XiaoMi-AI文件搜索系统
World File Search Systemmullainathan
1 Ashesh Rambachan就业2022-2023 ...
Ashesh Rambachan电子邮件：asheshr@mit.edu就业2022-2023新英格兰微软研究人员研究员。2023- M.I.T.经济学系助理教授教育2017-2022博士哈佛大学经济学专业。2013-2017 A.B.，经济学，普林斯顿大学，Summa Cum Laude。研究兴趣计量经济学，机器学习奖学金和奖项2022 David A.威尔斯经济学最佳论文奖。2022年经济研究审查欧洲之旅。2022中国星空之旅。2017-2020国家科学基金会研究生研究奖学金。工作论文“评估生成模型中隐含的世界模型”（贾斯汀·陈，凯恩·瓦法，乔恩·克莱恩伯格和sendhil mullainathan）。工作文件。“从预测算法到自动产生异常”（带有sendhil mullainathan）。工作文件。“在无法衡量的混淆下对预测算法的强大设计和评估”（与Amanda Coston和Edward Kennedy）。工作文件。“基于设计的不确定性在准实验中”（与乔纳森·罗斯（Jonathan Roth）一起）。工作文件。在美国统计协会杂志上拒绝和重新提交。“结构IV估计的因果解释”（与以赛亚·安德鲁斯，纳米·巴拉霍纳，马修·绅士和杰西·夏皮罗一起使用）。工作文件。“一种调节算法的经济方法”（与乔恩·克莱恩伯格（Jon Kleinberg），詹斯·路德维希（Jon Kleinberg）和sendhil Mullainathan一起使用）。nber工作文件号27111。工作文件。《经济学季刊》。“常见时间序列估计何时具有非参数因果意义？” （与尼尔·谢泼德（Neil Shephard）一起）。期刊出版物“确定观察数据中的预测错误”。 2024。
Ashesh Rambachan
Ashesh Rambachan电子邮件：Asheshr@mit.edu就业2023年至今的经济学系助理教授，M.I.T。2022-2023新英格兰微软研究人员博士后研究员。教育2022博士哈佛大学经济学专业。2017 A.B.，经济学，普林斯顿大学，萨玛兼优异。研究兴趣计量经济学，机器学习。奖学金和奖项2022 David A.威尔斯经济学最佳论文奖。2022年经济研究审查欧洲之旅。2022中国星空之旅。2017-2020国家科学基金会研究生研究奖学金。工作论文“大语言模型：应用计量经济学的观点”（Jens Ludwig和Sendhil Mullainathan）。“与Rahul Singh和Davide Viviano一起进行远程感知的结果评估”。“从预测算法到自动产生异常”（带有sendhil mullainathan）。工作文件。在计量经济学上进行修订和重新提交。“在无法衡量的混淆下对预测算法的强大设计和评估”（与Amanda Coston和Edward Kennedy）。工作文件。修订和重新提交经济学和统计数据。“基于设计的不确定性在准实验中”（与乔纳森·罗斯（Jonathan Roth）一起）。工作文件。在美国统计协会杂志上进行修订和重新提交。“结构IV估计的因果解释”（与以赛亚·安德鲁斯，纳米·巴拉霍纳，马修·绅士和杰西·夏皮罗一起使用）。工作文件。在《经济学季刊》上修订和重新提交。“一种调节算法的经济方法”（与乔恩·克莱恩伯格（Jon Kleinberg），詹斯·路德维希（Jon Kleinberg）和sendhil Mullainathan一起使用）。nber工作文件号27111。“常见时间序列估计何时具有非参数因果意义？” （与尼尔·谢泼德（Neil Shephard）一起）。工作文件。期刊出版物
请注意，所有时间均为太平洋时间
Anima Anandkumar (加州理工学院和 NVIDIA) Demis Hassabis (Deepmind) Fei-Fei Li (斯坦福大学) 上午 10:45 休息 上午 10:55 人工智能对社会的影响演讲（虚拟）：Sendhil Mullainathan (芝加哥) Daron Acemoglu (麻省理工学院) Sarah Kreps (康奈尔大学) 下午 12:25 休会 第 2 天
人工智能和散户投资游戏化和...
