金融cfps实证论文怎么写

一遍的话， ok， 呃，不一定一下子就会了，大家都是先模仿再吸收，好吧？然后之后你看的录屏，不懂的你再随时问我，好吧？ 嗯嗯。后期的答疑其实就包括我这这边的这个暑假班和那个每年暑假班和寒假班都是这样的。对，后期的答疑，其实从某种程度上后期的答疑才是最重要的，就跟我们高考的时候老是讲卷子一样，其实考试不是目的，考试中发现问题和对考试后的这个，呃，自己存在问题的一个答疑才是最重要的。对， 嗯，那么 ok， 那 么接下来我们就来去讲这个这个课程。首先，首先这个，因为你这个是弄那个文章吗？对吧？文章的话， ok， 这是所有你这个你设计的所有的代码数据，清点代码就没有，我没有给你放进去，但是一般，嗯， 一般也不会放进去，因为放进去的话你会迷糊的，因为这抽检的过程中他可能会涉及到一个一个非常典型的问题，就是一个负线的一个问题。然后我在接你这个时候我，我也明确跟你讲了，就是我要通过增减控制变量调整显著性水平，对吧？控制变量是不一定的，能理解吧？ 喂，哈喽，能听到吗？能听得到，就比如像你这个看到没有，这里是写是对的，一次性我们写不了假设，能理解吗？ 一致性是基于记者回归衍生而来的，所以他写不了假设。这个控制变量你也知道的，就我，我们你会发现每一篇文章他的控制变量都是不一样的， 这不一定就是说 ok， 我 们要通过增减控制变量来调整显著性水平嘛，这是一个非常现实的一个例子。然后，呃，这个没有什么，然后这个没有变量选区，也没有这个样本的处理，呃。把这个百分之一的缩微检验放到最后，对， 然后 ai 的 吧，百分之一的收。啊，这应该是 ai 的 吧？哎，对对对，这个是 ai 的， 我想应该是 ai 的， 因为很明显百分之一的收尾检验。呃。 放在，放在那个，放在那个最后面，好吧。哎。放在这，这一张的最后面。还是什么意思？放在就放在四的后面。哎，好，行。嗯嗯， 你可以帮我改一下这个老师，然后我后面再自己修改一下。嗯嗯，大概知道这个问题，然后这个没有什么问题。这也没有什么问题，因为之前我之前给你看过，然后这也没有什么。这个最好用那个插入法，你看，就我们这里有一个插入，看到没有？点进去，对，然后这里，哎，你 用的是 word mmsword 吧？我用的，要不盗版的，这里看到没有？有个公式点，这里是可以插入的，因为我给你打开我的这个模板你就知道了。我之前发过给你。 我，我就，我之前发给过你看我们的，我们要不要用 linux 去做，要么就是用这个插入，看到没有。对，引用，然后插入这有公司看到没有？这是可编辑的，就留在这里，看到没有。 公司就在这里看。他可以有下角的，上角的函数一些的一些，这些具体的都有，下下角的这里都有，我们一般都都是用这个来去解决的，所以就可能老之后老师可能会说你一下的，直接删掉就 ok 了。然后你的假设也没有问题，假设在这里要提个假设， 你看假设，假如假设应该有，在我看在那个前面。嗯，没有你提的基底，但没有提假设来 理论嘛。第二张是理论，然后接受模型，然后文献综述，然后紧接着就是那个假设嘛，看到没有？你在这里要提假设在这里，然后就一句话，基于此， 就我的那个，我总总觉得那个模板还是要看看。你要去采，第一要去采述他为什么要成立的原因，对不对？你肯定是要去采述他为什么要成立的原因，就比如这看了采述他为什么要成立的原因，看第一次本人提出了这个什么什么什么假设，对不对？ 对对对，那我理解吧。嗯，我能理解了。对，所以说 ok， 这一步也是有有问题的，到时候你就要等下我再发你一遍，你再看着，好吧。嗯，好。然后这也是假设二吗？你要提啊，在这里看到没有？ 这个，这个直接合并进去，直接合并到这里，不要不要再提假设，我们假设要这样，要在这个理论里面分析完过后就直接提假设就 ok 了。好吧，好好把这个假设改到上面去。对对对，嗯，好。嗯，然后这最好不要二 a， 如果有二 a 的 话，老师会问你为什么没有二 b 呢，对吧？哦，好，行， 然后 ok， 然后紧接着这个，紧接着我们就是跑模型了，其实我们模型很很容易跑啊，描述相关基础回归，然后一致性，然后紧接着稳健性，稳健性看我这个，这个其实从某种程度上这个是内生性检验。 对对对，这个我知道，内生性检验，因为文件，因为这几年的国外的顶刊和一期刊，其实大家都是用文件和内生性放在一起说的，能理解吧？哦，对，能理解，能理解，能理解。那紧接着我们来去，这个，这个我这部分我就不跟你讲了。啊，对，哎，行，哎，对，然后，嗯，这个，这个没有太大的问题， 然后我们来去讲这个附件的问题吧，好吧。嗯， ok。 然后这，这是，这是干嘛？然后这个数据是不是我已经这个数据是我，我已经帮你清理好了，也帮你整理好了，所以你在这个前面这几行就不需要跑了， 如果你非要跑的话，它就会报错。看到没有？边量 gdp 是 那个 ipfs， 你 选举的数据是多少多少年到多少多少年？ 一一年到二二年吧，应该是一一年到二二年。对，你可以退伍一下。退伍一样啊，一六一八二零二二四年。哦，好的，对。然后这时候你看这个，这个数据它已经生成了，看到没有？他说卖了包 p d p， g d p， 就是 g d p already defined。 看到没有？你在这里是可以看到的，有了，有了，所以不能再生成一遍。点这里可以看到具体的这个 变量输入样本看到没有？好吧？看到。嗯， ok， 所以 这前面四行我们不用跑。然后这个是变量样本，看到没有？好吧，看到，嗯， ok， 所以 这前面四行我们不用跑。这个是剔除缺失值。 然后我对于初学者的话，我强烈不建议在这里直接跑，你把它复制到迪曼的里面去跑，这个是这一步，这三步是，这就是循环函数。记住缺失值的就是把我把这些变量 装进，这是因子吧。装进 i 里面，用 i 来表示，能理解吧？用 i 来表示，然后重复工作这个步骤 job 一 f i， 记住缺失值吗？ job 就 删掉就行。就如果这个变量它是因为在史蒂塔里面的话，它的缺失值是以点的形式来表示，看到没有？ 看吧，以点的性质来表示， ok， 然后，然后再执行，这个就执行的意思。然后今天我们就开始跑，所有的跑时的分析的话，成熟的一个一个一个学生的话，我们跑时的分析是倒着跑的，为什么要倒着跑？因为我们要不要，我们是不是要通过增减控制量产生显著性水平， 对吧？所以没办法先跑描述相关，因为你的控制量确定不了，所以我们一般都倒着跑，你看好这样，看到没有，这个结果看到没有，然后把这结果保存了， 然后再加控制变量，看到没有，这是不是加控制变量？把控制量加进去， ok， 然后你可以就我们这个只是只需要看两遍，第一点和这一点就空位分析和 p v 六，这两遍 一个是系数，一个是 p 值，然后我们只需要看解释变量就好了，就按 p 的 就好了。然后控制变量不需要看，但也不是说完全不看，因为我们的控制变量是干嘛？我们控制变量需要保证大部分显著，你不可能全部不显著，全部不显著其实也不能用的，从某种程度上来讲 对不对？对对对，那 ok， 那 我们再把这结果保存为一杠二，然后这时候把这个结果导出来 就 ok， 导出来，但是你会发现看到没有，我这里年份和这个没有，没有给你放进来，按理说我们的，呃，你看在这里，我的导出命令在这里又重新做了一遍， 因为为什么我的年份和这个这个固定省份他没有导出来？这个，这个是我的路径，我把它放在 u z 就 客户，然后直播桌面，然后命名为回归 r t f， 那你会发现我有一个结果在这看到没有？那你可以右键打开，直接选择 word， 当然呢，你也可以直接干嘛？就是很方便的，直接，就是直接 word， 直接拉到 word 里面去，对， 就把它直接直接拉进来，你看我，我给你展示一下。哦，这个直接拉进来，看到这个很方便，直接是三线表，对吧？然后看到没有？这里是不是有 e 啊？ promise 年份和省份的一个固定嘛，对吧？ 老师，那个学长有个问题，嗯，想问你一下，嗯，因为我之前用那个 ai 帮我那个检测这个时政的时候，他给我提了一个问题，就他说那个 probs 这个固定效应和那个省份效应他们两个， 他那个固定个体效应和这个省份效应可能是不是会冲兔粮？他们会有那个多线，多线固那个没有，没有。这这这，我跟你，我直接给你解释。第一， ai 解决不了面板数据就个体固定，我们固必须要固定的，就比如这篇文章，你看， 你看这篇文章，你看，你会发现他除了固定个体之外，他还固定了行业和年份，看到没有？行业和时间，因为他是企业的数据吗？看到没有？他是企业的数据，是不是对这个企业技术创新，你看他个体，个体我们不需要展示出来，能够理解吧？ 这是第一点，那第二点就是说贡献性问题啊，他这是本科生讨论东西啊，其实这几年已经没有人去讨论了，你可以看最近五年的顶和一线，没有人去讨论贡献性。为什么？他已经被政委了？就他只影响系数大小，他不影响系数的显著性和正负号，那么系数大小其实对于我们来讲他已经不重要了，能够理解吧？ 