Born-digital firms increasingly pursue virtual involvement, a digital market-entry strategy that prioritizes iterative data collection and algorithmic adaptation over physical expansion. We measure virtual involvement by the number of unique digital advertisements and define it as the intensity of a firm’s digital experimentation to collect user data, train algorithms, and enable continuous learning through a recursive feedback loop. Using a novel panel dataset covering 194 US and Chinese born-digital firms across 33 countries from 2016 to 2022, our empirical analysis finds that stringent host-country digital privacy regulation significantly reduces virtual involvement. This negative influence is weakened in larger digital markets, for firms from home countries with robust digital regulatory regimes, and when firms receive positive public sentiment. These results extend institutional theory and non-traditional entry mode research by introducing virtual involvement as a new dimension of international strategy under regulatory constraints. For policymakers and managers, our study offers actionable guidance: strict privacy rules protect user welfare, but supportive market conditions and regulatory experience are critical to sustaining data-driven innovation. Policymakers should balance user protection with market dynamism, while firms should leverage large markets and positive sentiment to maintain their virtual involvement.

We investigate whether FinTech can mitigate human biases in lending decisions using proprietary loan-level data from a Chinese auto equity lender. The lender first integrated big data credit scoring as an advisory tool to enhance its traditional lending model, subsequently transitioning to algorithmic decision-making with optional human override. Our findings reveal that cognitive biases decrease significantly when loan officers use algorithmic lending decisions, substantially reducing disparities in loan-to-value ratios between local and nonlocal borrowers without exacerbating default differentials. Notably, the discretionary adjustments made by loan officers remain modest. In contrast, advisory credit scores alone exhibit no discernible bias-reducing effects. Our study is among the first to demonstrate that automation and choice architecture – specifically, nudging via algorithmic defaults – is more effective than mere information provision in combating discrimination and promoting financial inclusion.

数字经济为内容市场注入庞大的流量，内容经常因其质量参差不齐引起极大争议。本文通过构建原创媒体与转载媒体竞争的理论框架，系统研究流量对内容质量的影响机制，探讨内容市场化量为质的规制思路。研究发现，相较于传统经济，数字经济下流量通过扩容效应、引流效应、覆盖效应这三类积极作用与挤占效应这一消极作用影响内容市场。当网络外部性较强时，引流效应占优，市场实现流量与质量的兼得，引流效应叠加扩容效应与覆盖效应也促使各方福利提升。进一步地，市场监管的加强能够改善网络外部性较弱的内容形式的质量。与自由转载相比，付费转载的治理方式能够提升原创媒体利润与社会总福利。本文为中国内容市场治理体系的完善提供了方向，对推动数字经济健康发展具有重要意义。

We consider the inference on individual and time specific treatment effects on the treated within the framework of panel data approach for programme evaluation. We formulate the target problem as constructing prediction intervals for high-dimensional linear regressions with weakly dependent data. Post-LASSO OLS is used for estimation, while dependent wild bootstrap and simple residual bootstrap are used for the construction of prediction intervals. The proposed prediction intervals are proved to have asymptotic validity as the number of pretreatment times goes to infinity. In the proof, we also establish the model selection consistency of LASSO for dependent data and under bootstrap measure, which may be of independent interest. Monte Carlo experiments illustrate that our method outperforms existing methods in finite samples under a wide variety of data generating processes except nonstationary data. Two empirical applications are also provided.

This paper investigates the peg instability of USDT from the tail risk spillover perspective using the CoVaR method. Specifically, we examine whether the conditional quantiles of USDT exhibit significant differences during periods of substantial declines in Bitcoin (BTC) and Ethereum (ETH) prices compared to normal market conditions. Using high-frequency data, we perform a bivariate Realized GARCH estimation of CoVaR and show that incorporating intraday information improves the precision of CoVaR estimation. We first verify that extreme negative returns in BTC and ETH significantly shift the correlation with USDT returns from positive to negative when compared to normal market conditions, indicating that USDT exhibits strong hedging properties and thus is not stable. Using the ΔCoVaR as a measure of the peg instability of USDT, we further detect significant downside to upside risk spillover effects from non-stablecoins (BTC and ETH) to USDT. These empirical findings provide implications for both testing and measuring the peg instability of USDT.

