XiaoMi-AI文件搜索系统
World File Search System衰退
数十年的制造业衰退和外包导致美国供应链容易受到干扰
当前的供应链问题是由新冠病毒大流行及其造成的经济影响造成的。然而，这些影响因国内制造产能长期下降而被放大，而国内制造产能原本可以补充国际生产。几十年来，大公司一直在使用“即时”供应链来最大化利润并确保高管和股东获得高额回报，而不是投资于工人、韧性和创新。近年来，企业集中度的提高也与商业投资减少有关，因为集中市场中的企业投资动力较小。特朗普政府试图通过减税与就业法案刺激商业投资，但无论从对整体投资的影响还是对制造业增长的影响来看，都没有成功。
通过实时衰退概率预测股市崩盘：一种量子计算方法
文献呼吁对这一主题进行更多研究，因为目前模型的准确度仍然很低，而且只扩展到最大的经济体。本研究对量子预测方法和股市下跌进行了比较，因此，通过实时衰退概率建立了一种新的股市崩盘预测模型，该模型能够准确估计未来全球股市低迷情景。使用了 104 个国家的样本，使样本组成考虑到警报指标的区域多样性。为了获得一个稳健的模型，在研究样本上采用了几种替代技术，即量子玻尔兹曼机，由于它们能够记住特征并从时间序列和序列数据中建立长期依赖关系，因此获得了非常好的预测结果。我们的模型对适当的宏观经济政策应对下行风险具有重大政策意义，有助于在国际层面实现金融稳定。
为什么美国经济在过去 70 年里的每次衰退都能如此持续地复苏？
美国历史上的商业周期中有一个值得注意的事实，那就是在失业率在经济衰退中达到顶峰并开始复苏之后，失业率的年度下降幅度稳定在当前失业率的十分之一左右。我们在另一篇论文 Hall and Kudlyak (2020a) 中记录了这一事实。在这里，我们考虑了复苏令人惊讶的一致性的解释。我们表明，劳动力市场从衰退到复苏的演变不仅仅涉及经济衰退冲击导致失业者持续失业的直接影响——经济复苏期间没有失业的人的失业率高于正常水平。我们探讨了劳动力市场自我复苏的模型，这些模型意味着在经济衰退冲击后失业率会逐渐消失。我们强调高失业率对创造就业机会的力量的反馈。这些模型还解释了为什么市场整体失业率的恢复速度比个体失业工人找到新工作的速度慢得多。原因在于，失业者重返稳定就业的道路往往包括几份短暂的临时工作。
脑衰退：过度使用科技导致认知能力下降
对数字设备的依赖日益增长，已经不再仅仅是为了方便，而是成为现代生活的一个基本组成部分。智能手机、社交媒体平台和互联技术的广泛应用创造了一个不断刺激和大量信息涌入的环境。越来越多的人担心这种无休止的数字互动会导致认知能力下降，通常被称为“脑腐烂”。虽然这个术语缺乏正式的科学定义，但它捕捉到了那些严重依赖技术的人所感受到的认知疲惫和精神压力。本文旨在将“脑腐烂”置于心理学和神经学背景中，研究其后果，并提出可能的解决方案。
注意力缺陷多动障碍：后进先出——大脑成熟延迟，衰退加速？
摘要虽然儿童期 ADHD 出现时的早期神经发育过程受到了广泛关注，但导致成年期 ADHD 变化的神经生物学机制仍未得到充分解决。我们希望使用一种电生理测量方法，即额中部 NoGo P3 事件相关电位 (ERP) 来描述成人 ADHD 中的神经发育变化，ERP 是 ADHD 大脑功能的重要神经生理指标，也是反应抑制和衰老的生物标志物。我们使用 128 通道 BioSemi 记录系统，在反应抑制任务中应用情绪价态和中性刺激，从 45 名 ADHD 患者和 41 名健康受试者中获得 ERP。我们的结果表明，与对照组相比，ADHD 受试者在青年期表现出发育 P3 轨迹延迟；他们在所有情绪价态中都表现出 P3 减少，并且在较小年龄时减少最为明显。P3 的差异在中年时减小，并在更高年龄时再次开始增加。因此，与结构性 MRI 指标类似，ADHD 患者额中部 NoGo P3 的大脑发育差异在青年期基本恢复正常。然而，从中年起，P3 再次减少。由于额中部 NoGo P3 反映了额叶区域的功能（在 ADHD 中表现出成熟延迟），我们的发现符合“后进先出”假说，该假说指的是大脑发育和衰老的镜像模式，并假设发育相对较晚的大脑区域会随着年龄的增长而相对较早地退化。因此，ADHD 可能不仅与神经发育延迟有关，还与过早的年龄相关衰退有关，至少在某些电生理功能指标上是如此。© 2020 作者。由 Elsevier BV 出版 这是一篇根据 CC BY-NC-ND 许可的开放获取文章。 （http://creativecommons.org/licenses/by-nc-nd/4.0/）
2022 年 9 月 26 日 如果经济陷入衰退，CLO 股票能否表现出色？
