XiaoMi-AI文件搜索系统
World File Search SystemHulten
全球经济中的无形投资：更好的数据......
• 2024 年 6 月最新发布的内容提供： • 无形投资的年度和季度估计值 • 与国民账户框架一致（Corrado、Hulten 和 Sichel 2005） • 按资产类型分类 • 资产边界扩大到包括非国民账户无形资产
高级证书不确定性或摩擦？稀缺的安全资产的定量模型 *
1我们假设代理具有多个先验实用程序，其平均值不同。因此，与风险不同的是，歧义对公用事业有一级影响。参见Ilut和Schneider（2022），以比较不同模型与不确定性模型以及它们在宏观和金融应用中的使用2例如，例如，全球金融危机（GFC）之后的这种法规包括巴塞尔III杠杆比率规则和美国补充杠杆比例（请参阅Duffie（2018）进行讨论。已经提出了这些更紧密的杠杆约束，以解释GFC之后的一系列财务套利的出现（例如，参见Boyarchenko等人。（2018），Avdjiev等。（2019）和Du等。 （2023））。 3参见例如Corrado等。 （2009）和Corrado and Hulten（2010）使用汇总数据记录了这一趋势。 最近的其他工作，例如Crouzet和Eberly（2019），Crouzet等。 （2022）和Falato等。 （2022），此外，使用公司级别的数据来强调这一趋势并将有形的杠杆联系起来。（2019）和Du等。（2023））。3参见例如Corrado等。（2009）和Corrado and Hulten（2010）使用汇总数据记录了这一趋势。最近的其他工作，例如Crouzet和Eberly（2019），Crouzet等。（2022）和Falato等。（2022），此外，使用公司级别的数据来强调这一趋势并将有形的杠杆联系起来。
脆弱的新经济：无形资本、企业储蓄过剩和金融不稳定
金融市场和机构的发展对产业结构有着深远的影响（Rajan and Zingales，1998）。反过来呢？产业结构的演变能否塑造金融体系？本文探讨了向无形资产密集型经济的转型。在美国，无形资产投资已超过实物投资，成为经济增长的最大来源（Corrado and Hulten，2010）。通过将无形资产的一个决定性特征——有限的可质押性——纳入一个包含金融市场和中介机构的宏观经济动态模型中，我表明，无形资产的崛起促成了美国经济的几个长期趋势，如企业储蓄的积累、利率的下降趋势、金融中介部门的增长以及资产市场估值的上升。重要的是，通过
人工智能的简单宏观经济学
本文评估了有关人工智能新进展对宏观经济产生重大影响的说法。它从基于任务的人工智能影响模型开始，通过自动化和任务互补性进行研究。只要人工智能的微观经济影响是由任务层面的成本节约/生产率提高驱动的，其宏观经济后果将由 Hulten 定理的一个版本给出：GDP 和总生产率增长可以通过受影响的任务比例和平均任务级成本节约来估计。使用现有的对人工智能的影响和任务级生产率提高的估计，这些宏观经济影响似乎不小但并不大——10 年内全要素生产率 (TFP) 的增长不超过 0.66%。然后，本文指出，即使是这些估计也可能被夸大了，因为早期的证据来自易于学习的任务，而未来的一些影响将来自难以学习的任务，其中有许多与环境相关的因素影响决策，并且没有客观的结果衡量标准来了解成功的表现。因此，预计未来 10 年 TFP 增长将更加温和，预计将低于 0.53%。我还探讨了人工智能的工资和不平等效应。我从理论上表明，即使人工智能提高了低技能工人在某些任务上的生产率（而不是为他们创造新任务），这也可能会加剧而不是减少不平等。从实证研究来看，我发现人工智能的进步不太可能像以前的自动化技术那样加剧不平等，因为它们的影响在各个人口群体中分布更均匀，但也没有证据表明人工智能会减少劳动收入不平等。相反，预计人工智能会扩大资本和劳动收入之间的差距。最后，人工智能创造的一些新任务可能具有负面的社会价值（例如设计用于在线操纵的算法），我会讨论如何纳入可能具有负面社会价值的新任务的宏观经济效应。
人工智能的简单宏观经济学
本文评估了有关人工智能新进展对宏观经济产生重大影响的说法。它从基于任务的人工智能影响模型开始，通过自动化和任务互补性进行研究。它确定，只要人工智能的微观经济影响是由任务层面的成本节约/生产力提高驱动的，其宏观经济后果将由 Hulten 定理的一个版本给出：GDP 和总生产力收益可以通过受影响的任务比例和平均任务级成本节约来估算。使用现有的对人工智能的影响和任务级生产力改进的估计，这些宏观经济影响似乎不小但并不大——10 年内全要素生产率的增长不超过 0.71%。论文随后指出，即使这些估计也可能被夸大，因为早期证据来自易于学习的任务，而未来的一些影响将来自难以学习的任务，其中有许多与环境相关的因素影响决策，并且没有客观的结果衡量标准来了解成功的表现。因此，预计未来 10 年的 TFP 增长甚至更加温和，预计将低于 0.55%。我还探讨了人工智能的工资和不平等效应。我从理论上表明，即使人工智能提高了低技能工人在某些任务中的生产率（而不为他们创造新任务），这也可能会增加而不是减少不平等。从实证研究来看，我发现人工智能的进步不太可能像以前的自动化技术那样增加不平等，因为它们的影响在各个人口群体中分布更均匀，但也没有证据表明人工智能会减少劳动收入不平等。预计人工智能还会扩大资本和劳动收入之间的差距。最后，人工智能创造的一些新任务可能具有负面社会价值（例如在线操纵算法的设计），我讨论了如何纳入可能具有负面社会价值的新任务的宏观经济影响。 JEL 分类：E24、J24、O30、O33。 关键词：人工智能、自动化、ChatGPT、不平等、生产力、技术采用、工资。
人工智能的简单宏观经济学
本文评估了有关人工智能新进展对宏观经济产生重大影响的说法。它从基于任务的人工智能影响模型开始，通过自动化和任务互补性进行研究。只要人工智能的微观经济影响是由任务层面的成本节约/生产率提高驱动的，其宏观经济后果将由 Hulten 定理的一个版本给出：GDP 和总生产率增长可以通过受影响的任务比例和平均任务级成本节约来估计。使用现有的对人工智能的影响和任务级生产率提高的估计，这些宏观经济影响似乎不小但并不大——10 年内全要素生产率 (TFP) 的增长不超过 0.66%。然后，本文指出，即使是这些估计也可能被夸大了，因为早期的证据来自易于学习的任务，而未来的一些影响将来自难以学习的任务，其中有许多与环境相关的因素影响决策，并且没有客观的结果衡量标准来了解成功的表现。因此，预计未来 10 年的 TFP 增长将更加温和，预计将低于 0.53%。我还探讨了人工智能的工资和不平等效应。我从理论上表明，即使人工智能提高了低技能工人在某些任务上的生产率（而不为他们创造新任务），这也可能会增加而不是减少不平等。从实证上看，我发现人工智能的进步不太可能像以前的自动化技术那样增加不平等，因为它们的影响在人口群体中分布得更均匀，但也没有证据表明人工智能会减少劳动收入不平等。相反，预计人工智能会扩大资本和劳动收入之间的差距。最后，人工智能创造的一些新任务可能具有负面的社会价值（例如设计用于在线操纵的算法），我讨论了如何纳入可能具有负面社会价值的新任务的宏观经济影响。JEL 分类：E24、J24、O30、O33。关键词：人工智能、自动化、ChatGPT、不平等、生产力、技术采用、工资。