哦，对，因因为你们本科时获 ai 出来的结果，他他喜欢这样就说，比如这个结果就 x m p 每增长百分之一 sirius， sirius 可以 增长百分之零点七九九八，会这样描述，其实这种描述方法是错误的， 那我理解吧。哦，那老师，那那个你，你打开我论文后面那个总结的那块，我就是想，哎，帮我总结他，他好像确实是这样说，他可能是错了，可以帮我改一下，我看一下这个。这这这没法改，我给你发模板，你自己改吧。 哦，行行行，好吧，你帮我看一下，那个是错的，是吗？啊？对，这种做法是错的，没有这种做法，没有这种说法。那那正确的说法该怎么样？就就就是就是说第一结果留下，就是这移动支付对城镇家庭服务消费水平、支出水平具有显著正相关，就这样，就这样一句话就好了。来，把后面的都删掉就行了，就，就这个 就 ok 了。哦，好的好的。对，然后，然后，然后这这个是不对的，就把这个删掉就好了，然后该结果表就是就产生。就是第一句话是总结，就假设把它移过来，然后第二句紧接着就是去探讨这个结果为什么去，他能够成立，你可以把前面的那个理论部分把它给复制过来就 ok 了。能理解吧？ 把这个理论部分就你怎么提假设的嘛？把你的那个假设再再说一遍，就这里用自己的话再说一遍，能理解吧？嗯， 然后紧，然后这就是我们的基础回归的结果，然后紧接着我们去做啊。当然了，很多同学他是这样的，他不知道路径怎么去确定，如果你不知道路径怎么画，你就这样 也可以看到他就在，他就在你代码跟你代码在一个文件夹里面，我是帮你放在这个。我，我是把代码放在这个桌面上的，他也在桌面上。如果，如果，如果，你再想想，用我这种就点这个 save， 看到没有？ 好的，点 shift。 然后他是不是有一个数据的路径啊？然后再把这代码调用出来，把数据的前半部分路径的前半部分。就跟就玩游戏嘛，大家都知道的，对不对？玩游戏的那个路径把它这个改一下就好了，然后这个回归依旧回。你的数据是在一个文件夹里面，好吧，能够理解吧？能够理解。 嗯，接下来其实这些剩下其实就不用讲啊。为什么？你看这个，这个是不是一符函数？看到没有？就是你的一致性分析。 rs 是 什么变量？我都忘了。多太 rs 我 看一下。你可以在这搜索一下。 rs 看到没有。户口性质，看到没有农业户口和非农业户口，看到没有这里， 然后因为，因为，因为他他这里会有一个，因为你这个是城镇的嘛？城镇，但是他跟户口是有是有区别的。理解我意思吧，因为有很多人他，他是到城镇里面的。呃，他，他的这个居住地是在城镇嘛？你理解我意思吧。然后用 if 函数， 用 excel 函数，因为城镇和农，呃，这个户口的性质，它可能会导致这个呃文化水平啊等一些的一个一些差距，所以我们用 excel 来表示 i e s 就 等于等于一的时候就把调用出来了，能理解吧？然后再保存，保存为二杠一，这样，这样就好了，这就是这个就是你的一次性分析，然后这个就是你的伪检测验，那你会发现它用 excel 模型看到没有？ 就用把固定向量回归换成了 top 模型，然后这篇点开，你也会发现就是我，我，这，这是我们经常用的一种方法，文件检验看到没有？因为这，你看它这个针对文本这个研究，我们的我们的 y 是 不是跟它一样是大于等于零的一个数字， 所以这时候，所以这时候你看我们可以针对这个数据的结构，用 top 模型再去替换一下，避免这种结果的存在，而避免因为你结果，因为你模型选择的单一性而导致这个类稳定性问题的存在，能理解吧？ 他也是这样，而且这个模型他具体的模型是什么也是一样，也是一个公式，跟你的这种回位公式一模一样，一模一样的公式，那他变的东西地方是哪变的？就是计算的过程变了。 哦，对，那这计算过程是不展示出来的吗？因为他在实体店自动运行的吗？对吧？好的，能理解吧？让他跑还是一样的跑，对，一样的跑还是一样的跑。好吧。在这，然后看到没有？姐姐，我们来看这个，看到没有？ 这里是不是有个 l 二点啊？看到没有？对，对，这有两期，之后两期的。因为。因为。为什么？因为这个数据干嘛？他是间隔的数据，他不是连续性的数据。那他之后两期其实就是之后一期的意思， 能理解吧？哦，能理解，老师，对，所以这是之后两期的意思，其实就是，这，就比如二二，他为什么会之后两期呢？那我给你解释一下，就比如打个比方，嗯， m p 它的移动支付对这个 y 的 影响，它对当前有那么快影响吗？我是不是有充分的理由怀疑你这是违规啊？ 就举个很简单例子，就是说， ok， 这碗米饭就是米饭，能够增加你的体重， x 是 米饭， y 是 你的体重，那你吃完，你中午吃完这，吃完这碗米饭过后，你立马去称体重了，你的体重确实也增长了，对不对？但是呢，这时候就有人说说，哎，你这样称称重是不对的，为什么？你的米饭吃到肚子里面，吃到你的胃里面了，但是并没有消化 你的体重的增长？会不会因为是米饭进入你的胃里，是米饭的重量？有没有这种怀疑？ 喂，哈喽，能听到，老师，能听到。呃，可可，可以听懂我这个逻辑吧。嗯，能听懂，能听懂。对，那这时候他是不是说，哎，你这个体重是不是因为米饭的 带来增？呃，米饭的重量导致了你的体重的增加？那你说，那行吧，那我，我现在不称重了，我等，我等下午的时候，等晚上的时候我再称重，我在晚晚饭之前再去称重，这时候如果我晚饭晚晚上再再称重的话，如果他 我的体重增加了，是不是因为你吃了这碗米饭，米饭消化了，消化完了过后转化为你的体重了，这时候就不是你的重量了，对不对？哦，懂了懂了，那能理解吧？ 能理解。嗯，那就刚才你说他其实是那个之后一期，那这个到底是之后一期到之后一期？之后一期他其实就是之后一期，但是因为他是隔年的吗？按理很多人他是连续性的，一六一七一八，那这时候你用 l 一 点就好了。但因为他这个间隔年分，所以在操作手法上其实就之后两年的意思，之后两年的意思就这意思能理解吧。 但是还有一个问题，老师就是他之后一期的话，他这个样本丢失过大的话，这个我怎么解释呢？就说因为我之前看他那个是两万多，一下子跳到的八千多还是七千多，没，没办法去解决，因为这个 m p 法，这个他其实是在一八年才陆陆续续加进来的这个问题。对 哦，能理解吧？还能理解的。嗯，看老师怎么说吧，如果摔不行的话，到时候你你老师应该不会说什么。对，老师问你的话就说因为这个 mp 法在以前的时候，呃，回答的特别少，然后到后面呢？呃，这个这个问题逐渐回答，就他的数据比较多了嘛。对 哦，有这种存在的。对，那姐姐这是相关性分析。这是相关性分析。看到没有？只要跑第一步，然后第二步，然后把这结果保出来， 然后这是第三步导出来，看这个结果导出来，就这样就 ok 了。咱们这就就写住，看这个星星直接标出来了，然后这个是描述性统计，也是，那你会发现有很多指标，这些指标我们不全用，那我们先把它保存了， 保存，然后这时候我们把我们再挑出来我们想用的样本量均值、最小值、最大值和标准差，这样就 ok 了。你看这就我们的样本吧，对吧？然后把这结果导出来就 ok 了。 对，那就 ok 了。然后因为之前那个导出命令是错的，所以 ok， 在 这里看到我重新，我又重新给你导出来一遍。然后这里我好像是不是后期又给你补了一个一次性分析啊？对吧？对，补了一个一次性。对，是金商的那个，对，是否有金商环境嘛？这就一次性分析，整体就这样。

非常，嗯，重要的一个一个内容，就说，就说我们如何去写我们的我们的第三章研究设计。那我们的研究设计其实是分三块，第一个是假设，第二个是数据来源及变量选举，第三个是模型设计。这里就就有个非常核心的地方， 就如如果是假，假设提出啊，我们的假设一般啊，如果是发表，那么就他在第二章，如果是自己的写的话，毕业用的话，那么他一定是在三点一部分， 那我们的假设是怎么提出的？那这就是一个非常关键关键的一个问题。那我们通常这就涉及到命题，这这就隐身到命题，那么我们的命题如何去命名一个好的命题？我们现在命题有三种方法，第一种直接去看国外的，呃，这个国外的这个 icci 或 csci 的 一区就 top 看， 点开我一区去看看他们的命题是如何的，然后把它移到中国来，然后换中国的数据重新去跑一遍，这是方法一，方法二就是我老提新用，就比如像这篇文章 看这边呢，是不是数字金融对企业进行创新，对不对？数字金融大家其实也知道，一八年，一八年到二二年期间，这个这个这个这个这个题目特别特别火，对不对？但是他总有不火的一天，对不对？所以我们就叫老提信用。那这几年又又有什么比较火呢？算力和人工智能或电力，这样就我们写数字、数字金融、数字经济，数字经济是由什么构成的？是不是数字叫数？ 我们往上推，这就老提信用数字要素，那数字要素它是有什么构成的？是不是由算力和电力，就算力和电力共同组建的人工智能社社会，那人工智能是不是有数字经济，对吧？从经济，从经济形态上来看，对吧？那么就比如这篇文章，二五年的这篇文章，总工业经济这篇文章，你会发现 数据要数据跨越的流动与企业全要素生产率，是不是写的人特别特别多呀？