本文基于中国246家商业银行及A股上市公司2013—2022年数据，探究了商业银行数字化能否改善贷款企业投融资期限错配。研究发现，商业银行数字化通过调节错配企业短期贷款金额、提高公司治理水平，进而缓解企业投融资期限错配。该效应在资本市场融资能力较强企业、高融资约束企业、中小规模企业及制造业企业中更为明显。文章结论在经过内生性处理和稳健性检验后依旧成立。进一步分析表明，商业银行战略、管理及业务的数字化均可对企业投融资期限错配产生影响，但前两个维度的影响更为明显。探究商业银行数字化的微观错配纠偏功能，不仅有利于降低企业层面投融资期限错配引发的风险，也为进一步优化银企互动和挖掘商业银行数字化意义提供了新的证据。

本文从数字金融的角度研究近年来出现的银行网点“关停潮”的背后原因。将数字普惠金融指数和银行网点金融许可证数据匹配后的实证分析发现:首先,数字金融发展增加了银行网点退出数量;其次,从机制来看,数字金融发展降低了银行网点绩效是导致银行网点退出的直接原因,数字金融发展对传统银行业务的挤出效应则是导致银行网点退出的根本原因;最后,从异质性来看,这种影响在老龄化人口占比低和受教育年限高的城市中更加显著。

本文通过综述数字金融支持高质量发展相关文献，明确数字金融进一步推动高质量发展的逻辑和路径。在介绍数字金融支持高质量发展的相关理论后，本文着重从数字金融支持乡村振兴、支持企业发展的直接影响角度，和数字金融提升金融体系服务实体经济能力的间接影响角度，梳理相关机制和证据，并评估数字金融在支持共同富裕中的作用。通过提炼概括数字金融服务高质量发展的主要机制，本文总结数字金融实践中的主要经验，并探讨未来的政策制定和学术研究方向。本文指出，除了深化现有各领域的研究之外，数字金融如何有效利用金融数据、如何发展数字金融基础设施、如何支持我国高水平对外开放等问题，均值得进一步探究。

全球智能化浪潮下，智能制造成为技术领域的新范式，其所具有的“产消合一”核心特征，为破解中国产能过剩困境提供了崭新思路。本文将中国智能制造试点示范项目的推广视为一项准自然实验，采用交叠双重差分法（Staggered DID）探究智能制造对企业产能利用率的影响及机制。结果显示：智能制造的实施显著提升了企业产能利用率。机制分析表明，“产消合一”是智能制造发挥作用的核心路径，其主要通过赋能生产侧与消费侧两条路径提升产能利用率，具体表现为：在生产侧赋能企业柔性化生产，在消费侧转变消费者地位并创造新消费需求。异质性分析发现，智能制造对企业产能利用率的提升作用在成长期行业和市场环境较好地区的企业中更为明显。进一步研究表明，相比于生产式智能制造模式，协同式智能制造模式对企业产能利用率的提升作用更强；并且，智能制造可以从经济效率和社会效益两个方面赋能企业高质量发展。本文为政府建立化解产能过剩的长效机制，实现动能转型升级，提供了有益的理论支撑和实践启示。

本文旨在研究数字金融兴起背景下银行业数字化转型为解决小微企业“贷款难贷款贵”带来的机遇和挑战。采用2011—2018年中国97家商业银行的数据,本文研究了商业银行数字化转型对小微企业信贷指标的影响,发现如下。第一,小微贷款占比未显著提升,但转型程度低的银行不良率抬升。第二,认知转型高、组织转型领先的银行更能增加小微贷款而不牺牲不良率。第三,转型主要通过成本效率提升增加小微贷款、改善不良率。第四,有数字金融基础设施红利。发现表明,需重视转型对监管和市场结构等的挑战,助力银行提高成本效率;同时需重视数字金融基础设施建设。

