How to Eliminate Impermanent Loss
无常损失 (IL) 就像是自动做市商 (AMM) 中供应商的外生税。虽然流动性提供者 (LP) 可以对冲其 IL，但这种策略只会降低其方差。最糟糕的是，它超过了大多数 AMM 的费用收入，这不是长期均衡。幸运的是，有一种简单的方法可以显着降低 IL，同时保持这些算法交易合约的自主性。具有下述功能的合约位于 Goerli 测试网上，可以在此处访问（其经过验证的代码在此处公布）。我放弃了之前关于扩展 Uniswap 的 AMM 以处理 perps 和稳定币的想法，但这个是受版权保护的并且正在申请专利。1 消除 IL 的关键是让流动性提供者 (LP) 主导其池中的价格发现交易。实际上，AMM 的套利
Confidence Intervals for Recursive Journal Impact Factors
我与 Johannes König 和 Richard Tol 合作撰写了一篇新工作论文。这是我在《经济文献杂志》上发表的 2013 年论文的后续，在那篇论文中，我计算了所有经济学期刊的简单期刊影响因子的标准误差，并试图评估期刊之间的差异是否显著。* 在这篇新论文中，我们为递归期刊影响因子制定了标准误差和置信区间，这些因素考虑到某些引用比其他引用更有声望，以及期刊的相关排名。我们再次将这些方法应用于 Web of Science 中包含的所有经济学期刊。递归影响因子包括流行的 Scimago 期刊排名 (SJR) 和 Clarivate 的文章影响力分数。我们使用 Pinski 和 Narin
How Large is the Economy-Wide Rebound Effect in Middle Income Countries? Evidence from Iran
我们的反弹效应系列中有一篇新的工作论文。之前的论文回顾了有关全经济反弹效应的文献，估计了美国的全经济反弹效应，并估计了一些欧洲国家（以及美国）的反弹效应。新论文是关于伊朗的。这是一个中等收入国家，经济资源密集且监管相当严格。它与我们已经研究过的发达经济体有很大不同吗？伊朗的反弹效应也很大。伊朗与发达经济体之间的一个主要区别是伊朗的能源强度一直在上升：从 1988 年到 2017 年，总能源使用量增加了两倍，这是我们计量经济学分析中使用的样本期（季度数据）：计量经济学模型与现在发表在《能源经济学》上的美国论文中使用的模型相同，只是我们在本文中仅使用距离协方差法进行独立成分分析。下图显示了能源、G
Range-Based ("Candlestick") Volatility Estimation Slides
解读蜡烛图：波动率的 OK 估计量论文作者：J. Li, D. Wang 和 Q. Zhang(LWZ)讨论者：F.X. Diebold金融计量经济学会2002 年 2 月 21 日 解读蜡烛图：波动率的 OK 估计量论文作者：J. Li, D. Wang 和 Q. Zhang(LWZ)讨论者：F.X. Diebold金融计量经济学会2002 年 2 月 21 日（***）考虑不同的标题……经典传统：芝加哥大学，《商业杂志》，Al Madansky，......n 与现代宏观/BC 现在预测相关的 CLI、CCI 分析（Zarnowitz、Neftci 等）n 与现代金融波动率现在预测相关的基
New and Novel ARCH Model Application (Seriously)
睡眠的变异性和波动性：一种原型方法作者：Hamermesh, Daniel S. (巴纳德学院)；Pfann, Gerard A. (马斯特里赫特大学)摘要：使用 1975 年至 2005 年荷兰时间日记数据，每天连续 7 天覆盖 10,000 多名受访者，我们发现个人的睡眠时间表现出变异性和波动性，其特征是平稳自回归条件异方差性：一天中与一个人平均睡眠时间的偏差绝对值与第二天的偏差绝对值呈正相关。周末和受教育程度较低、年龄较小且家中没有幼儿的人的睡眠变化更大。有幼儿的父母的波动性更大，男性的波动性略高于女性，但与其他人口统计数据无关。一种旨在尽量减少睡眠分散的经济激励理论预测，高薪工人的分散