喂，哈喽，可以听见吗？ 啊？就他，他是不是写的就数字，什么？什么数字金融，数字经济，对企业全要素生产率，是不是写的很多，对不对？那这时候从二五年开始，我们的人工智能，我们智能制造话题，或者是算力，或者是电力，这四个话题是不是特别火呀？然后这时候你就可以老提新用，把它把数字经济换成算力部署，对企业全要素生产率，同样这个也可以 看到，没有把数字经济、数字金融直接换成什么？换成，呃，这个算力部署，或者智能制造，或者是人工智能或应用式人工智能，然后对企业技术创新，这就叫老提新用，能够理解吧？ 喂？ hello， 中介啊，那你讲，咳，然后第三种方法就是说我们在中介编料那里去取，就比如这里中介编料那里去取创新， 就你本来是研究的，比如你研究的这算数，对企业或研究这个吧？研究这个对企业继续创新影响的研究，对不对？那这篇这个 topic 的 话，这个话题的话是不是很多人写了？那你为了具有创新点，那那么你应该怎么办呢？你应该去找中介编料， 找中介变量，在机制分析那里去做创新。那么我们的机制分析是怎么去做创新呢？传统的确定中介变量有两种方法，第一种就是直接是搜文章，然后看这篇文章他用什么中介变量，然后我们就用什么中介变量。那还有一种就是说还有一种方法，就说，呃，等一下 还有种方法就是说你是不是研究 a 对 b 的 演讲？ a 对 b， 对 吧？你到你到，你到，你到那个，呃，你到那个中国之网去搜 a， 去搜关键词， 关键词 a， 然后是不是可以搜，搜出一大一大堆 c 啊？对吧？ c 一、 c 二， c 三， c 四，对不对？ c 一、 c 二， c 三、 c 四，这种对不对？然后你再去到中国去搜，搜什么呢？搜 b， 搜关键词 b b， 那 是不是又可以搜到？搜搜，搜出一堆，第一对 b 的 影响，第二对 b 的 影响，第三对 b 的 影响，是不是？ 然后这时候你去看 c 和 d 有 没有重复的，如果有重复的，那就是不是就可以做他作为他的中介变量啊？这个就是比较有创新的一个中介变量的做题法。能理解吗？能理解。嗯，可以理解，然后紧接着我们来去，我们我们再回到这里， 咳，然后我们的变量表，我我我我弄变量表的时候我是喜欢在 excel 里面去弄，你可以这样去做， 看没？你可以这样去去做，你看这里看没有，然后被解释变了是什么，然后主回归他用什么文件检验是用什么，然后解释变，用什么，然后解释变。因为有时候指标就比如表示企业绩效的话，他可以用 roe 或 roe， 也可以用托宾扣，但托宾扣很少用一些更多的表示的企业价值。 咳，然后你现在做，你就是这样去，然后这里还可以有参考文献的引用，然后你可以在这里去去那个去去标注参考文献， 就没有标，你可以在这里标，标注参考文献，这个是谁谁谁，这是谁啊？你看到没有？这有都给你标的，有标有参考文献，这样去做会比较好一点。然后你这时候再把 c 和 d， 然后去融合一下，看哪个是重复的，如果是重复的话，它就可以做中月编量，能理解吧？ 嗯，对，那 ok， 这时候我们就就确定选择题有三种方法，第一个直接套用，套用，用中国的数据再跑一遍。但是这这这个这个方法呢，一定要注意因地制宜。我举个最简单例子，就是有一篇 a r e 的 文章，他研究的是美国的税制， 然后你把他直接套过来，这这这是前几年有个老师干的事，把他直接用中国数据再跑一遍。但你要知道这个中美的税制制度是不一样的， 在美国这个税制啊，中央政府的权力是弱于地方政府，但是在中国不是，中国国税和地税已经合并了，他的税制制度是不一样的，所以不能直接套用，要因地制宜，一定要讲究因地制宜。然后第二个， 第二个方法就是老提新用第三，第三个就是中介效应的中介变量的一个创新。好吧？然后这就是选择题，为什么我会，我讲研究设计的时候为什么会讲选择题呢？就是因为我们的这个第三章，第三章你肯定要写假设，对不对？那你的假设一定是一定要是选择题，你一定要有题目，没有题目的话你没法写假设，那么理解吧？ 对对，所以这时候我们就要提假设，看到没有，这提假设，第一个假设一定是精准回归，也就是主回归，也算你部署对这个企业全要素生产率的影响。第二个假设一定是中介变量，第三个假假设也是中介变量。第四个假设或是调节或是什么，但是一次性不需要做假设，能够理解吧？ 一次性不写在假设里面。对，不需要写假设里面啊。当然如果你要凑次数的话，你可以写进去。哦哦，我之前写的两天都写进去， 不需要写，没没意义。那我们再看一般人有几个呀？假设三到四个，嗯，最好是三到四个吧。对，哦，对，当然也根据那个文献的水平，越高水平他肯定会高。那当然，这是紧接着，这是一个学术逻辑， 从学术语言来看的话，我们的这个研究假设书写尽量是总分，总的一个一个一个书写范围，总看到没有，这是总括的一句话，然后再去表述你这个假设为什么成立的原因，要罗列出一二三，紧接着再是概括，然后再提出假设，看到没有， 但是你这样，我这样跟你讲话，你会感觉，哎，这假设很简单，每个人都会。那为什么我，我可以发发，发表多到好的文章，那很多人他可以发表到好好的文章里面呢？是因为我是因为我们假设不成逻辑，好的文章呢？他的假设一定成逻辑，就比如这篇文章看到没有， 他的假设就是解决融资难、融资贵的问题。是不是把从融资角度来去解决，解决机制分析啊？对啊， 然后是不是一下子把所有的范围全概括了，对不对？就没有就这个思思维啊？很严谨。然后再去看他中介变面，通过融资约束、财务费用率、企业杠杆和财务风险这四个角度，然后去去去去鉴定他的融资，呃，那个机制分析对不对？然后我们再来看另外一篇，嗯，这篇吧， 形成的话的这个政策对共同富裕的一个影响。二五年的一篇文章看到没有？这是他的中介，这是不是他的 s， 这是不是他的 y 这两个字，他有两个 y， 因为共同富裕嘛，共同富裕体现两个角度，一个是收入的角度，一个是富裕的角度，体现两个角度，看到没有？然后他是不是通通过生产要素这个角度来去构建他的机制分析啊？ 生产要素是不是有劳动力、资本、土地和那个数据要素？跟我们原来本科学不一样，本科是三个要素，他现在四个要素。你看他的逻辑很简单，引进来，走出去， 他是不是这个思维是很很严谨的，没有漏洞啊？对，那一下子把他的这个中机制分析显得很就是考虑他整个机制就是 a， a 到 b 的 路径全部考虑进去了，至少从理论上来讲是可以全部考虑考虑进去，对不对？ 对啊，所以 ok， 这就是我们这个呃，中介效应。从学术逻辑上来讲的话，我们要要求到我们尽量做到这一点，如果做不到的话就仿写，大家都是这样的，先仿写，仿写完了过后，等你仿写了十天，二十天过后，你就会慢慢你自己也有这样的这个逻辑，所以我一直在强调的是什么？一直强调你多看、顶看和一起，就这个原因 能够理解，不要看，不要看北河里面的二区、三区，他们思维是不逻辑的。不，不严谨的。越看越闪，越看越闪，越看越闪，对你没有帮助的，你的时，你的时间很宝贵的。对，等你读，读到研三的话或博弈的情况下，你，你的研究范围会越来越，研究方向会越来越清晰，越来越窄，也就说你读的文献就会越来越少，越研究范围啊，你读的文献的范围也会越来越少，越来越精。 当你研一的时候要打基础，把你把你的根基尽可能的扩大，这样你才能建的房子更高，你可以用你，你研究的这，你可以用别的，因为每一个研究方向他发展的是发展的，呃，程度是不一样的，有的先进，有的落后，你可以把先进的研究方向可以套在你的这个落后的研究方向，能理解吧？ 对，然后这就是我们的这个，呃，三点一，研究设计，呃，研究设计这部分啊，为三点一这个假设体作三点二，就我们的数据来源的话，从学术逻辑上来看看的话，我们要有四点，第一个你的研究对象是什么？ 第二你的这个数据的特征和来源，然后第三个你做了哪些步骤，像在这个点最后一步你就获得多少个样本，每篇文章他都是这样的，你可以去看这篇文章，你看研究对象，时间、数据特征、 来源、范围，然后，然后这个做了哪些处理，看到没有？然后最后获得了多少个样本，看到没有？这把所有文章都是这四个要素，一定要记住这四个要素是必要的，好吧？紧接着我们去做编料选曲， 你先看一下我们变量选举，我们变量选举其实就分两块，一个是核心变量，一个是非核心变量。非核心变量其实就是控制别人， 我们核心变量一定要从学术逻辑上来看，我们一定要也是要有四个范。四个要素的第一要素饮用，除非像这这篇文章一样，它的这个创新啊，是个非常经典的文章，你可能不需要饮用，像非经典的文章你一定要去饮用，好吧？指标，你看先引用，第一个一定是引用，第二个去陈述他 函数为什么要用这个指标或用这个指标理由。第三个要素就是它的构成，第四个要素就是它的意义，这个是它的构成，这是它的意义。看到没有？同样还有没有引用 引用，然后这这他没有说理由啊，你看这里他会说理由，你看这经典，你看是不是他说说选择这个指标理由啊？对不对？说了对吧？