互联网医疗互助采用了一系列保险科技手段以实现普惠型保障，其科技与普惠特征可为传统保险业所借鉴。本文基于全国100个城市2019年1月至2020年5月的城市月度数据，对比传统商业保险与互联网医疗互助在突发公共卫生事件中的保障作用差异。研究发现：在保险科技的支持下，互联网医疗互助参与人数与互助金额随当地确诊人数增加而增长，而传统商业保险消费量无显著变化；互联网医疗互助对数字普惠金融覆盖更广的地区、在社会信任度更高的人群能够发挥更强的作用，且对受冲击更大的流动人口和女性群体的保障作用更明显。以上结论在更换变量口径与模型设定、剔除湖北子样本后依然稳健。本文结论说明了保险科技与普惠型保障的重要作用。出于行业秩序考虑，互联网医疗互助已全面关停，但医疗互助的线上流程、算法模型对于我国持牌保险机构具有一定的适用性，这对于补充普惠型保障供给具有参考价值。因此，本文建议在有效防范风险的前提下，加速推动传统保险业的科技转型，以完善我国的保障体系。

由于地理障碍、行政分割等多重原因，行政边界地区的经济发展水平往往相对比较落后，但数字经济发展则为其加快发展创造了机遇。利用2012～2019年卫星灯光数据，本文在多个尺度和层面上界定了城市行政边界地区，进而考察了数字经济对城市行政边界地区经济发展的影响。研究结果表明，数字经济发展带动了城市行政边界地区相对更快发展，而克服地理障碍限制和缓解行政分割影响则是重要影响机制。但数字经济的这一效应主要表现在人口和经济规模较大的城市，而且数字经济发展在促进大城市经济往行政边界地区扩散的同时，也促进了其行政边界地区内部的集聚化。此外，利用高德地图兴趣点数据，本文也发现数字经济发展主要是带动了地理依赖程度较低的产业往城市边界地区扩散。本文的研究结论为数字经济时代中国城市的跨行政区协同发展提供了参考。

推动创业高质量发展是我国经济高质量发展的重要动力。本文将中国数字普惠金融指数与中国家庭追踪调查数据(CFPS)相结合，在对创业高质量发展进行理论界定的基础上，从支付业务和信贷业务两方面出发，全面分析了数字金融对创业高质量发展的影响及作用机制。研究发现，数字金融促进了个体创业，也推动了创业的高质量发展，该结论在考虑了内生性问题后依旧稳健。从机制上看，一方面，支付业务的发展通过促进消费数字化，扩大了企业的潜在市场规模；另一方面，信贷业务的发展通过补充和支持传统金融业务，缓解了传统信贷约束，扩大了企业的生产规模。这两方面的业务发展，增加了企业对高技能人才的需求，促进了技术进步，最终有助于创业的高质量发展。最后，本文还从政府的支持性政策方面探讨了保障数字金融推动创业高质量发展的外部条件。根据本文的研究，引导数字金融健康有序发展，充分发挥支付业务和信贷业务的作用，是贯彻党的二十大精神，促进数字经济和实体经济深度融合，推动创业高质量发展，实现中国式现代化的重要途径。

家庭内部的时间配置的性别差异体现为家庭分工，这与家庭整体福利紧密相关。本文利用中国家庭追踪调查数据，分析了数字经济发展对个人时间配置和家庭分工的影响。本文发现，数字经济降低了个人的工作时间和家务时间，增加了闲暇时间。进一步地，数字经济的发展通过强化丈夫在工作上和妻子在家务上的比较优势，促进了更加互补的家庭分工，加剧了家庭时间配置上的性别差异。本文的研究有助于厘清家庭分工视角下的性别平等的变迁路径。

因果识别是社会科学实证研究的焦点，而在大数据时代，机器学习为因果识别带来一些新的机遇与挑战。本文重点总结了机器学习对因果关系识别的价值：更好地识别和控制混淆因素、帮助更好地构建对照组、更好地识别异质性因果效应，以及检验因果关系的外部有效性。同时，本文还讨论了在大数据和机器学习广泛应用下，可能存在因果关系在某些情形下变得不再重要、大数据和机器学习会让因果效应识别更加困难，以及部分机器学习算法缺乏可解释性等情形。本文有助于拓展社会科学研究者的工具箱和思想库。

