

AFA分会场聚焦：创新与生产

金科丛林

2025-01-21

点击蓝字，关注我们

在2025年美国金融学年会（AFA）上，“创新与生产”分会场于1月5日上午举行，由Yueran Ma（芝加哥大学）主持。本次分会场聚集了四篇高水平研究论文，从自动化对企业创新的驱动效应，到年轻企业和大型企业在经济增长中的角色，以及将经济学结构模型与机器学习方法结合的创新实践，为与会者呈现了多元的研究成果和深入的学术讨论。

自动化驱动的创新转型

Lin William Cong（康奈尔大学）展示了其与Yao Lu（清华大学）、Hanqing Shi（清华大学）和Wu Zhu（清华大学）合作完成的论文《Automation-Induced Innovation Shift》。研究发现，那些高度暴露于机器人技术的企业，其专利组合的技术相似性随时间显著下降，表明这些企业正在将创新资源从传统领域转移到新兴技术领域，尤其是人工智能（AI）领域。这种转移在那些已经拥有更多AI研究经验或能够生成更多数据的企业中表现得更为明显。文章通过构建技术相似性和语义相似性两个指标，量化了企业创新轨迹的变化，并利用10-K文件中的信息来衡量企业的自动化暴露程度。此外，研究还发现，AI专利在多个维度上的成本高于非AI专利，包括团队规模、研究人员的劳动投入和发明人的原创性。因此，尽管企业在自动化方面的经验增加了其研发支出，但在随后的几年中，新专利的数量却有所下降。这一发现解释了尽管企业研发支出增加，但从整体上看，企业似乎在近年来变得不那么创新的矛盾现象。

文章进一步提出了一个动态一般均衡模型，以解释这种创新转变。模型中，企业运营一系列任务，其中一部分被自动化，其余部分则由人工执行。企业可以在这些任务上进行创新，通过应用专利技术来提高任务的生产率。研究的核心发现是，机器人暴露度的增加，或者说更广泛地自动化，促使企业将创新努力重新调整到那些增强机器人利用或提高自动化过程效率的领域，因为这些任务的创新与现有的机器人技术相协同。这一发现不仅丰富了关于技术进步对企业创新影响的研究，也为理解自动化如何影响企业创新轨迹提供了新的视角。文章的研究结果对于理解当前企业创新放缓的趋势具有重要意义。

论文链接：https://www.aeaweb.org/conference/2025/program/paper/S7SHZQ4n

不增加就业的价值创造

Simcha Barkai（波士顿大学）报告了其与Stavros Panageas（加州大学洛杉矶分校）合作的论文《Value without Employment》。深入探讨了年轻企业在就业、销售和市场价值创造方面的表现，以及这些表现如何影响整体经济的动态变化。文章首先通过分析Compustat和Pitchbook数据，揭示了一个有趣的现象：尽管年轻企业在创造就业方面表现不佳，但在财富和收入创造方面并不逊色。具体来说，文章发现年轻企业的平均劳动边际收益产品（ARPL）有所提高，而边际劳动边际收益产品（MRPL）可能有所下降。这一发现与以往的研究形成了鲜明对比，以往的研究通常关注年轻企业在就业方面的贡献，而忽视了它们在财富创造方面的潜力。文章进一步通过一个简化的动态企业异质性模型，展示了这种变化如何解释所谓的“商业活力下降”现象。模型表明，即使年轻企业在就业和产出方面的贡献减少，整体经济的消费和产出下降幅度相对较小。这一发现对于理解当前经济中年轻企业的角色和影响具有重要意义，因为它揭示了年轻企业可能通过提高ARPL和降低MRPL来适应经济环境的变化，从而在不增加就业的情况下创造更多的财富和收入。文章还探讨了这种商业活力下降对长期消费的影响，指出如果年轻企业产出的下降是由于经济租金的增加，那么这可能对长期消费产生显著影响。

论文链接：

https://www.nber.org/system/files/working_papers/w29414/w29414.pdf

超级明星还是超级反派？韩国增长奇迹中的大型企业

Jaedo Choi（美联储委员会）展示了其与Andrei A. Levchenko（密歇根大学）、Dimitrije Ruzic（欧洲工商管理学院）和Younghun Shim（国际货币基金组织）合作的论文《Superstars or Supervillains? Large Firms in the South Korean Growth Miracle》。研究基于韩国自1970年以来的企业数据，首次量化分析了最大型企业在韩国经济增长奇迹中的角色。通过建立一个异质性企业的小型开放经济模型，研究揭示了企业集中度显著上升的背后驱动因素。结果显示，韩国大型企业的高生产率增长是企业集中度上升的主要原因，同时也显著推动了社会福利的提升。进一步模拟表明，如果排除行业中前三大企业的生产率增长，尽管企业集中度会降低，但社会福利将减少约2%。此外，研究发现，市场进入壁垒和出口市场的变化对企业集中度的影响较小。总体而言，研究表明，韩国的大型企业更像“超级明星”，它们的崛起对经济增长贡献显著，而非“超级反派”。

论文链接：https://www.aeaweb.org/conference/2025/program/paper/2Fb96F7Y

向机器传授经济学

Yuhan Cheng（山东大学）展示了其与Hui Chen（麻省理工学院）、Yanchu Liu（中山大学）和Ke Tang（清华大学）合作的论文《Teaching Economics to Machines》。研究提出了一种结合经济学结构模型与机器学习的迁移学习框架，以解决传统结构模型预测能力不足和机器学习模型泛化能力差的难题。具体而言，研究通过训练神经网络以表示结构模型，并结合实证数据进行微调，实现了经济约束和机器学习的有机结合。研究以期权定价为例，展示了这一迁移学习框架在预测精度上的显著提升，尤其是在样本数据量较小、市场环境变化较大或模型错配程度较低的情境下，模型的表现尤为突出。这一研究为经济学与机器学习方法的结合提供了重要方向。