然后他的构成，然后这个他的意义其实可说可不说了，对，就他他数值越大表示什么，数值越小要表示什么，好吧。 同样我们的中间变量也是一样的，首先要引用，看到没有引用，然后再说这个原因，然后再说它的构成，然后它的意义。然后在这里我们要强调的一点是细节点是控制变量，我们的控制变量不需要，不需要再像核心变量这样去写，就一段话去解决就好了。控制变量一般是有几个正儿八经的，我要我们要求是五个以上， 五个以上。如果四大微观数据库的话，我们要要求十个以上，但但但他并不是说一定要要十个以上，就是大差不差就行了，要八九个，至少八九个以上，对他没有一个确定的范围，但是你至少要有，那我理解吧。 然后呢？这些变量他选的时候选的这些指标都是从文件里面，那个其实不可，其实可以不从文件里面，你就按照通，你按可以按照通过增减控制变量方式来调整显著性，确定一组 呃，最佳的控制变量就 ok 了。然后额外这是这是这是我们实际上的实操的一个方法。然后如果是从学术角度上来看的话，我们其实就是选对 y 产生影响的变量即可，其实我们不需要饮用，你看这边 top 七看他饮用了吗？他没有饮用， 那我理解吧。你再看这几篇文章，我发给过你，没有，没有吧？嗯，就是比如这篇新的工业经济的文章，你会发现我们的变量，其实从某种程度上你看我们的变量它不需要引用，看到没有，看它就这一说就好了，看到没有就参考谁谁谁谁设置这个，你会发现每一篇文章的控制变量选择都不一样，但是又有很大的相似之处。 那我理解吧，就感觉就那么几个对，控制几个对， 我到底什么时候用十个，什么时候用五个呢？呃，十个的话就四大围观数据库，就我，我今天上午上午给你讲的那个 c f c h f s 数据库， c g s 它适合用的，其他都可以用，是五个以上就好了，能够理解吧？ 数字经济也行，因为我发现现在讲的类型都是关于企业这类型，之前打比赛打的都是那种城市层面。城市没有啊，就这个，你看这个，这也是一样的，就我们一般说那不是城市，那是宏观 一回事啊，红光方便。对，红光是不是就五个？就五个，差不多了。对啊，你看这这连提都不提的，你看你看一二三四五五个就 ok。 红光，红光和我们一般会把红光和上市公司放在一起讲，他们很都一样，对吧？对，那上市公司属于红光还是微光啊？ 微观，微观吧，他属于微观，但是，但是我们很多时候去研究文章的时候，红宏观和微观是不分开的，除了这四大微观数据库，就比如这篇。哦，你就这，比如这篇，这篇文章他数据内容是不宏观的，对不对？审计面板数据， 对吧？然后你会发现他解释别家，你看都是微观的，没有宏观一点指标看到没有，那就是对吧？所以我编下去就这， 咳咳，然后做变量，你自己去设就好了。我还有个问题，嗯，你说前面那个被解释变量，解释变量还有中介变量选的那些指标，也是根据已有的文献刊的那些指标文献参考他们的，然后对 写就好吧？对对，一定要有引用来源，记记起看。但是我之前答辩的时候，写数字经济类型的时候，然后数字经济指标，我感觉每天文献就那么几个，对数字经济很很很确定。然后我答辩的时候他跟我说我没有自己去 后面新的指标，就是全参考引用文献了。那，那是因为你的老师就是 ok， 就是 你的老师水平会有，有的时候老师他水平会有限的，尤其是老教授，他已经脱离发文章很久了。 我跟你说，我感觉数字经济，我不管怎么找，我就感觉就那几个不可能创新的作，作为晚作，作为后来者，我们这种年轻的研究学者的话，我们只能是微改善，微就优化，只能说优化不能创新，因为你要创，你有创，就是我们写这篇文章的时候，我们的第一个要求就是要有营运来源，要有理论支撑，如果你做不到这一点的话，老师为什么会认为你这个指标会合理呢？ 对不对？对，嗯， ok。 这个创新是可以在那个电量上创新，但是指标的话还是参照你有的紧开的文件，是吧？对对对对对对，除非像这种，像这个算力部署啊，这种 d i d 模型，看到没有？这个这片到时候你可以看一下它，它，你就可以在算力部署上可以做创新，因为这个东西是很新嘛，没有指标可以可以引用嘛， 对吧？那这时候你就可以去创新了。那我觉得我现在说创新有点太早了，因为我现在打比赛，还有什么，我都是仿写，我都模仿别人写，对，都仿写，就我说我们也是也也是在不断做仿写，仿着仿着仿着就成为自己的东西了。对，那没办法，你不可能说你自己去写，你自己去写不现实啊，对不对？ 嗯，我们一样，慢慢就一定是大家每个老师也是这样过的，都是从仿写到走向自己的东西。对，嗯嗯， ok。 然后紧接着就是三点三模型设计，那我们的模型设计其实没有没有什么讲的，就就唯一一点就是公式嘛。公式，其实我们的模型设计它不难的，就是一个公式，然后带着公式的解读， 然后我们遇见的公式里面最常见都是二维的，然后在这里去说明一点，有一部分老师他会把 id 模型弄错， 你看这是我们 id 模型，是不是被解释变成等于 alpha 加上贝塔乘以吹的 pose， 对 不对？对，然后有些文章就是可能是二五年一八年以前的文章， id 模型是这样的， l s 等于 alpha 加上贝塔吹的 pose， 加上贝塔二乘以吹的，加上贝塔三乘以 pose， 再加上后面的控制变量的行业固定啊，水分固定和个体固定误差相等，这样 记住，这样是现在是做错了我们的推导和 pose 的， 我们的 d m d 模型就是推导和 pose， 推导和 pose 不 需要单独去列，能理解吧？哦，对，能，对，然后其他没有什么，那模型设计反正大家大家都是，其实就是一个公式，公式，然后再对公式一个解读。好吧， 那不同的模型那就有不同的公式了呗。没有，就这其实大部分都有一种，就这一种，就这一种。对，那你有什么模型啊？你除了有你，你 d i d 模型就是把这个变成 d i d 吗？推的 pose 的 吗？对不对？ 那为啥他经常很多每天什么系统？ g m m， 什么双向固定效应，这不双向固定效应吗？他其实就是变，变一个，这个就就双，这就叫 id 啊，双向固定效应啊。啊，这双双双双，双双得分，那双双得分，底层模型还是用双向固定啊？它底层模型还是用双固定啊？看到没有？这里 这不固定就是固定时间和。为啥？就如果是企业数据的话，我们要首先固定个体，除了固定个体之外，我们要固定时间和行业。 然后你这这到时候我会给你讲的，上课时候讲基础我会给你讲的。对，我现在给你讲你也听不懂，因为很虚这东西。对， 然后，然后你看都其实都是一个公式，就我们的模型就是一个公式，包括你说的这老这套模型，还有 pro 这套模型，这是二字模型吧？他其实也是这样写的，就是变量符号等于变量加变量一乘以减，减减去写，能理解吧？这我能看懂，因为上次你写的就这一堆。对，基本都是这种模型，就比如这个 id 模型，双层三分模型，它也是这样，好吧？ 嗯，其他没有什么，因为我们的模型设计没有什么太简单、太复杂，大家会把模型设计想的特别特别复杂。其实不复杂的就是不解释变量等于解释变量，然后加上 cv。 cv 就是 控制变量嘛，我们控制变量都不展开写了，就直接用 cv 或 ctrl 来表示。三角形的是 c v， 有 有一部分文献他是喜欢用 ctrl 来表示。这这这是中间变量，这是中间效应模型。 这中间效应说有分三步法和两步法吗？这是三步法表示，然后两步法就只需要他和他就好了，这个就三点就好了，对吧？嗯，那我理解。

这次我们讲解一个名为国际金融的专业名称的，他这个背景的本科毕业论文点燃国际金融这个专业的实证研究肯定是不那么好做的，毕竟跨国金融领域的数据来源都比较单一。那这个学生也比较幸运，他选择这个题目，用一个国家的时间训练数据就可以搞定， 完全可以选择日本政府官网作为你的数据来源，选择的零五年到二零年连续十六年的年度时间训练数据，打算就做个向量自回归搞定。 被解释变量是 gdp 增速，解释变量是政府债务占 gdp 的 比重，具体的变量设定如下面这张图这样，下面这张图就是平稳性检验，可以看到有几个数据还是显著的，显著就是没有单位根，那还有几个是一阶差分后平稳， 那就说明仍然可以做向量次回归。那么下面这张图显示的是定阶检验，那通过实时信息选择分析，就可以构建它的事后二阶的向量次回归模型。 同时在下面这个英国检验的结果当中，我们就可以观察到，那政府债务确实是日本经济增长的变量的隔岸结缘。下面这张图是方差分界，最后我们通过脉冲响应图分析，就可以直观的得到两者之间可能是有个反向的关系，那就说明呢，日本的政府债务每提高一个单位，那么他的 gdp 增速就会下降一个单位， 或者说是政府的债务下降一个单位，那 gdp 增速就会提高一个单位。关注老皮，点个关注，问闻不迷路。

