XiaoMi-AI文件搜索系统
World File Search System微观经济
朝向橄榄油供应链的循环经济
虽然在理论层面广泛研究了循环经济（CE）和社会技术过渡过程的范式，但了解如何在实践中实施向循环模型的过渡仍然受到限制。这项贡献旨在为新兴途径提供深入和基于证据的见解，以使CE进入橄榄油供应链的可操作性。提出了来自Apulia地区（意大利领先的橄榄油生产区）的案例研究，以表明如何将现有的商业模型转化为圆形循环模型，以及在多大程度上可以复制它。这项研究的重点是垂直整合的公司，其中引入了新的工业过程来管理橄榄色Pomace，这是从橄榄油提取中获得的最重要的副产品之一。经验分析建立在循环业务模型画布（CBMC）上，该模型被认为是合适的理论和方法学工具，可以加快在微观经济层面上向CE的过渡过程。这个分析框架使我们能够确定企业结合的相互作用要素，以捕获，创造和交付价值以及与更广泛的经济体系的关系。特别注意CBMC的两个独特组成部分：材料循环和采用因素。此外，通过将过渡过程的驱动因素和障碍分开，讨论了影响新循环商业模型采用的内部和外部因素。
数字化流程中供应链中的项目管理
数字技术的现代发展正在将传统方法转化为项目管理。因此，需要使用独特的平台和应用程序来自动化业务流程并分析数据流。供应链是全球市场中企业的微观经济稳定性的来源。面对社会经济和地缘政治不稳定，不间断的业务运营是在所选市场领域实现竞争优势的关键因素。本文旨在研究数字化过程作为本地概念的供应链中项目管理的特殊性。它包含明确的程序顺序，并分为某些阶段，在此期间发生特定的分析和业务流程。随着世界越来越多地数字化，供应链，物流路线，关税的最佳选择以及供应链组织的其他因素的复杂性高度可变。这对高质量软件应用程序提出了需求，该应用程序及时分析信息并允许最合理的决策。在这种情况下，研究结果显示了供应链中项目管理和本地项目管理的当前特征。它们主要基于使用特定的数字基础架构或信息平台来促进此类应用程序的工作。在不稳定的地理供应商和不断变化的商品市场地缘政治领导力的背景下，对于任何企业来说，这都是一项战略上重要的任务。此外，本文研究了组织供应链项目的特殊性，以及其功能的关键阶段以及用于管理此类项目的现代数字基础设施。研究结果还概述了数字技术形成的前景，以确保公司部门在选定的市场细分市场中的稳定运营。
不可观察的计量经济学| JHU经济学
Yingyao Hu是Johns Hopkins University的Krieger-Eisenhower经济学教授，他自2007年以来一直在那里工作。。 在加入霍普金斯之前，他曾是德克萨斯大学奥斯汀分校经济学助理教授四年。 他是霍普金斯校友，拥有数学科学的MSE和2001年的经济学硕士学位，并在2003年获得经济学博士学位。 他还曾在密歇根州立大学，上海的Fudan大学和北京的Tsinghua大学学习。 在此之前，他在中国新疆出生和长大。 他的研究兴趣包括微观经济学，经验工业组织和劳动经济学。 在微观经纪学中，他的研究集中在测量误差模型，混合模型，具有固定效应或未观察到的协变量的面板数据模型以及通常具有潜在变量的微观经济模型上的非参数识别和估计。 他对以应用程序为导向的计量经济学特别感兴趣，在这种计量经济学中，计量经济学方法与经济理论或故事密切相结合。 在经验工业组织中，他在拍卖模式中致力于未观察到的异质性，具有未观察到的状态变量的动态模型，学习模型中的信念更新，生产功能的估计以及具有主观信念的动态离散选择。 在劳动经济学中，他的研究在纠正了当前人口调查中的自我报告错误之后，涉及美国的失业率，长期以来对中国失业率的可靠估计以及飓风对美国东海岸的生育能力的影响。Yingyao Hu是Johns Hopkins University的Krieger-Eisenhower经济学教授，他自2007年以来一直在那里工作。在加入霍普金斯之前，他曾是德克萨斯大学奥斯汀分校经济学助理教授四年。他是霍普金斯校友，拥有数学科学的MSE和2001年的经济学硕士学位，并在2003年获得经济学博士学位。他还曾在密歇根州立大学，上海的Fudan大学和北京的Tsinghua大学学习。 在此之前，他在中国新疆出生和长大。 他的研究兴趣包括微观经济学，经验工业组织和劳动经济学。 在微观经纪学中，他的研究集中在测量误差模型，混合模型，具有固定效应或未观察到的协变量的面板数据模型以及通常具有潜在变量的微观经济模型上的非参数识别和估计。 