根据 Cordell、Roberts 和 Schwert 在 2021 年的分析，再投资选项本身可能解释了 CLO 股票相对于其他行业的历史表现的三分之一，尤其是在经济衰退之前的年份。接下来的两个结构性优势对 CLO 股票回报也具有重要意义，因为它们降低了投资者和管理者的行为风险。换句话说，这些优势有助于降低投资者或管理者成为自己敌人的风险。例如，负债融资本质上是投资期限，因此 CLO 不会受到贷方在波动性上升时改变条款的可能性的影响。此外，由于资本是在投资期限内投入的，并且 CLO 中的契约不是基于市场价格的，因此 CLO 经理可以专注于投资基本面，而不是因为市场价格波动而受到影响或被迫出售投资组合中的资产。
马里兰州坎伯兰钢铁工人-劳工养老金计划 2020 计划年度危急和衰退状态通知
2022 年 4 月 19 日致：参与者和受益人、国际桥梁、结构和装饰铁工人协会第 568 地方工会、北美国际劳工联盟第 616 地方工会、缴款雇主、西马里兰承包商协会、养老金福利担保公司和劳工部长。 谨此通知您，2022 年 3 月 31 日，计划精算师向美国财政部和计划发起人证明，该计划在 2022 年 1 月 1 日开始的计划年度处于危急和下降状态。联邦法律要求您收到此通知。 危急和下降状态 危急和下降状态是《2014 年多雇主养老金改革法案》（MPRA）创建的一种新的养老金计划资金状况类别。该计划被视为处于危急和下降状态，因为它存在资金或流动性问题，或两者兼而有之。更具体地说，该计划的精算师确定该计划很可能在未来 20 年内破产。破产的计划必须将福利支付减少到该计划可用资源可以支付的最高水平。如果这些资源不足以支付法律规定的福利水平，该计划必须向 PBGC 申请财务援助。PBGC 将向该计划贷款支付保证水平的福利所需的金额。有关 PBGC 福利保证的更多信息，请参阅年度资金通知。 康复计划 在 MPRA 通过之前，联邦法律已经要求处于危急状态的养老金计划采用旨在恢复计划财务健康的康复计划。受托人在 2008 年通过了一项康复计划。这是该计划处于危急状态的第十五年，也是处于危急和下降状态的第七年。法律允许处于危急状态的养老金计划减少甚至取消被称为“可调整福利”的福利作为康复计划的一部分。如果计划的受托人确定需要削减福利，您将在未来收到单独的通知，说明并解释削减的影响。任何可调整福利的削减（除了取消最近的福利增加，如下所述）都不会降低参与者在正常退休时应支付的基本福利水平。您应该知道，无论计划将来是否削减可调整福利，自 2008 年 4 月 26 日起，计划在处于危急状态时不得支付一次性福利（或超过单一人寿年金每月支付金额的任何其他付款）。MPRA 法律通常允许养老金计划除了削减或取消可调整福利外，还可以提议暂停参与者（包括处于受薪状态的参与者（退休人员））的累积福利。暂停累计福利的数额是有限制的，并且在暂停之前，法律要求拟议的福利暂停必须提交给财政部长并获得其批准，并提交包括退休人员在内的参与者投票。
急性胃炎后肠易激综合征和功能性衰退的患病率：系统评价和荟萃分析
在线存放在白玫瑰研究中的重用项目受版权保护，除非另有说明，否则保留所有权利。可以下载和/或印刷供私人学习，或者按照国家版权法所允许的其他行为。发布者或其他权利持有人可以允许进一步复制和重新使用全文版本。这是通过该项目的白玫瑰研究在线记录的许可信息来指示的。
日本入境游客增加与农村经济的长期衰退：跨区域可计算一般均衡分析∗
摘要：入境旅游的增长有望刺激日本经济，因为游客的支出可以弥补由于人口减少而导致的消费下降。本研究使用多区域可计算一般均衡模型进行了模拟分析，以研究入境游客对日本 47 个县级地区的经济影响。由于入境游客访问所有地区，其经济在短期内增长。然而，对城市地区的影响更大，因为城市地区的游客数量多于农村地区。此外，从长远来看，人们从农村迁移到增长更快的城市地区，导致城市地区进一步增长和商业化。因此，即使旅游业导致整体经济增长，农村地区仍可能受到影响。为了发展农村地区，有必要专门吸引入境游客到这些地区。关键词：农村经济、经济衰退、入境游客、空间溢出效应、劳动力迁移、多区域 CGE JEL 代码：R12、Z32
注意力引导自动编码器，利用结构 MRI 自动预测主观认知衰退的进展
摘要 —主观认知衰退（SCD）是阿尔茨海默病（AD）的临床前阶段，比轻度认知障碍（MCI）更早。进行性SCD将转化为MCI，并有可能进一步发展为AD。因此，利用神经成像技术（如结构MRI）早期识别进行性SCD对于早期干预AD具有重要的临床价值。然而，现有的基于MRI的机器/深度学习方法通常存在样本量小和可解释性不足的问题。为此，我们提出了一种可解释的具有域迁移学习（IADT）的自编码器模型来预测SCD的进展。首先，该模型可以利用目标域（即SCD）和辅助域（如AD和NC）的MRI来识别进行性SCD。此外，它可以通过注意机制自动定位与疾病相关的感兴趣的大脑区域（在脑图谱中定义），显示出良好的可解释性。此外，IADT 模型在 CPU 上仅需 5 ∼ 10 秒即可轻松训练和测试，适用于小型数据集的医疗任务。在公开的 ADNI 数据集和私有的 CLAS 数据集上进行的大量实验证明了所提方法的有效性。