那么除了公开信息之外，我们有很多的渠道可以获取一些非公开的信息，那么这些非公开的信息呢，也可以是我们非常好的数据来源和研究素材。 特别是对于我们的一些在职的同学，像 mba 同学或者是 emba 同学，我们本身有很多相关的工作经验，我们也有很多的相关的行业以及相关的这些积累， 那么这些呢，实际上可以帮助我们提供很多非公开信息，这些非公开信息也可以是非常好的研究的数据以及信息资源。 那么具体来讲呢，我们可以考虑以下渠道去获得一些非常重要的非公开数据信息来提供给我们做研究。第一个呢，市场调研报告，那么我们有一些同学可能会从事某一个行业 相关的工作，那么对这个行业可能会有很多特殊的渠道，去收取一些特殊的信息，去获取相关的地区的行业的 研究报告，调研数据，那么这些呢，也将是我们重要的研究素材。研究报告呢，包括地区的调研，包括行业的调研等等呢，这些都是非常好的一些数据来源。 那么除此之外呢，我们可以针对自己所在的企业，自己所在的行业去做一些调研与访谈，去收集一些一手的数据。 那么我们之前说过，我们特别是对于一些在职同学，一些专业硕士同学，我们的很多的研究可以是基于案例的，可以是基于商业实践的， 那么这些研究呢，我们非常鼓励大家通过收集一手的鲜活的资料来进行研究。 那么如何收集一手的鲜活的资料很重要的一个方式就是通过对本公司本行业的一些相关人士进行访谈，进行调研，收取相关信息，相关数据，最终来帮助我们做相关的研究。 所以呢，调研与访谈是帮助我们收集一些非公开信息的重要的渠道。除此之外呢，还包括手工收集信息。手工收集信息在以往的研究当中，也有很多同学在采用， 比如说在我们的上市公司在做融资的时候，通常有招股说明书，招股说明书上有很多关于投资，关于融资的一些相关信息，这些相关信息并没有在成熟的数据库当中被酷化， 但是呢，我们可以通过手工收集信息，将这些信息呢收到一个数据库当中，从而呢来做研究。 那么包括一些招股说明书上面的一些各种各样的说明，我们可以通过去阅读这些说明，把这些非结构化信息变为结构化信息，帮助我们做一些相应的研究，包括定性研究和定量研究。 所以呢，手工收集信息不依靠数据库来收集信息，也是收集信息的一个重要的方法。 除此之外呢，我们的同学在做研究的过程当中，也可以通过去发放一些问卷去做调研，从而收集信息。 那么随着我们现在互联网，特别是移动互联网的发展，有很多的渠道我们可以自己去做问卷，收集相应的信息来做研究， 比如说现在有问卷心等等，这样的软件和这些应用的 app， 可以帮助我们很容易的去做一些问卷调查，而且问卷调查之后的数据可以很容易的变成一个数据库，帮助我们来做研究， 来做我们的相应的需要解决的一些问题的分析等等。除此之外呢，我们还可以通过文本分析去收集一些信息，那么这个和我们的手工收集信息呢，非常相似，在我们 这种文本分析方法，机器学习分析方法没有大规模的推广之前呢，我们很多同学通过手工去收集一些非结构化信息，将它结构化变成数据做研究。 但是呢，现在越来越多的同学呢，掌握了像 python 这样的这种编程方法，可以把很多的这种文本信息变成数据信息，最终呢做研究。 那么比如说，我们可以通过用文本分析分析上市公司的一些年报上的文本信息，来构造一些结构化的数据来做研究。 那么除此之外呢，我们对一些政府的政策，我们也可以通过文本分析，将一些政策从文字变成数据，从而做研究。 那么现在呢，也有一些软件公司提供了相应的数据的平台来帮助我们做文本的分析， 比如说 window 财经文本数据平台，那么呢，很多学校呢，也已经订购了这个软件和数据， 那么通过这个软件和数据，我们提出我们的研究的需求，它可以自动帮助我们进行文本分析，把一些非结构化的信息变为数据，从而呢帮助我们做研究。 除此之外呢，如果我们有一些特殊的跟某个企业的关系，或者是工作经验，我们可以去思考收集一些企业的内部管理数据，那么这些呢，也是我们非常重要的啊，富有的这种数据分析的资源， 比如说一个企业的人力资源管理数据，一个企业员工的花名单，员工的绩效，出勤啊，考勤等等数据，这些呢都可以作为我们研究的数据。 那么啊，特别是对于我们的 mba 同学， emba 同学本身呢，我们有很好的工作经验，本身有些同学甚至就有自己的企业， 那么我们可以拿自己企业的这些管理的数据来做研究，那么这个呢，也是一个非常好的获取数据的一个渠道， 比如说员工的花名册，比如说员工的考勤记录等等。那么除此之外，还有一些这种客户管理的管理信息系统，销售管理的管理信息系统等等， 那么这些管理信息系统本身实际上就是给我们提供数据的一个重要的来源。除此之外呢， 在一些情况下，我们如果有一定的资源，我们还可以通过一些实验的方法收集一些数据，通过收集这些数据来完成相应的研究。我们具体来讲一些收集数据的渠道， 那么第一个呢，就是我们在以往的经验当中，会看到大量的同学，特别是全日制的同学，主要的收集数据的方法是靠学校订购的数据库，批量下载 相应的数据来完成自己的研究。比如说啊，像这个 sisma， 万德瑞斯这些上市公司的数据，那么这些呢，都是通常各个高校都已经认购的数据，我们同学呢，只要去 通过学校的图书馆，就可以批量的下载这些数据，从而呢做相应的研究。 那么这些数据库实际上呢，从数据产品来讲，目前呢都是非常完善的数据产品， 那么有非常好的库化的结构，实际上可以帮助我们同学非常容易的进行相应的数据分析，最终得到结论，完成自己的研究。除了从这种库化好的数据库当中批量的下载数据之外呢， 我们在研究过程当中呢，很多情况，特别是收集公开数据的时候呢，可以从互联网中获取相关的信息， 我们可以根据一些我们需要研究问题的关键词，在互联网当中去进行搜索，通过搜索引擎去发现相应的数据库 来下载这些数据，满足我们的研究需求。除了这些从公开的数据资源收集数据之外呢，我们刚才也提到很多同学，特别是一些在职同学，那么如果你有很多的这种啊渠道 和本企业的支持，我们可以从工作当中来思考收集相应的数据信息，满足我们的研究需求。 那么首先呢，我们可以考虑从本企业收集一些内部的财务数据进行分析， 对于经济管理类的同学，很多同学会选择去研究和企业的绩效相关的问题， 那么财务数据呢，是一个必不可少的数据资源。如果是上市公司，我们之前提到可以通过 sis、 马万德瑞斯等数据库收取上市公司的财务绩效数据， 但是如果我们的研究对象是非上市公司，那么我们可能需要向这个非上市公司收取他内部的财务数据来进行研究来得到结论。所以呢，那么从工作当中收集信息呢，是非常重要的。 第二个呢，我们也可以通过一些渠道，收取一些相关的重大事件的信息，通过这些信息来做研究， 比如说企业的并购重组，并购重组之后，企业真正进行重组的行为等等。那么这些信息呢，实际上呢，我们是比较难从公开的数据库当中获取的， 但是呢，如果我们在工作当中可以接触到一些企业的内部信息，我们可以从工作当中去收取这些信息，满足我们的研究需求，那么这个呢，也是一个非常重要的方面。 那么第三个呢，就是人力资源管理数据，那么从经济管理类的专业硕士的论文来看呢，有相当一部分同学是对人力资源管理组织结构非常感兴趣的，选择的研究呢，也是和这个领域高度相关的， 那么如果想做这个领域的研究，我们就需要有非常好的人力资源管理的数据， 所以呢，我们的一些在职同学通常会有非常好的优势和渠道获取企业的人力资源管理的数据，比如说企业的人力资源管理的花名单， 比如说人力资源管理的绩效考核的一些相应的数据，包括我们的考勤，包括我们的啊，一些薪酬等等等等，那么这些呢，都可以是作为我们非常好的研究数据来源。 经济管理类的同学的专业硕士的论文的选择题当中呢，也有相当一部分的选择题是和市场营销高度相关的， 那么在这个领域当中呢，我们可以去思考获取企业的一些市场营销的数据， 包括销售的网络，包括销售人员的激励机制、考核等等相关的数据，那么这些呢，也可以是我们研究的非常好的素材。很多企业呢，也有和市场营销相关的 erp 系统、管理信息系统， 那么这些管理信息系统本身就可以提供非常好的研究的数据。除此之外呢，很多企业也有很多其他方面的，比如说供应链方面的管理信息系统，人力资源管理方面的信息系统 啊等等各个方面的管理信息系统，这些管理信息系统本身也是非常好的数据来源。