Eren，O。，＆Mocan，N。（2018）。情感法官和不幸的少年。美国经济杂志：应用经济学，10（3），171-205。Chen，D。L.，Moskowitz，T。J.，＆Shue，K。（2016）。 赌徒谬论下的决策：庇护法官，贷款官和棒球裁判的证据。 《经济学季刊》，131（3），1181-1242。 Ludwig，J。和Mullainathan，S。（2022）。 算法行为科学：机器学习是科学发现的工具。 芝加哥展位研究论文（22-15）。 Cho，K.，Barnes，C。M.和Guanara，C。L.（2017）。 困倦的惩罚者是严厉的惩罚者：节省日光的时间和法律判决。 心理科学，28（2），242-247。Chen，D。L.，Moskowitz，T。J.，＆Shue，K。（2016）。赌徒谬论下的决策：庇护法官，贷款官和棒球裁判的证据。《经济学季刊》，131（3），1181-1242。Ludwig，J。和Mullainathan，S。（2022）。算法行为科学：机器学习是科学发现的工具。芝加哥展位研究论文（22-15）。Cho，K.，Barnes，C。M.和Guanara，C。L.（2017）。 困倦的惩罚者是严厉的惩罚者：节省日光的时间和法律判决。 心理科学，28（2），242-247。Cho，K.，Barnes，C。M.和Guanara，C。L.（2017）。困倦的惩罚者是严厉的惩罚者：节省日光的时间和法律判决。心理科学，28（2），242-247。
人工智能的危害
为《牛津人工智能治理手册》准备。我非常感谢许多合著者，他们为我思考这些主题做出了贡献，我在本文中大量参考了他们的工作。他们包括：David Autor、Jonathon Hazell、Simon Johnson、Jon Kleinberg、Anton Korniek、Azarakhsh Malekian、Ali Makhdoumi、Andrea Manera、Sendhil Mullainathan、Andrew Newman、Asu Ozdaglar、Pascual Restrepo 和 James Siderius。我感谢 David Autor、Lauren Fahey、Vincent Rollet、James Siderius 和 Glen Weyl 的评论。我非常感谢谷歌、休利特基金会、美国国家科学基金会、斯隆基金会、史密斯理查森基金会和施密特科学基金会的资金支持。本文表达的观点为作者的观点，并不一定反映美国国家经济研究局的观点。
探索机器学习对财务的影响...
有效的市场理论以及证券在合理上的想法随着时间的流逝而面临越来越多的批评（Borovkova＆Tsiamas，2019; Daniel等，1998）。已经观察到了几个市场异常（Malkiel＆Mullainathan，2005年），包括金融市场过度反应（Bondt＆Thaler，1985，1990）和不足，即短期动量，长期逆转，长期逆转和资产价格高波动性的存在（Daniel等人），为其提供了支持（Daniel et al。，1998年），尤其是其支持的（尤其是）。一些院士提出了与EMH一致的这种异常情况的解释，例如，过度和不足的反应次数随机发生并且同样普遍（Fama，1998年），以及机构投资者能够抵消由熟练的投资者造成的异常的潜力（Shiller，2003年）。
美国生活历史
for helpful comments, We thanked ran Abramitzky, Abhishek Arora, Leh Boustan, Leo Bursztyn, Martin Fiszbein, Vicky Fouka, Ed Glaeser, Grant Goehring, Claudia Goldin, Stefan Heblich, Pat Kline, bob Margo, Sendil Mullanathan, Hong Wang, David Yanagizawa-Drott, Noam Yuchtman和研讨会/会议/会议参与者在BU，Brown，Chicago，Cuhk深圳，哈佛大学，牛津，慕尼黑，NBER SUMMER Institute，Stanford，Warwick和Eth-Zurich举行。for outstanding research assistance, we thankstand lidia Barski, Augustus Balocher-Rubin, Catrina Brown, Vikram Dixit, Shreya Dutt, Ella Edmond, Soala Ekine, Giacomo Gattorno, Danile Gofffi, Mashod Harrison, Annie Herring, Justin Johnson, Angeli Kini, Dahlia Levine, Shraddha Mandi, Isaac while,盗窃Polyak，Simone Seiner，Elijah Sumernikov，Mafo Tekobo和Hans Xu。 所有潜在的错误都是我们自己的。 我们没有相关的财务关系披露。 本文所表达的观点是作者的观点，不必反映国家经济研究局的观点。for outstanding research assistance, we thankstand lidia Barski, Augustus Balocher-Rubin, Catrina Brown, Vikram Dixit, Shreya Dutt, Ella Edmond, Soala Ekine, Giacomo Gattorno, Danile Gofffi, Mashod Harrison, Annie Herring, Justin Johnson, Angeli Kini, Dahlia Levine, Shraddha Mandi, Isaac while,盗窃Polyak，Simone Seiner，Elijah Sumernikov，Mafo Tekobo和Hans Xu。所有潜在的错误都是我们自己的。我们没有相关的财务关系披露。本文所表达的观点是作者的观点，不必反映国家经济研究局的观点。
