增强型并购仿真工具包的 ML/AI 方法
光学
2026-05-28 v2
摘要
本文发展了一种灵活的方法，用于预测水平并购的价格效应。虽然标准并购仿真技术依赖于关于企业行为的限制性假设，但我们提出了一种数据驱动的框架，在数据丰富的条件下松弛了这些约束。我们开发并识别了一种灵活的供给模型，其嵌套了广泛的行为模型和成本函数。为克服维度灾难，我们将变分矩数法（VMM，Bennett 和 Kallus，2023）适用于估计模型，允许各种形式的战略相互作用。蒙特卡罗仿真表明，我们的方法在预测性能和反事实并购仿真方面显著优于多个误指定模型，并与真实模型的性能相媲美。作为解释估计函数经济学的方式，我们模拟了通过率，发现该模型学习到的定价和成本函数大致符合正确的通过率行为。应用于美国航空公司-美国航空公司并购案时，我们的方法比传统方法产生更准确的并购后价格预测。结果表明，机器学习技术有潜力在保持经济结构的同时提升并购分析。
引用
@article{arxiv.2506.05228,
title = {Spherical Phase Metalenses: Intrinsic Suppression of Spherical Aberration via Equiphase Surface Modulation},
author = {Xiaohui Yang and Lei Yang and Xinhui Lu and Yu Guo},
journal= {arXiv preprint arXiv:2506.05228},
year = {2026}
}