那么在我们的工商管理啊，经济管理的这种论文当中呢，也有很多同学选择做战略方面的研究， 那么如果是做战略方面的研究的话，我们就更需要通过我们的各种各样的渠道，尽可能的获取企业战略方面的信息和数据，通过一些 我们的这些结构化的分析方法，比如说像 pest 分 析， swap 分 析来做相关的研究。 在这个以往的经验当中呢，我们看到很多同学，特别是我们的 mba 同学和 emba 同学，很多的研究是基于 调研收集的一手信息，那么调研呢，是我们收集数据的一个重要的一个方式，可以帮助我们收集很多一些非常有价值的非公开的数据进行研究。 另外呢，我们也可以通过一些方式去访谈各种各样的相关人士，获取很多相关的信息，帮助我们来完成研究。 那么目前呢，我们现在也有很多的这种相应的软件和一些啊，这种信息系统 支持我们更有效的进行调研，进行数据的收集，比如说问卷心等等。这样的这种软件实际上现在可以非常好的帮助我们快速的进行调研，并且快速的将调研的信息和数据 把它固化成为非常好的研究素材。文本分析文本分析呢，目前呢 它是一个相对比较新的一个方法，但是呢这种方法目前普及的速度是非常快的，因为呢这种方法呢可以让我们的研究不局限于我们目前市场上的固化好的数据产品， 这样呢就将我们的研究可以变得更加有创新，更加拓展，能够让我们很多同学去做很多以往没有做的研究，而且呢又不局限于数据库产品的数据的局限， 那么文本分析呢，它本身呢是通过将一些非结构化数据去变成结构化数据来实现的一种方法。 那么我们有很多的信息实际上呢是用文字表达的，我们可以通过文本分析，把这些文字通过用它的磁频的计算的方法，或者出现的磁频的这种可能性，把它进行一个量化， 形成一些结构化的数据来帮助我们做相应的研究，它本身也是一种无监督的机器学习的方法， 他可以把一些我们以往的一些这种文字表达的数据，文字表达的信息变成一种可以量化精准衡量的一些变量。 那么除此之外呢，他可以帮助我们拓展很多的信息的维度和渠道，让我们获得更多的更丰富的信息和变量。 最重要的就是我们不需要依靠一些成熟的数据产品来做研究，我们可以自己去构造很多我们在研究当中需要研究的一些数据。 那么这个呢是目前一个非常重要的一个数据的研究和获取的方式， 这个是我们的以往的一个研究，就是利用了文本分析的方法构造了一些新的变量，那么这个研究呢，就是一个关于产品市场竞争的研究，以往关于产品市场竞争的 侧度变量呢，都是 herfld index， 就是 我们的 h h i 指数，那么这个指数呢，它本身有一定的局限性，因为呢它的这个指数呢是基于一个行业的这种定义来计算的， 那么我们知道很多的企业它的行业呢，实际上在不同年份可能是有所调整的，随着它的业务的变化等等等等。 那么我们的这个研究呢，就是通过啊对于上市公司的文本分析，去构造更加精准的这种产品市场的竞争与动态的指标。 那么我们这样的构造呢，实际上就突破了以往的文献的这种诉服，也突破了以往数据库的诉服，能够获取更精准的这样的一个数据来衡量上市公司的这种市场竞争度。 具体来讲呢，我们是把每一年上市公司他年报当中对于本公司产品的描述的信息获取，通过文本分析的方法呢，去看他对 自己的这种产品的这种描述的文本，那么每一个公司都有自己的产品的描述，可以去比对 两家公司的这种关于产品的这种描述的相似度，通过描述这种相似度呢，我们可以度量每一个公司他和其他竞品公司产品的相似度，来进行一个量化分析， 从而呢得到一个新的关于一个企业他的市场产品市场的竞争的程度的一个指标。 所以我们就可以看到对于文本分析方法，它可以帮助我们构造更多的变量，更精准的变量，并且呢让我们不用束缚于传统的数据库的限制，这个是另外一个用文本分析研究的一个视力。 那么我们现在呢，随着社会经济以及技术的发展，有很多新的业态，那么这些新的业态，这些新的现象出现呢，实际上也催生了很多新的研究需求， 但是呢这些新的业态出现之后呢，我们的数据库产品可能很难快速的跟上这种步伐， 所以呢就限制了我们的研究。那么在这种情况下呢，文本分析呢就非常好的可以来帮我们解决这个问题。 比如说呢，我们在二零二一年经济研究上发表的这篇论文，大数据的应用对中国上市公司价值的经济影响的研究。 那么对于这个研究，我们要研究中国上市公司使用大数据这样的一个新的技术将带来什么样的经济后果。 但是呢，大数据的应用在企业层面的数据并没有一个完整的非常标准的数据库来帮助我们提供这方面的数据。 但是我们现在知道，随着数字的经济的转型，大量的企业都在进行数字化转型，本身呢对于这个问题的研究需求是非常高的， 那么我们就可以通过文本分析的方法来构造企业层面的大数据的应用的这样的数据来帮助我们收集数据，完成研究。 那么我们就是通过文本分析的方法去阅读了所有上市公司的这些年报，在上市公司的年报上去搜索相应大数据的相关的关键词， 比如说大数据，数据中心算力等等这些重要的和大数据使用的关键词，通过这些关键词来进行文本分析，词频分析，构造相应的数据来完成我们的研究。 我们可以看到这样的研究就可以非常好的利用文本分析的方法构造新的数据， 并且呢不受到这个目前的数据库产品的局限，让我们的研究能够跟上时代，与时俱进，真正研究现在非常大家关注的新的问题，新的社会经济现象。 那么这个呢，就是我们通过文本分析方法构造的一些数据啊，包括大数据使用的这种雅变量，大数据使用的深度、广度等等，相应的变量我们都可以通过文本分析的方法来构造。 那么通过文本分析的方法构造的变量，我们也可以和我们的现实的一些现象相比对，看看是不是我们的数据 真正是能够反映现实的情况，我们也确实发现，那么通过文本分析构造的变量，确实告诉我们，现在越来越多的中国的企业上市公司在采用大数据这样的新的这种 啊模式，新的数据资源来进行他们的生产经营。那么另外一个非常重要的收集数据的这种新的方法呢，就是通过对于一些企业可以进行一些试验， 通过一些试验呢来构造一些变量，收集数据，帮助我们完成我们的研究。 那么对于我们的经济管理这类的学科呢，我们很难能够像生物，像一些理工科一样在实验室做实验， 但是呢我们同样可以根据一些科学的方法啊，在企业的一些配合之下去做一些实验，通过实验去收集一些一手鲜活的数据，来帮助我们做一些非常有价值的研究。 那么这个呢，就是一篇非常好的论文，在二零一五年发表在 qge 上，那么 qge 呢？我们大家知道是我们经济学当中的顶刊，那么这篇论文呢，就是利用了收集企业的试验的信息来完成的一个非常好的研究。 这篇论文的一个作者呢，就是我们携程网的创始人梁建章，那么来这个 完成的一篇重要的学术研究，那么他这篇研究呢，实际上也有非常好的实践价值。那么他研究的问题就是是否远程办公会影响到企业员工的工作效率， 那么在没有疫情之前，实际上呢，像这个携程网，他们就已经在思考是不是可以采用远程办公的形式，因为远程办公呢，可以帮助我们的企业降低很多劳动力的成本，包括降低一些办公室， 以及一些其他的这种办公资源的一些成本等等。那么我们知道 远程居家办公它本身有优点啊，也有一些潜在的问题，优点是可以帮助我们的员工啊，节省通勤的时间，可以让我们的企业在更大的范围内招聘员工等等。 那么缺点呢，就是对于员工来讲，如果居家办公可能缺少监督，也不利于团队合作，不利于交流。所以呢，有必要进行一个分析，看看远程办公是否真正可以帮助我们提高工作效率。 这个研究呢，就是通过企业的田野实验来进行收集数据的，根据这个抽签选举了二百五十名员工参加这个实验， 其中呢，偶书浩的生日呢，员工回家工作单，书浩呢在办公室工作，那么他们观察了这些员工九个月的工作绩效， 那么最终呢，进行了这个相应的研究。在研究的过程当中呢，他们呢还拍了一些非常好的一些证据照片，比如说通过抽签选举研究的对象，选举进入研究的工作人员， 除此之外呢，给相应的这些工作人员配备了居家办公的设备，让他们居家办公。通过研究呢数据发现，在居家办公之前，那么所有的员工，无论是之后希望 居家的，还是希望在办公室工作的本身呢，大家可以看到这条红线和蓝线在工作绩效上没有显著差别，从红线之后呢，就是居家办公，如果呢在办公室的就在办公室继续办公。当这个实验开始之后呢， 大家发现居家的员工实际上工作效率更高，在办公室呢，实际上是没有居家的这个办公的同事工作效率更高， 那么这个呢，就是他们主要的研究结果。之后呢，也做了一些大数据的实证的回归分析，验证了这个结果，发现居家办公的员工，因为他的主要员工呢，都是一些客服，所以他们的工作呢，主要是接听电话， 帮助一些顾客解决问题，所以呢，从接听电话的时长，从接听电话的服务态度等等各方面的指标呢，发现居家的是更好的。 那么除此之外呢，他们还配备了这个员工的访谈，还去走访了很多员工，问他们为什么居家你会觉得会工作效率会提高呢？ 那么很多员工呢，也提出了一些自己的观点，包括呢很多很便捷呀，方便呐，减少通勤啊等等。那么我们就可以看到这方面呢，就是一些定性的分析，通过访谈收集一些信息，进行了一些定性的分析， 在这个研究当中呢，就是既有定量的分析，也有定性的分析啊，共同支持完成了整体的研究。 总体来讲呢，像这个研究呢，他通过各种各样的渠道收集了相关的信息，包括通过田野实验啊，收集了相关的员工绩效的信息，通过访谈收集了一些定性的分析的一些信息， 通过这种大样本的回归分析啊，分析了一些相关的这种数据，得到了实证的现象，那么最后共同的完成了整体的研究。

