستند (یا نه).در الگوریتم جدید با استفاده از داده های مصنوعی و آن به صورت عددی ارزیابی می شود مزایای محاسباتی ایجاد شده است.استفاده از داده های کلان اقتصادی برای ایالات متحده ما می یابیم که مدل های رگرسیون که پارامترهای متغیر زمان را با آن ترکیب می کنند اطلاعات در بسیاری از پیش بینی کننده ها می توانند پیش بینی قیمت را بهبود بخشند تورم بیش از تعدادی از مدل های پیش بینی جایگزین.

Urban house prices are strongly associated with local socioeconomic factors. In literature, house price modeling is based on socioeconomic variables from traditional census, which is not real-time, dynamic and comprehensive. Inspired by the emerging concept of "digital census" - using large-scale digital records of human activities to measure urban population dynamics and socioeconomic conditions, we introduce three typical datasets, namely 311 complaints, crime complaints and taxi trips, into house price modeling. Based on the individual housing sales data in New York City, we provide comprehensive evidence that these digital census datasets can substantially improve the modeling performances on both house price levels and changes, regardless whether traditional census is included or not. Hence, digital census can serve as both effective alternatives and complements to traditional census for house price modeling.

قیمت خانه های شهری به شدت با عوامل اقتصادی اقتصادی محلی همراه است. در ادبیات ، مدل سازی قیمت خانه مبتنی بر متغیرهای اقتصادی و اقتصادی است سرشماری سنتی ، که در زمان واقعی ، پویا و جامع نیست.الهام گرفته با مفهوم در حال ظهور "سرشماری دیجیتال" - استفاده از سوابق دیجیتالی در مقیاس بزرگ فعالیت های انسانی برای اندازه گیری پویایی جمعیت شهری و اقتصادی اقتصادی شرایط ، ما سه مجموعه داده معمولی ، یعنی 311 شکایت ، جرم را معرفی می کنیم شکایات و سفرهای تاکسی ، به مدل سازی قیمت خانه.بر اساس فرد داده های فروش مسکن در شهر نیویورک ، ما شواهد کاملی ارائه می دهیم این مجموعه داده های سرشماری دیجیتال می توانند به طور قابل توجهی مدل سازی را بهبود بخشند نمایش در هر دو سطح قیمت خانه و تغییرات ، صرف نظر از اینکه آیا سرشماری سنتی گنجانده شده است یا خیر.از این رو ، سرشماری دیجیتال می تواند به عنوان هر دو خدمت کند گزینه ها و مکمل های مؤثر برای سرشماری سنتی برای قیمت خانه مدل سازی