机器学习和人工智能对英国经济的影响
33 Mullainathan, S. 和 Spiess, J. 2017. 机器学习：一种应用计量经济学方法。34 Joseph, A. 2019. 沙普利回归：机器学习模型的统计推断框架。Bracke, P.、Datta, A.、Jung, C. 和 Sen, S. 2019. 机器学习在金融中的可解释性：违约风险分析中的应用。35 Bluwstein, K.、Buckmann, M.、Joseph, A.、Kang, M.、Kapadia, S. 和 Simsek, O. 2020. 信贷增长、收益率曲线和金融危机预测：来自机器学习方法的证据。36 Bholat, D.、Brookes, J.、Cai, C.、Grundy, K. 和 Lund, J. 2017. 发送坚定信息：PRA 监管人发给他们监管的银行和建筑协会的文本挖掘信件。 37 Proudman, J. 2018. 机器人监管─高级分析在审慎监管中的应用。 38 Hunt, S. 2017. 从地图到应用程序：机器学习和人工智能为监管者带来的强大力量 39 Russell, S. 2019. 与人类兼容：人工智能与控制问题。伦敦：Allen Lane。
预测和理解风险下的个人级别选择∗
∗此处报告的结果先前是在题为“需求分析师从机器学习中学习什么？”的论文中分发的。当前的标题从Fudenberg和Liang（2019）的开创性作品中汲取了灵感。我们感谢Annie Liang的详细评论和建议以及Yiting Chen，Emel Filiz-Ozbay，Brian Jabarian，Michael Jordan，Daniel Martin，Yusufcan Masatlioglu，Sendhil Mullainathan，Sara Nei Quline和Anna Vakarova进行有用的对话。本文也从D-TEA的参与者（决策：理论，实验和应用），RUD（风险，不确定性和决策），WEAI（WEAI（WEAI）（国际西方经济协会），MLESC24（经济学夏季夏季会议），ESIF-AIML（经济学和AI+ML MEL）和几个大学的一些大学的建议中，也有益于介绍。Ellis感谢由国家科学基金会三脚架计划资助的数据科学研究所（FODSI）的基础，以及加利福尼亚大学伯克利分校的西蒙斯计算机理论研究所的热情款待。在本材料中表达的意见，发现和结论是作者的意见。†埃利斯：加利福尼亚大学伯克利分校（khkellis@berkeley.edu）；卡里夫：加利福尼亚大学伯克利分校（kariv@berkeley.edu）；奥兹贝：马里兰大学（ozbay@umd.edu）。
比特币和区块链的经济极限
∗本文最初于2018年6月以较短的形式发行，如Budish（2018）。†致谢：我感谢编辑Andrei Shleifer，共同编辑Stefanie Stantcheva和六个副裁判员的宝贵建议。也要感谢Susan Athey，Vitalik Buterin，Glenn Ellison，Gene Fama，Alex Frankel，Joshua Gans，Joshua Gans，Matt Gentzkow，Matt Gentzkow，Edward Glaeser，Austan Goolsbee，Austan Goolsbee，Hanna Halaburda，Hanna Halaburda，hanna hanaburda，hanna halaburda，zhiguo he， Kroszner, Robin Lee, Jacob Leshno, Andrew Lewis-Pye, Shengwu Li, Jens Ludwig, Neale Mahoney, Gregor Matvos, Paul Milgrom, Sendhil Mullainathan, Vipin Narang, Neha Narula, Ariel Pakes, David Parkes, Al Roth, Tim Roughgarden, John Shim, Scott Stornetta, Adi Sunderam,查德·西弗森（Chad Syverson），Alex Tabarrok，Nusret Tas，David Tse，Rakesh Vohra和Numer-us-Ous研讨会观众。Ethan Che，Natalia Drozdo Q，Matthew O'Keefe，Anand Shah，Peyman Shahidi，Jia Wan和Tianyi Zhang提供了出色的研究帮助。‡芝加哥大学商学院，eric.budish@chicagobooth.edu