大家好，已经很久没有给大家专门录一个视频了，今天是在黄石。呃，后面的话，我的区域也会深耕在鄂州， 四月三号的时候，我收到了我之前想要去参加的呃，武汉大学的全球经济高峰论坛，但是挑灯夜战呢，最终还是折戟沉沙，没有被周友会选上，最后给我发了一封退稿邮件。 遗憾归遗憾，前路犹可追吧。那么我今天其实主要想跟大家分享的就是我的这一篇论文里面到底写了什么，我想要表达的是什么意味？我这篇论文的主体内容就是，嗯，农业、 工业和经济如何实现三强联动？呃，有这么多选题，我到底是出于什么考虑要写这样的一篇文章？这背景的话，其实就是在于近期大家都非常清楚， 感触颇深的呃，国际政治的地缘冲突和各种嗯，经济争端吧。大概是以这个为背景，其实与我们感触最深的就是油价上涨，嗯，各种生产元素的价格飙升，嗯，以及 老百姓的生活质量的体感不是很好。这种方面其实我自己深有感触，所以我就把它用我的方式表达了出来。 我是干金融的，那么我最想要说的核心点肯定就是，呃，金融如何去促进实体经济？那么实体经济又如何赋能金融呢？其实这个要浅显的理解起来也很简单，也很容易， 金融是实体经济的驱动源头，实体经济呢，又是金融的活水的必要元素。那么讲一个通过我自己查阅的资料数据， ppi 这个数值的话，是从二零二三年到二零二五年出现了 比较严重的通缩，这个现象其实不好。为什么呢？因为实体经济如果长期多年保持一种通缩的状态，其实这个于整个金融系统而言波动是很大的。 呃，例如我们自己，我们做设备的融资租赁，如果说没有工业实体经济的支撑，那么我们确实也很难去获取客户。呃，就算获取了客户，他的整体经营状况也不会很好，他的整体的资质也不会像以往那样。呃，能够 高比例的出现好资质的客户群体，这个是最直观的反应。回过头来说，金融是怎样支持我们的实体经济和工业强国的大政方针呢？嗯，在电视剧庐山之歌里面有几道，嗯， 用重工换金融是不可取的。中国不能没有实体经济，不能没有制造业，那么金融又该如何去赋能我们的实体经济和工业强国政策呢？嗯，其实我们要解决的不是很高端的问题。为什么呢？因为现在咱们的国家专精特新，嗯，以及国家高新相关的企业 都能够得到金融方面很大的支撑和支持，那么其实反而是普惠业务对于咱们中小微企业的生存和呃打破难关是有非常重要的和重大的意义的。因为我的不同点在于，论属， 嗯，中国的传统工业，如果说在传统金融业的加持下，他其实是从规模性的扩张到高精尖的呃，这种创新驱动，那么其实于中小微企业或者初创型企业来说，呃并不能很快速的跃升到这一步，其实还是在从零到一呃，从 逐渐起步到规模扩张的这样一条路上，那么这个时候就需要我们普惠性的金融呃，进入到呃这个实体经济的发展过程当中去， 切实的为中小微企业解决问题和解决困难。那么我们说的再实际一点，中小微企业其实他缺的是什么呢？嗯，不得不说他的订单可能不缺，他的市场不缺，他的生产经验和生产品质 也不缺，他可能缺乏的是嗯资本的原始积累。这么说比如说他可能没有呃自购的厂房、土地，没有固定的资产，那么也可能说连某一些设备都需要分期支付。说到最后我自己 融资租赁到底能帮企业带来什么？帮实际经济带来什么？我们解决的就是呃中小微企业或者初创型企业，呃，没有嗯，资产，没有很好的资质，没有很好的经营数据，以及没有很有价值的抵押物等等情况来讲， 我们能解决这样最基本的最底层逻辑上面的事情，那么就是我们，也或者说是我能够真正的为咱们的中小微企业为实际经济带来的真正的 呃贡献和效果。那么我也希望在这件事情上能够实实在在的让我自己得到，让我自己成长，也让企业主真正的有收获，真正的有提升，真正的有发展，真正的有所得。

数据与信息资源收集的来源与方法，首先我们可以把我们潜在可以利用的数据分成两大类，一大类呢是公开信息，一大类呢是非公开信息。 首先呢和大家介绍一些我们比较常用的收集的公开信息的一些重要资源， 那么对于我们经济管理类来讲呢，一个非常重要的一个公开信息资源呢，就是上市公司的数据库。 目前呢，我们在市场上有一些非常成熟的关于上市公司数据库的数据产品，比如说 csma， 比如说瑞斯，比如说万德。那么在这些数据库当中呢，我们可以获取很多和上市公司相关的数据，比如说上市公司的财务信息，比如说上市公司的三张报表，比如说上市公司的高管信息， 比如说上市公司的研发创新以及专利申请等信息。目前呢这些数据库当中还有越来越多各种方面的相关信息， 比如说 esg 报告，比如说各种各样的股票市场的定价因子等等等等。 那么这些呢都是对于我们经济管理类的研究来讲非常重要的信息资源，而且这些数据库呢有非常好的酷化的数据结构， 所以呢对于我们的研究者来讲呢，实际上是可以非常的方便的利用的。第二个重要的数据的公开的资源呢，就是一些各个高校或者研究机构组织的一些成熟的数据库产品。 那么目前呢，我们的一些重点的院校或者一些科研机构，通过自己的努力呢，也在收集了很多相关的信息， 并且呢将这些信息呢分享和公开，那么很多的研究人员或者是我们的学生，只要和这些相应的学校或者研究机构提出申请，就可以获取这些数据库。 比如说北京大学搞的普惠金融的指数，比如说南开大学搞的公司治理指数等等，都是类似的非常好的数据库。 那么这些数据库也是为我们很多很多同学在辗写毕业论文当中可以提供非常有用的数据资源。 第三个非常重要的可以获取公开信息的资源呢，就是学校的图书馆，我们很多高校的图书馆都有非常丰富的数据资源，比如说一些相 关的一些地区的各种各样的发展的一些数据等等，还有一些国家的宏观数据等等。 那么我们同学呢，也可以通过登录本校的图书馆来获取这些相应的数据资源。 那么除此之外呢，获取公开数据资源的另外一个非常重要的渠道呢，就是政府网站， 政府网站包括中央政府的网站，也包括各个部委的网站，也包括各个地方的网站， 那么政府的网站通常会有很多相关的政府机构汇总的一些宏观或者是地区中观的数据，那么这些数据呢，也会是非常重要的研究资源， 比如说一个地区的人口数据，一个地区的 gdp， 宏观经济数据等等。最后一个非常重要的可以帮助我们获取公开数据资源的一个渠道就是国际组织。 在我们的以往经验当中，有一部分的学者或者是一部分的同学希望做关于国际以及国际比较的研究，那么国际组织将会是一个非常好的一个提供公开数据资源的机构，包括世界银行、世界货币基金组织 等，这些机构都是非常好的数据来源机构。我们可以去登录这些国际组织，到这些国际组织的网站上下载很多非常重要的相关的数据。 比如说世界银行专门有一个非常好的数据库，叫做 word develop indicator， 这个数据库包含了全世界二百多个国家的宏观经济的数据，包括 gdp、 gmppi 等非常多的相关的各个国家，各个年度的非常好的酷化的数据， 那么这些数据都会是我们非常好的研究素材，研究信息，所以国际组织是非常好的一个可以帮助我们获取全世界各个国家经济和政策以及相关信息的非常好的一个数据来源。

经济学 s s c i。 刊分享，一到四区全覆盖，好中又快头一区顶刊。 social economic planning sciences 分 区，经济学大类一区 top j c r q。 一 影响因子，五点四 收稿方向，经济政策分析、可持续发展、区域经济规划、数字经济与产业转型、公共政策评估。特别青睐量化实证加政策建议结合的研究 建议 elsefear 出版出神，仅四天，平均六十天录用，适合有政策影响力的高质量研究，对交叉学科友好。 二区优选。 economic modeling 分 区，经济学大类两区， j c r q。 一， 影响因子，四点七收稿方向，宏观经济建模、计量分析、经济预测、金融市场模型、数字经济影响评估。 特别欢迎理论模型加中国时政的研究建议。 alfware 出版，审稿周期约二到三个月，录用率约百分之三十五，适合有扎实计量基础的时政研究，支持快速出版通道。 三区稳头。 public choice 分 区，经济学大类三区， j c r q。 二，影响因子，二点二 收稿方向，公共经济学、政治经济学、制度经济学、博弈论、应用、公共政策分析、接收理论创新加实证检验结合的研究 建议 springer nature 出版，出审仅三天，平均七十天录用，录用率约百分之四十年发文量一百五十左右，无预警风险，适合投稿，受挫后的稳妥选择，方法规范即可，四驱保底。 journal of economics 分区，经济学大类，四驱 g c r q。 二影响因子，一点七收稿方向，微观宏观经济理论应用经济学计量方法、产业组织接收规范、时政论文和理论拓展研究 建议，审稿平均四个月，一周内反馈反修意见，录用率约百分之七十是硕博毕业清交保底的 s s c i 保险箱适合数据完整但创新性中等的研究。投稿小技巧， 一到二区重视理论创新和政策价值，三到四区更看重方法规范和数据完整性。 公共经济学政策研究优先选 public choice， 计量建模首选 economic modeling， 政策研究优选 social economic planning sciences。 毕业保底强烈推荐 journal of economics。

