信息论与集成模型

后疫情时代，地缘政治因素使经济变量预测愈发困难。传统预测依赖最小化均方误差等距离度量，这些方法虽经典有效，但持续优化同一指标带来的改进日益减少，模型间区分度不足，难以准确排序性能。以通胀预测为例，采用非参数VAR模型和因果网络分析，虽能验证永久收入假说（如刺激支票导致需求拉动通胀）等经济理论，但21世纪需要的是精确而非方向性判断。集成多个模型可提供更可靠的预测，结合信息论方法能有效降低模型选择的不确定性，为决策提供更精确依据。 #信息论 #集成模型 #经济预测 #统计 #因果推断 #通胀 #机器学习

VAR模型局限性催生因果网络图

向量自回归（VAR）模型在经济学研究中被广泛用于分析变量间的相互影响，但其核心局限在于无法将某一内生变量在特定时点上对其他变量的总反馈分解为直接影响、间接影响和总反馈。传统上，可通过正交脉冲响应函数衡量总效应，但要分离间接与直接效应则需追踪VAR模型中每个方程内的传导路径，计算量巨大。针对这一痛点，计量经济学界引入了因果网络图（Causality Network Graphs）方法，通过构建有向图（G(e,d)）来可视化变量间的因果结构。文章以追踪纳斯达克100指数的ETF（QQQ）为例，结合相对强弱指数（RSI）、布林带百分比（pctB）、成交量、价格区间以及另一证券SPY的指标，尝试构建网络图。然而，采用简单相关系数（>|0.6|）作为边的构建规则后，图显示所有变量呈双向连接，无法区分因果方向。作者强调，相关不等同于因果，亟需更有效的规则来构建真正揭示因果结构的网络图。 #VAR模型 #因果网络图 #直接反馈 #间接反馈 #计量经济学 #金融数据分析 #因果关系 #ETF #QQQ #技术指标

计量经济学模型结构稳定性测量

本文探讨了如何将数据科学中的“模型稳定性”概念引入计量经济学建模。随着大数据时代变量数量激增，模型不仅需要高精度，更需具备稳定性——即在不同用户、不同情境下保持变量选择的一致性和相关性排序。文章指出，稳定性与准确性应独立评估，例如高频交易算法在市场剧烈波动时可能失控，纳斯达克因此引入熔断机制。计量经济学主要处理时间序列数据，不能像机器学习那样随机分割样本，需重新定义稳定性。作者建议借鉴k折交叉验证等方法，但需保留时间因果关系，从而构建更稳健的计量经济模型。 #计量经济学 #模型稳定性 #数据科学 #时间序列 #高频交易 #交叉验证 #机器学习

Square 接入 ChatGPT 与 Claude，跨境电商迎来零佣金红利

Square 支付平台正式接入 ChatGPT 和 Claude 等 AI 助手，为跨境电商卖家提供零佣金交易服务。这一举措被视为 2026 年最大的流量入口变革，商家可通过 AI 对话直接完成支付和客户服务，大幅降低运营成本。Square 表示，零佣金模式将吸引大量中小商家入驻，并重塑全球电商竞争格局。业内分析认为，AI 与支付的深度融合将推动跨境电商进入新阶段。 #Square #ChatGPT #Claude #跨境电商 #零佣金 #AI支付 #流量入口 #2026