Theory｜理論

Journal of Financial and Quantitative Analysis
公開披露機制與金融消費者權(quán)益保護

金融市場中的消費者往往缺乏有關(guān)金融產(chǎn)品質(zhì)量的信息。2013年以來，美國消費者金融保護局開始向公眾發(fā)布消費者對銀行金融產(chǎn)品的投訴信息數(shù)據(jù)庫。本文研究發(fā)現(xiàn)，自信息披露后，在當?shù)厥袌鍪盏礁嗟盅嘿J款投訴的銀行的抵押貸款業(yè)務會大幅減少。在消費者更為成熟、信貸競爭更為激烈的地區(qū)，以及收到更多嚴重投訴的銀行中，這一效應更為顯著。此外，信息披露后，銀行每月收到的抵押貸款投訴數(shù)量展現(xiàn)出更快的均值回歸趨勢。這些發(fā)現(xiàn)表明，公開披露抵押貸款投訴信息能夠加強產(chǎn)品市場紀律，并增強消費者金融保護。

Dou, Yiwei, and Yongoh Roh. Public Disclosure and Consumer Financial Protection. Journal of Financial and Quantitative Analysis, 2023.

The Review of Financial Studies
數(shù)字技術(shù)對退休儲蓄決策的影響

人口結(jié)構(gòu)轉(zhuǎn)變促使許多國家對社會保障制度進行了改革，逐步實施了固定繳款計劃，該計劃通常允許個人選擇其養(yǎng)老保險繳款水平。個人的退休儲蓄決策也不斷受到數(shù)字技術(shù)的影響，這些技術(shù)承諾能夠幫助個人為退休生活做出充分規(guī)劃。對此，本文作者展開了一項自然實驗，發(fā)現(xiàn)引入數(shù)字養(yǎng)老金應用程序可將自愿繳納養(yǎng)老保險的總體概率提高約1.8個百分點，男性和高收入者更有可能對這一應用程序的引入做出響應。進一步的研究表明，使用該應用程序主要是通過降低繳納過程中的“煩瑣”成本來影響繳納行為，而非通過提供關(guān)于稅收優(yōu)惠的信息。

Daminato, Claudio, Massimo Filippini, and Fabio Haufler.Digitalization and Retirement Contribution Behavior: Evidence from Administrative Data. The Review of Financial Studies, 2024.

NBER Working Paper
AI查詢會導致互聯(lián)網(wǎng)內(nèi)容枯竭嗎？

隨著AI技術(shù)的快速發(fā)展，AI模型越來越依賴于用戶貢獻的海量數(shù)據(jù)進行訓練，人們也逐漸開始擔心，當人們拋棄傳統(tǒng)的網(wǎng)絡搜索和用戶問答模式，轉(zhuǎn)向使用大語言模型來查找信息時，數(shù)字公共產(chǎn)品的數(shù)量和質(zhì)量將降低，這轉(zhuǎn)而會限制AI的進步。例如，在知名軟件開發(fā)者論壇Stack Overflow上，用戶可以在平臺提問和回答各種編程問題，截至2022年，該平臺上3500萬個問題有超過2400萬個答案。這些提問與回答都是公開可用的，并被生成式AI提供商用作訓練數(shù)據(jù)，其中之一便是ChatGPT。數(shù)據(jù)顯示，ChatGPT于2022年推出后，發(fā)布到Stack Overflow的查詢量減少了約16%。然而本文研究證明，盡管AI可能會替代某些用戶貢獻，但AI通過自動化完成簡單任務，促使用戶將精力更多地集中在更復雜和有價值問題的貢獻上，這不僅避免了數(shù)據(jù)枯竭的風險，還可以提升訓練數(shù)據(jù)的質(zhì)量。

Gans, Joshua S. Will User-Contributed AI Training Data Eat Its Own Tail?. NBER Working Paper, 2024.

Proceedings of the National Academy of Sciences
算法可以揭示和糾正人類自我偏見？

在AI領(lǐng)域，算法往往基于人類歷史數(shù)據(jù)進行訓練，因此不可避免地繼承了人類決策中的偏見，并可能放大和固化這種偏見。本文作者設計了一系列實驗來檢驗人們對算法決策和自我決策的偏見感知差異。研究發(fā)現(xiàn)，人們在算法決策中看到的自身偏見（如年齡、性別、種族）多于在自我決策中看到的。算法偏見還讓一些原本隱蔽的人類偏見變得可見，這些偏見在人類的決策未被具體說明或在統(tǒng)計時是模糊的。認識到偏見是個人和組織減少偏見的關(guān)鍵第一步，研究結(jié)果表明算法可以成為促進人類公正決策的有效工具。

Celiktutan, Begum, Romain Cadario, and Carey K. Morewedge. People See More of Their Biases in Algorithms. Proceedings of the National Academy of Sciences, 2024.