他对以应用程序为导向的计量经济学特别感兴趣，在这种计量经济学中，计量经济学方法与经济理论或故事密切相结合。 在经验工业组织中，他在拍卖模式中致力于未观察到的异质性，具有未观察到的状态变量的动态模型，学习模型中的信念更新，生产功能的估计以及具有主观信念的动态离散选择。 在劳动经济学中，他的研究在纠正了当前人口调查中的自我报告错误之后，涉及美国的失业率，长期以来对中国失业率的可靠估计以及飓风对美国东海岸的生育能力的影响。他还曾在密歇根州立大学，上海的Fudan大学和北京的Tsinghua大学学习。在此之前，他在中国新疆出生和长大。他的研究兴趣包括微观经济学，经验工业组织和劳动经济学。在微观经纪学中，他的研究集中在测量误差模型，混合模型，具有固定效应或未观察到的协变量的面板数据模型以及通常具有潜在变量的微观经济模型上的非参数识别和估计。他对以应用程序为导向的计量经济学特别感兴趣，在这种计量经济学中，计量经济学方法与经济理论或故事密切相结合。在经验工业组织中，他在拍卖模式中致力于未观察到的异质性，具有未观察到的状态变量的动态模型，学习模型中的信念更新，生产功能的估计以及具有主观信念的动态离散选择。在劳动经济学中，他的研究在纠正了当前人口调查中的自我报告错误之后，涉及美国的失业率，长期以来对中国失业率的可靠估计以及飓风对美国东海岸的生育能力的影响。在劳动经济学中，他的研究在纠正了当前人口调查中的自我报告错误之后，涉及美国的失业率，长期以来对中国失业率的可靠估计以及飓风对美国东海岸的生育能力的影响。yingyao已发表在许多经济学和统计学领域的领先期刊上，例如美国经济评论，计量经济学，美国统计协会杂志，《计量经济学杂志》，《计量经济学，游戏与经济行为》，人口经济学杂志和比较经济学杂志。他是《计量经济学杂志》的院士，并曾在几个期刊的编辑委员会任职。他还是《计量错误》杂志特刊杂志的共同编辑。yingyao与三个小孩结婚多年。从他们的角度来看，Yingyao是一位不做任何事情的老师。
银行中的气候风险 - 传输渠道
传输通道是物理风险驱动因素和过渡风险驱动因素实现并成为银行损失来源的方式。巴塞尔银行监督委员会（BCBS）2021关于气候相关风险驱动因素及其传输渠道的报告解释了这些驱动因素如何转化为传统的信贷，市场，流动性和运营风险的传统财务风险类别。这些渠道可以是微观经济或宏观经济：这些渠道这些渠道将气候风险驱动因素从气候风险驱动因素直接或间接地传递给银行产生的财务影响。气候风险会直接影响银行的运营或资助自己的能力。银行也可以通过对交易对手和客户的曝光来间接暴露。宏观经济渠道气候风险驱动因素也会影响宏观经济变量，例如国内生产总值（GDP）或劳动生产率，而这些变量又会通过其运营的经济环境影响银行。- 在以下页面中，我们将研究物理和过渡风险如何通过这些渠道传播，以表现出信贷，市场，流动性，运营和其他风险。物理风险驱动器身体风险驱动因素是天气和气候的变化，会对经济和银行造成损害和不利影响。过渡风险驱动因素这些驱动因素是与气候相关的变化，可能会产生，增加或减少由于过渡到低碳经济而产生的风险。
商业战略建模：系统动力学方法
Małgorzata Łatuszyńska 1，Anna Borawska 2 摘要：目的：本文旨在分析使用系统动力学方法构建的计算机模拟模型在研究各种商业战略选择的影响方面的适用性。设计/方法/方法：本文重点介绍系统动力学模拟的应用，该系统能够考虑企业运营中的反馈回路、时间延迟和非线性。基于一家运输公司的案例研究，介绍了使用模拟模型支持投资策略选择的潜力。结果：系统动力学模型有助于全面分析各种商业战略选择，从而评估它们对公司关键经济和技术指标的影响。这种方法同时考虑了宏观经济和微观经济方面，从而可以更好地理解企业动态并支持战略决策。所提出的模拟实验表明，实施适当的投资策略可以使公司更有效地实现业务目标。实际意义：所提出的方法支持动态和复杂商业环境中的决策。管理人员和分析师都可以使用它来评估和规划业务战略。本案例研究可能特别适用于选择运输车辆品牌（包括电动车型）的决策。原创性/价值：系统动力学在设计业务战略中的应用可以捕捉行动的多层次交互和长期影响，使这种方法有别于传统的分析工具。关键词：系统动力学、仿真建模、战略管理、决策。JEL 代码：C63、L21、M21。论文类型：研究论文。致谢：本研究由科学部长根据“区域卓越计划”共同资助。
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。
教学大纲政治经济学生态323L首先...
