金融市场是支持企业攻坚基础技术的关键力量，能否对基础技术进行合理定价直接影响着中国经济高质量发展转型的进程以及中国在国际科技竞争中的优势。本文以2007—2024年间在中国A股首次公开发行（IPO）的人工智能（AI）企业为样本，检验了基础层、中间层及应用层人工智能企业IPO首日回报与IPO首日后长期回报的差异。研究发现，越基础的人工智能企业IPO首日回报和IPO首日后长期回报越高，表明A股市场在新股发行和上市首日均对基础层人工智能企业定价偏低。机制检验发现，越基础的人工智能企业发明专利数越多，但专利总数、实用新型专利数和外观设计专利数越少，这使得尽管越基础的人工智能企业IPO前的盈利能力越差，但未来盈利增长率越高。进一步检验发现，注册制改革显著提升了A股市场对基础层人工智能企业的定价效率。本文的结论能够促进投资者对基础层人工智能企业的理解，提升其定价效率，同时也为中国股票发行定价制度的优化提供了实证依据。

外部危机给企业家及其企业带来了巨大的挑战，但我们对中小微企业家如何应对这些引发高度不确定性并迫切需要关注和采取行动的危机仍然缺乏深入了解。同时，驱动企业家采取不同应对策略的因素，以及这些策略如何进一步影响企业家在危机期间的心理健康，也尚不明确。为了解答这些研究问题，本文基于资源保存理论提出，企业家可能采用两种应对策略：投资导向型和保守导向型。具体而言，当中小微企业家拥有更多的人力资本资源、企业资源以及外部资源时，他们更倾向于选择投资导向型策略；而当他们受到更多的危机负面影响时，则更可能转向保守导向型策略。本文进一步推测，相较于投资导向型策略，采取保守导向型策略的企业家可能会经历更高水平的危机焦虑感。通过两项时间滞后研究，本文对上述假说进行了检验，为理解中小微企业家在危机中的应对策略提供了重要的理论和实践启示。

鉴于组织行为学及其所属的工商管理学科一直受到“理论-实践”脱节的批评，管理学者呼吁更多立足真实组织情境、兼具科学严谨性与现实关联性的研究。在人工智能时代，随着组织要素与组织逻辑在重大技术变革中发生显著变化，开展基于现象的人机协同研究成为提升本学科领域学术创新性与现实影响力的关键方向。本文总结了目前人与AI研究的现状，评述不同学科在“反应”“互动”与“协同”三个主题上的表现，重点梳理了实地场景下的人机协同研究进展，并以一篇发表在《管理学会学报》 （Academy of Management Journal）上的民族志研究为例，分析如何从现象出发进行理论构建。在厘清现状的基础上，本文回溯了人机交互研究中的经典基础理论，以启发研究者以更加深入现场、贴近本质的视角思考当代的人机协同研究。最后，本文展望了若干基于人机协同实践的未来研究方向。

近年来，国际商务领域的研究表明，全球进入了一个充满科技地缘政治不确定性的时代，尤其是由新技术民族主义引发的“科技冷战”局面。这种技术民族主义的做法将中国的技术发展与美国的国家安全和地缘政治利益挂钩，并采取了以实体清单为代表的一系列限制措施，以限制中国高科技企业的技术进步。现有研究探讨了美对华技术限制对跨国企业及中国高科技企业的影响，然而大多研究将这些限制视为单一时点的事件，忽视了限制政策的动态演变过程及其对技术领域的长期影响。本文以芯片制造行业为例，并将美对华技术限制视为一个时变的、动态演化的过程：首先，本文基于知识图谱方法，将全球芯片制造专利分解成88个技术领域及其共现关系，揭示了技术领域作为美国政策目标的特征。通过分析美国实体清单与中国国家集成电路产业基金投资企业的专利知识网络相似度发现，中美两国的支持/限制策略呈现中等水平的共同演化趋势，而非简单的对抗关系。进一步，本文分析了技术领域的异质性，探讨了各领域中科学、市场与政治因素的混合特征，以及这些因素如何影响两国政策的差异。本文为理解中美技术博弈中的政策演化提供了新的视角，并为未来相关研究提出了若干建议。