泰德是 20 世纪最伟大的统计学家/计量经济学家之一。我感觉和他很亲近，因为我以前的宾夕法尼亚大学同事 Larry Klein 曾在 20 世纪 40 年代与他在考尔斯学院密切合作，另一位前同事 Bobby Mariano 在 1970 年左右来到宾夕法尼亚大学之前曾是他在斯坦福大学的学生。我记得他在职业生涯后期在宾夕法尼亚大学举办过一次关于单位移动平均根的研讨会。他开始得非常慢，例如定义“时间序列”和“协方差平稳性”之类的东西。有些人翻白眼。十分钟后，他已经远远超越了界限。没有人翻白眼。事实上，人们都惊呆了。当我在 20 世纪 90 年代访问斯坦福大学参加研讨会时，他为我铺上了红地毯。他为我
Instrumental Variables in Practical Application
我一直对 Alwyn Young 的论文《无推理的一致性：工具变量在实际应用中》很感兴趣。在线附录。很高兴看到它现在发表在《欧洲经济评论》上。请注意非白色干扰的关键作用。引言：经济学界正处于一场“可信度革命”（Angrist 和 Pischke 2010）中，其中精心的研究设计已牢固确立为应用工作的必要特征。这场革命的一个关键要素是使用工具来识别因果关系，而不受内生普通最小二乘回归量的潜在偏差的影响。然而，对研究设计的日益重视并没有与对推理质量的同等要求齐头并进。尽管 Eicker (1963)-Hinkley (1977)-White (1980) 异方差稳健协方差估计及其聚类扩展被广泛使用
U.S. Army aims to modernize traditional command post structure
华盛顿州刘易斯-麦科德联合基地。枪骑兵旅第 7 步兵师第 2 史赛克旅战斗队是第一个测试新方差的部队...
摘要：这封信考虑了概率密度函数（pdf），涉及在完全饱和散射条件下在两点（通常可能涉及空间、时间或频率上的分离）观察到的复振幅的乘积。首先，导出一点的复振幅与另一点的复振幅的共轭的乘积的pdf。结果表明，该乘积的实部和虚部各自具有方差 gamma pdf。其次，导出了涉及复数幅度乘积和两点功率的多个联合 pdf 的表达式。
好了，我们到了——已经是六月了。以下是我的阅读建议：Abadie, A., S. Athey, G. Imbens, & J. Wooldridge, 2017. 何时应调整聚类的标准误差？Mimeo。Berk, R., A. Buja, L. Brown, E. George, A. K. Kuchibhotla, W. Su, & L, Shazo, 2019. 假设精益回归。American Statistician，即将出版。Ghosh, T., M. Ghosh, & T. Kubokawa, 2019. 论最小二乘估计量的损失稳健性，American Statistician，即将
以下是本月推荐阅读的精选：Athey, S. & G. W. Imbens，2019 年。经济学家应该了解的机器学习方法。Mimeo。Bhagwat, P. & E. Marchand，2019 年。关于适当的贝叶斯但不可接受的估计量。美国统计学家，在线。Canals, C. & A. Canals，2019 年。什么时候 n 足够大？寻找合适的样本量来估计比例。《统计计算与模拟杂志》，89，1887-1898。Cavaliere, G. & A. Rahbek，2019 年。时间序列模型中假设的引导检验入门：应用于双自回归模型。讨论文件 19-03，哥本哈根大学经济学系。Chudik, A.
クラメル・ラオの不等式の活用－たまには学問の理論を振り返ってみよう
统计领域之一是“推论统计”。这涉及根据有限的样本推断被调查的整个人群的特征。 例如，这适用于电视收视率调查和工厂产品抽样检验。各种媒体经常进行的民意调查通常也是推测性的统计数据。 推论统计包括“估计”和“检验”，“估计”用于估计表征总体的参数（均值、方差等），“检验”用于统计确定有关样本统计的假设是否正确。 这次，我们将通过一个例子来了解“点估计”，这是一种根据单个值精确估计参数的方法。首先，我们举一个具体的例子。 （估计硬币正面朝上的概率）现在我手里有一枚普通的硬币。假设您想知道抛掷这枚硬币时出现正面的概率。通过抛硬币最多 10 次来预测正面朝上的概率的最佳方法是什么？硬币突然出现了，但是说