教科书公共部门的两个必需的教科书经济学第4版。由约瑟夫·斯蒂格利茨（Joseph Stiglitz）和杰伊·罗森加德（Jay Rosengard）作者。虽然我们会跳过并编辑相当多的编辑，但我们一定会介绍第3-10、14和17章的大部分或所有章节。其他章节的部分也将涵盖。本书将仅在此课程的第一部分中使用，并在第二部分中定期使用。在公共选择经济学中阅读，Jac Heckelman编辑。这将是课程第二部分中的主要文本。将分配各个章节。直到6月下旬，我们将不会开始在课堂上讨论本书的章节。概述让我首先解释该类不是：1。这不是公共经济学的班级。虽然我们正在使用的教科书是该课程的常见教科书，但本课程并不意味着要浇水，编写部门作为Eco 321的组件版本。2。这不是政府部门的班级。这不是关于经济问题政治的课程。这是对政治舞台上问题的一类生态分析。3。这不是宏观经济学的类。有关政府政策与利率，失业，货币政策等有关的问题。将不会被解决。我们将使用微观经济工具来研究与集体决策相关的问题。这将包括对政府在市场经济中的适当作用的讨论。先决条件在大学一级的一些入门经济学课。之后，我们将通过立法程序讨论确定和执行特定政策的涉及的力量。我假设每个人都采用了某种形式的入门微观经济学（在UT的ECO 304K）或一个1个学期的Micro和Macro Class（在UT的Eco 301）。但是，通常有许多学生参加了多个上层课程。那些具有最低先决条件的人必须了解他们可能第一次看到的材料将是班上一些学生的审查材料。
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。
保持社交和经济距离
最近的 COVID-19 疫情提醒我们，在传染性极强的疾病面前，保持社交距离的重要性和有效性。无论是自愿的还是强制性的，保持社交距离的做法都可以通过减少感染者和易感者之间的接触率来防止疾病传播，从而将疫情的蔓延范围降至最低。历史数据和近期的初步数据确实表明，防止大型集会可以成功减缓传染速度。尽管 COVID-19 的致死率较低，但降低传播速度对于避免卫生系统不堪重负至关重要，可以防止医生、护士、病床以及呼吸机的反应可以防止的死亡。保持社交距离在预防传染和死亡方面非常有效，但至少在原则上，对经济活动却有害，因为保持社交距离通常意味着保持经济距离：大多数行业都要求工人肩并肩合作生产商品（汽车厂的装配线、面包店的生产等），而多种服务需要客户和供应商（餐馆、大学、理发店、酒店、航空公司等）或客户之间的密切接触（体育赛事、赌场、游乐园等）。社交距离和经济距离之间无处不在的联系揭示了经济文献中的一个显著空白。大多数模型都抽象出了距离在经济和社会互动中的作用。也许最显著的例外可以在贸易文献中找到，其中重力模型使用距离来捕捉运输成本，以及在城市经济学中，它使用距离来影响通勤成本，而通勤成本是人口集聚和城市形态的重要决定因素。然而，距离是贯穿所有人类和经济互动的一个因素。然而，它并没有在微观经济层面上明确地建模来捕捉宏观经济影响。同事之间的距离如何影响他们的生产力？哪些服务可以在远距离提供，哪些需要近距离接触？这些问题在正常情况下可能听起来毫无意义，因为面对面或远距离开展活动只是在通勤、基础设施或物流成本上有所不同。疫情揭示了