近年来，中国货币供给保持较快增长，其中大量货币流入房地产市场，使得房地产市场长期繁荣。然而，2022年开始的房价快速回落也客观说明了此前房地产价格上涨是一种泡沫，是经济“脱实向虚”的后果。为了探究经济“脱实向虚”的内在机理，本文通过构建一个包含货币、生产资本和泡沫资产三种资产的“经济增长—资产组合”模型，探索泡沫资产对货币流向及货币政策效率的影响。模型分析结果表明，提高货币增长率具有二重效应。第一重是总量效应，即通过降低货币的实际收益率来提高家庭的非货币资产持有，进而推高储蓄率，推动经济增长。第二重是结构效应，通过影响资产组合来降低生产资本与泡沫资产的比例，加剧“脱实向虚”，抑制经济增长。当泡沫资产的风险较小时，结构效应将占主导，货币增长率的提升只会导致资金不断流向泡沫资产，阻碍经济增长。进一步的政策模拟结果表明，通过宏观审慎政策工具与货币政策相搭配，将能够防范经济“脱实向虚”，最大化社会福利。

2008年爆发的国际金融危机，引起人们对美元主导的国际货币体系的反思及改革呼声；同时，中国经济高速增长，经济总量位居世界前列，持有高额外汇储备，由此，国内社会各界表达了实施人民币国际化的强烈诉求，并提出了一些政策建议。在此背景下，本文关注在全球货币金融体系中占主导地位的美国获得的国际铸币税，为讨论人民币区域化、国际化的成本与收益问题提供参考。在理论方面，本文提出在现代国际货币体系中，国际货币发行国获得的广义国际铸币税包括中央银行的国际铸币税、政府债券的国际铸币税、商业银行的国际铸币税。在实证方面，本文估算了美国获得的广义国际铸币税，并验证了如下命题：除中央银行的国际铸币税外，政府债券的国际铸币税和商业银行的国际铸币税也是广义国际铸币税的重要组成部分，单纯地依据中央银行获得的国际铸币税进行经验分析和政策决策具有较大的局限性。这些结论对研究人民币区域化、国际化的成本与收益问题提供了参考，具有重要的政策意义。

企业的成长与创新是经济增长的核心部分，现有理论对企业创新的成因和结果进行了详细阐述，却较少讨论企业创新方向的决定机制。创新决策如何产生，创新方向是否会被引导，是非常值得研究的问题。本文探究了环保规制政策如何影响企业技术创新方向，发现中央环保督察政策改变了企业的创新决策。企业总是会对成本和收益的变化情况进行反应，在严格的环保规制政策下，企业重新审视采用不同技术的收益，增加了对清洁型技术的需求，从而达到了促进创新转向的效果。本文为环境监管的好处被低估补充了新的证据，期望为政策制定者提供决策参考。

随着人工智能技术的快速发展，算法正逐步替代人类管理者，广泛用于组织管理决策。不过，现有文献在算法（相对于人类管理者）决策对员工公平感知的影响上尚未得到一致结论。本文基于刻板印象内容模型，探索了在不同的组织管理场景下，员工对这两种不同决策主体的公平感知差异及其内在机制。情景实验结果显示，在面对不利结果时，人们普遍认为算法比人类管理者更为公平，并且这一现象背后的影响机制受到任务类型的调节：对于低主观性任务，算法被认为更公平的原因是人们认为人类管理者（相比算法）的能力更差；对于高主观性任务，人们则认为人类管理者（相比算法）更为冷漠。本文拓展了算法公平的相关文献，为探究算法决策对组织管理的影响提供了新的视角。

多层学术网络描述了学术实体之间的多样化关系，对学术发展的研究以及未来方向的预测产生了促进作用。然而，目前的数据集通常只包含单一网络，缺少能够同时考虑多层学术网络的大规模数据集。本文提供了一个高质量的大规模多层学术网络数据集（LMANStat数据集），其中包括合著网络、机构合作网络、引文网络、期刊引用网络、作者引用网络、共引用网络、作者-论文网络以及关键词共现网络8个学术网络。此外，所构建的多层学术网络的每一层都是动态变化的。最后，本文提供了节点的属性，如作者的研究兴趣、产出力、地区和机构。该数据集当前是统计学领域规模较大、较为全面的学术网络数据集之一，包括多个学术网络类型，具有广泛的时间跨度和时变性，以及丰富的节点属性信息，填补了现有数据集的空白。借助该数据集，可以从多个角度研究统计学科的发展和演化，为研究具有多层结构的复杂系统提供了丰富的研究基础。