本文基于区分宏观审慎与微观审慎这一崭新视角，采用前沿的系统性风险分解方法与相对重要性分析技术，准确测度国际输入性风险冲击下，全球49个主要金融市场的系统关联及尾部风险，精准识别我国金融市场的薄弱环节。同时，就不同市场冲击下各影响因素对系统性风险及其子成分的作用方向、影响力度等展开深入研究，剖析输入性金融风险的传染渠道。此外，对发达市场、新兴市场风险的影响因素与传染渠道展开对比分析。最后，本文采用条件分位数回归模型，探究各因素在不同风险分位数区间的异质性影响，并考察它们在各时期的渐进演变。在此基础上，为有效应对输入性风险冲击提出了相关政策建议，从而为健全国际金融风险防范机制、“守住不发生系统性风险底线”提供参考依据。

经典的随机前沿模型忽略了决策单元之间的空间关联性，无法准确估计效率影响因素相关参数，限制了其适用范围。本文在空间自回归随机前沿模型的基础上，引入效率影响因素，构建出一个异质性空间随机前沿模型，基于极大似然估计法给出模型参数的单步估计策略，提出决策单元技术效率的最优预测量。理论分析证明，模型参数在一定的假设条件下具备一致性；模拟实验表明，参数估计量和技术效率预测量较之经典模型具有更高的估计精度，且会随着样本量的扩大而逐渐提升。本文使用所提出理论方法讨论了我国城市数字普惠金融发展与技术效率水平之间的相关关系，发现两者之间存在显著的正相关关系，同时也印证了模型设定和估计方法的可靠性。

本文使用2010—2019年间全国145家商业银行的年度数据,采用面板数据固定效应模型检验金融科技如何影响宏观经济不确定性对商业银行主动风险承担的抑制作用。本文发现金融科技发展可以缓解宏观经济不确定性对商业银行主动风险承担的抑制作用。进一步的研究发现,金融科技发展通过促进商业银行发放贷款和增持交易性金融资产来发挥缓解作用。伴随着商业银行主动风险承担水平的上升,金融科技的缓解效应边际递减。金融科技的缓解作用在不同类型的商业银行间具有异质性,对资本充足率高的商业银行和大型国有银行影响较弱。

本文详细梳理和论述了数字经济与高质量发展的内涵、机制与证据。本文认为，数字经济与高质量发展的内涵包括三个层面：一是数字经济本身的高质量发展，二是数字经济与实体经济的高质量融合发展，三是数据要素市场的高质量发展。从这三个层面出发，本文对相关研究进行了详细综述。最后，本文介绍了本期专辑入选的五篇论文。

数据是数字经济的基础性和战略性资源，数据交易是推进数据要素市场化配置的必要前提。本文依据数据的“场景专用性”特点，基于不完全契约理论，揭示了数据交易存在“数据安全”与“数据流通”之悖论的理论机制。数据交易的“可用不可见”是突破数据交易悖论的关键，隐私计算技术能够提供可行的解决方案。“可用不可见”不仅是数据交易技术的变革，更是交易模式的创新，即从传统的“数据所有权交易”转变为“数据使用权交易”。相比数据所有权交易，数据使用权交易能给予更充分的数据生产与采集激励，促进数据资源市场化交易，实现数据要素的高水平积累与价值释放。然而，建立“可用不可见”的数据交易环境需要一定技术投资，市场主体私人投资激励可能不足。为此，有必要适度超前布局数据交易基础设施，从国家和区域层面加强共建共享统筹规划，解决共性基础技术难题，降低市场主体的交易成本，从而更广泛、更充分地释放数据动能。本文指出，数据安全不仅不与数据流通相悖，反而是数据流通价值释放的关键，数据安全将成为数字经济实现高质量发展的先决条件和重要保障。