本科论文没你们想那么难，只要结构完整，逻辑通顺，有图标有数据，查虫和 ai 率能过关就可以了呀。说的简单，每一个都很难啊， 这还难？让 ai 先帮你搭一个框架，自己对照填充内容数据可以去这些地方找，查虫率 ai 率高的话，把论文上传到这里处理一下，最后再用豆包生成一个答辩 ppt 工具，指令和 ppt 模板都给你准备好了，有需要的也可以发你。

如果你是个正准备踏入社会的学生，害怕以后找不到工作，因为 ai 想要转行 ai， 或者说你是一个对技术或者是底层原理感兴趣的这么一个人的话，其实我觉得你们可以参考一下我的经验。我在去年之前对 ai 完全陌生，也根本不知道神经网络到底是什么。 但靠着接下来三步，我稳稳跟上了行业快速发展的节奏，不管是新的技术还是新工具问世，我都能第一时间上手运用。 首先第一步，直接学习，深度学习。很多人到这一步都会犯纠结，琢磨着要不要先学习机器学习。我的建议是，完全没有必要直接深根深度学习就可以。这里我只推荐一门课，也就是吴文达的深度学习课程入门需要的知识点，这门课程里全都有，他的门槛特别低，就算你没有任何相关基础也能听懂。 每节课时长只有八分钟，整套课程大概四十节，一周时间就能全部学完，讲解的十分细致专业。学完这门课后，大家就可以去研读当下大模型领域的经典论文了。我只挑选两篇核心文章推荐给大家。第一篇就是页内人人熟知的 transformers 论文， attention is all you need 篇，是必学内容。现在市面上所有大模型 ai 底层架构核心都是基于 transform 搭建的。另外一篇就是扩散模型 diffusion 的 相关论文。其实这两篇文章理解起来并不难看懂，第一篇只需掌握矩阵乘法，第二篇，弄懂基础概率知识就足够了。完成前面两步，你的 ai 基础就会变得非常扎实。 最后一步操作起来特别简单，现在就能开始做，那就是多多使用各类 ai 工具，不管是对话交互类 ai， 还是代码编辑类 ai 软件，都尽量去多体验，慢慢养成依靠 ai 思考的模式，把繁琐重复的工作交给 ai 去完成， 而核心的理解和思考一定要留在自己身上，坚持这样做，你就能快速跟上行业步伐，绝对不会掉队。

今天要讲的是一百零一个量化因子，这是一篇在金融领域里程碑式的一个公开论文，在当时量化交易它其实是一个高度保密的外在，对其是滋滋有少的。 而这篇论文首次系统性的公开了量化因子，你的具体的数学公式和计算性代码。那我们首先来讲它的一个因子的构造，它的信号本质呢？阿尔法是一个很紧密排序，只用于做做排名前面的股， 做空排名靠后的股票。当然作为这个因子，它有两两大基石，一个是所有的复杂因子都可以拆解为均值回复，也就是说赌价格的反转，比如说他冲高，那么他要回落，比如说他创新低了，那么他可能会反弹，以及动量赌趋势的一个延续 这两种基本的逻辑。他还讲了一个延迟概念，明确区分了 delay 零以及 delay 杠一这两种，一个是当日信号当日交易，另外一个是昨日信号今日交易，他强调了信号计算与交易执行间的时间逻辑， 这对灰色的真实性是非常的重要的。然后第二个是他有了一个丰富的数据操作，他使用的非常多的复杂的函数，比如说很洁面排名、直接训练排名、延迟衰竭、甲醛行业中性化等等， 并且还使用了大量的非限型变化，比如说条件判断啊，各种交互性像。当然现在这个已经是老版本的，如今已经是大部分都是没有用处的，只具备一些教学和研究价值。 那我们选两个来进行一个分析，比如说首先我们要知道所有的因子，他可以这样来看，就是他是一个量价 以及一个持续的变化，最后他做了一个很简明的一个排名，那么我们再看，比如说阿尔法三，我们先看他的公式，那么阿尔法三呢？他就是一个量价被你的一个反转，他逻辑呢？这就是一个开盘价排名与成交量排名的实质相关。开盘价排名与成交量排名同步， 就是高开高量或者是低开低量呢，它的相关系数就高，因子就变负，那么它会看空。开盘价排名与成交量排名背离，也是高开低量或者是低开高量，它的相关系数就低，因子反而变正，它反而就看多。 阿尔法三呢，它就是一个开盘量价背离，因子背离，看多同步看空。然后我们再看一下阿尔法四呢，我们先看公式，阿尔法四呢，它的逻辑是对当日的最低价做一个横减面排名，并计算这个排名在过去九天的时序， 然后再取返，那么他本质是一个低价的反转，也就是说他截取了过去九天最低价的一个排名，价格越低，他的因子值 反而就越多，也就是说他认为在这个最低价，全市场最低价，他会进行一个排名的反转，也就是说他越低，他反而会越看多。当然这些都是与美股相关的，那么我们适配到我们国内的行情的时候，是需要一个转变的，并转化成一个相关的代码。当然 现在非常方便的就是我们可以直接用 ai， 并且还可以让它直接调试，我们只需要用我们的提问。好，现在我们来看一下我们使用的豆包， 来让它生成一个代码进行测试，那好，根据我们这个测试结果，我们就可以看出它进行了一个排名。当然如果说你想要把这个因子的结果作为你买卖的依据呢？那么你就需要一个实时的交易工具，比如说 kmt 或者是 ptc 这两个，那么 如何开通呢？或者说如何使用这两个软件呢？可以可以，可以关注我一下，我会给大家进行分享。

数字化转型对上市银行盈利能力的影响，也是前几年数字经济和金融科技两个概念融合起来的那个研究方向。他的创新点是把银行数字化作为主要的核心点是变量， 运用文本分析法来对这个指标进行量化，那提高了你们硕士毕业论文的一个工作量，而且你的样本企业都是上市银行，非常符合金融学专业的硕士的培养方向。我们看一下他的时阵模型是怎么设计的。下面这个图是变量设定表， 应变量是银行盈利能力，分别可以用银行的净息差 r o a r o e。 收入成本比、成本收入比这种变量来衡量，这些变量比较简单，而且比较通用。那对于解释变量呢？我们可能要采用一个数字化转型的一个相关的词库，把这个词库编制好之后，去匹配银行对应每年的年报，然后通过 python 一 些的功能去读取各个年报当中的一些关键词的出现频率， 通过频率来间接统计到各个银行的数字化水转型水平，这在学术界还是比较通用的。下面这个图是数字化转型的和密度函数，它的分布情况如下面这张图所示。再在下面这张图我们可以看到它的回归结果， 我们可以看到它的解释变量对近时差的影响系数是显著的，它对成本收入的影响也是显著的。两个方向的解释的原因和他的现实逻辑也是比较相近的。那就可以大书文章了，去解释为什么数字化转型对上市银行盈利能力有促进作用就可以了。关注老皮，点个关注，论文不迷路。

不是越早写完就越优秀，也不是拖到现在就毕不了业，今天教你们一个零成本高效完成初稿的方法，四十分钟零成本直接搞定一篇两万字左右的本科完整毕业初稿。废话不多说，全程实操零废话，跟着一步做就能成！ 首先打开之网，输入你自己的出稿，选 t 核心关键词，直接点击解锁。进来之后，第一步，先筛选高背影文献，背引用次数越高，说明文献权威性越强，参考价值越高，写出来的出稿逻辑才不会跑偏。同时记得筛选近三年的发表时间， 保证内容贴合最新研究方向。用这个方法筛选出十五到二十五篇核心参考文献，全都是知网正规收录的优质文献，全部勾选之后，找到右上角的导出分析按钮， 直接选择 gbt 引文格式，一键导出，把完整的参考文献格式全文复制下来备用。这一步，直接解决大家最头疼的参考文献排版问题。 接下来打开辅助工具，把 e mail 先输入你的出稿题目、专业研究方向这些基础信息填好，直接进入下一步。到了参考文献环节，直接选择自定义导入，把刚才在知网复制好的标准参考文献全文粘贴进去， 一秒就能匹配成功格式，完全不会出错。如果参考文献数量不够，平台还会直接推荐知网可查的正规文献，不用自己在到处找资料 点击下一步，没有思路不会写大纲的同学，直接用系统自动生成的三级大纲，十几秒就能出一套逻辑完整、章节合理的框架。这里重点提醒大家，初稿想一次过导师这关，一定要先把大纲核对理顺、 章节逻辑研究、递进关系都调整好，再开始生成正文。最省心的是，生成正文的时候可以直接插入图表公式、数据对比、案例分析， 系统会自动把这些内容均匀分配到全书各个章节，写出来的内容不再是干巴巴的文字堆砌，专业度直接拉满交给导师，完全不会被说内容单薄、结构混乱。时间特别紧，只想快速搞定初稿的同学， 直接让系统全自动生成全书。他会严格按照前后文逻辑闭环创作，上文铺垫，下文论正，前后呼应不脱节， 行文严谨，符合学术规范，完全不是乱七八糟的拼凑内容。大纲和参考文献，核对无误之后，直接点击升神全书， 不到半小时，一篇字数达标、结构完整、格式规范、带图标公式的毕业论文初稿就全部完成了。字数直接满足学校要求，不用自己再熬夜凑字数补内容深沉之后，如果觉得内容不合适，还可以无限次修改、 扩写、缩写、段落润色、格式调整直接匹配自己学校的专属格式模板，目录、页眉、页脚引用标注一次性全部调好， 最后再根据导师建议修改一下，就可以定稿了。好了，同学们，现在正在写论文，出稿的可以到评论区领取兑换码，本期视频就到这里，我们下期再见！