Marketing Science
消費者線上購物更容易激發(fā)品牌忠誠度？

近年來，線上購物極大地改變了零售業(yè)的格局，其中以生鮮、零副食品為代表的雜貨領(lǐng)域是行業(yè)內(nèi)受影響最大的領(lǐng)域之一。隨著越來越多的消費者選擇通過在線平臺購買日常所需的食品和雜貨，了解這一渠道如何影響消費者行為非常重要。為此，本文探討了雜貨領(lǐng)域在線購物與傳統(tǒng)線下購物之間的模式差異，衡量了“線上購物籃”和“實體購物籃”中商品的多樣性、相似性以及購物行為的慣性。研究發(fā)現(xiàn)，在一個給定的家庭中，“線上購物籃”的商品種類顯著少于“實體購物籃”，且連續(xù)的“線上購物籃”之間的商品重疊數(shù)量顯著高于“實體購物籃”。這些結(jié)果表明，在線雜貨購物環(huán)境與消費者慣性增強之間存在潛在聯(lián)系，這可能導致更強的品牌忠誠度，并對新進入品牌在建立客戶群方面構(gòu)成挑戰(zhàn)。

Chintala, S. C., Liaukonytè, J., & Yang, N.Browsing the Aisles or Browsing the App?How Online Grocery Shopping is Changing What We Buy. Marketing Science, 2024.

The Quarterly Journal of Economics
數(shù)字抵押品的潛力

使用抵押物擔保債務有助于克服經(jīng)濟摩擦，從而降低提供信貸的成本并擴大信貸供應。在美國，超過80%的家庭總債務由實物資產(chǎn)擔保，然而有擔保債務在低收入和中等收入國家中要少得多。最近出現(xiàn)了一種使用“數(shù)字抵押品”（Digital Collateral）的新型擔保貸款形式，其主要在低收入和中等收入國家得到應用。數(shù)字抵押品依賴于鎖定技術(shù)，該技術(shù)允許貸款人暫時禁用抵押品對借款人的使用價值，而無須實際移交抵押品。本文探討了這種新型信用形式對信貸市場摩擦和家庭行為的影響，研究發(fā)現(xiàn)，使用數(shù)字抵押品擔保貸款顯著降低了借款人的違約率，增加了貸款人的回報率。在拓寬可負擔信貸渠道方面，數(shù)字抵押品的應用展現(xiàn)出了巨大潛力。

Gertler, Paul, Brett Green, and Catherine Wolfram. Digital Collateral. The Quarterly Journal of Economics, 2024.

The Journal of Finance
為什么女性獲得的理財建議更糟糕？

放眼全球，隨著女性財富的增長，女性越來越多地參與到金融市場中，她們的投資選擇對其財務結(jié)果和經(jīng)濟賦權(quán)產(chǎn)生重要影響。鑒于個人在做出投資決策前可能會向金融專業(yè)人士尋求建議，為檢查理財建議的質(zhì)量水平是否因客戶性別而異，本文作者開展了一項田野實驗。研究發(fā)現(xiàn)，在某些（但不是全部）類型的咨詢公司中，女性比男性更有可能獲得低質(zhì)量的財務建議。作者將其解釋為不同的公司激勵機制以及顧問對金融知識性別差異的不同看法所導致的結(jié)果：當顧問的收入來自交易傭金時，他們更有可能推薦投資者經(jīng)常交易的本地個股，而當客戶是女性時，這種傾向更為明顯，因為理財顧問認為女性在金融方面的知識較少，不太可能察覺到其建議的質(zhì)量低下。

Bhattacharya, U., et al. Do Women Receive Worse Financial Advice?. The Journal of Finance, 2023.

Journal of Financial Economics
如何從“人機對決”走向“人機協(xié)同”？

AI的出現(xiàn)和不斷發(fā)展，促使人類重新思考人類自己的角色。雖然AI旨在增強人類智能，但人們普遍擔心它可能在日益復雜的任務中取代人類。既有研究大多圍繞“人機對決”主題展開，分析人類的適應方式，并預測由此帶來的工作重新分配，少有研究關(guān)注技術(shù)熟練的勞動者如何借助AI技術(shù)發(fā)揮更大潛力，而這本應是人類設計和發(fā)展AI的首要目標。為此，本文探討了“人機對決”走向“人機協(xié)同”的可能。作者以股票分析為例，研究發(fā)現(xiàn)，AI分析師在股票回報預測中勝過大多數(shù)人類分析師，但在涉及無形資產(chǎn)和財務困境等需要制度性知識的領(lǐng)域，人類分析師表現(xiàn)更佳；“人+AI”的組合顯示出能更準確預測的潛力，且能顯著避免單獨由人類或機器犯下的極端錯誤。

Cao, Sean, et al. From Man vs. Machine To Man + Machine: The Art and AI of Stock Analyses. Journal of Financial Economics, 2024.