报告行业投资评级 未提及相关内容 报告的核心观点 - 2022年ETRI评估显示塞拉利昂教育系统采用教育技术的准备程度较低 ，该国EdTech生态系统有很大改进空间 [35] - 需制定短期和长期战略 ，协调关键利益相关者 ，建设系统能力 ，提供必要基础设施和平台以支持教学和学习 [100] - 尽管ETRI调查结果不佳 ，但自数据收集以来多项创新举措的推出使塞拉利昂教育部门技术整合的未来充满希望 [122] 根据相关目录分别进行总结 引言 - 2018年塞拉利昂政府成立科学、技术和创新局 ，旨在支持中期国家发展计划 ，使该国成为 “创新国家” [15] - 2019年该国制定国家创新和数字战略 ，将教育列为三个关键重点领域之一 [15] - 2020年新冠疫情凸显数字技术对远程学习和建设教育技术生态系统的重要性 ，后制定的教育部门计划设定了ICT教育目标 [16] - 目前EdTech Hub正与多方合作制定国家数字学习战略 [16] - 科学、技术和创新局监督各部门ICT倡议 ，基础教育和中等教育部负责中小学教育 ，技术和高等教育部负责技术和高等教育 [18] - 评估教育部门对技术整合的准备程度有助于确定政策差距和实施问题 ，2022年ETRI数据为塞拉利昂EdTech整合提供基线衡量 [19] 方法论 - 教育技术准备指数由世界银行开发 ，通过分析实践、法律政策和实际政策评估EdTech在教育系统中的整合情况 ，涵盖六个关键支柱 [22] - ETRI数据通过全球教育政策仪表盘收集 ，2022年进行了学校调查和政策调查 [24] - 政策调查通过立法审查和与政府官员访谈收集教育技术政策数据 ，学校调查收集学校实践和政策实施数据 [25][26] - 学校调查样本为300所小学 ，采用分层随机抽样 ，具有全国代表性 ，涵盖城乡和公私学校 [28] - 指标基于调查回复 ，采用五点李克特评分 ，计算学校层面指标得分 ，结果进行颜色编码以显示系统优缺点 [30] - 通过比较法律政策、实际政策和实践 ，了解该国EdTech现状和差距 [31] 结果 总体发现 - ETRI评估塞拉利昂教育系统采用教育技术的准备程度低 ，政策和实践存在显著不足 ，EdTech生态系统有很大改进空间 [35] - 数字教育资源、连通性和学校管理方面法律政策较好 ，教师、学生和设备方面严重缺乏 ，且利益相关者对政策理解存在差距 [36][37] - 学校ICT实践整体较少 ，学校管理方面稍好 ，但缺乏指导和资源 ，校长难以整合ICT [40] 六个支柱的发现 - **学校管理**：是表现较好的支柱但仍需改进 ，法律政策分配了ICT整合责任但缺乏具体指导 ，实际政策和实践中校长虽有责任意识但缺乏指导和支持 ，ICT使用不足 [48][49][50] - **教师**：急需政策制定和实施 ，相关EdTech政策薄弱 ，教师缺乏使用技术的信心和能力 ，培训和支持不足 [58][59][60] - **学生**：政策缺乏 ，学生零接触ICT ，小学阶段缺乏ICT课程和能力框架 ，教师对政策存在认知差距 ，学生ICT使用不存在 [68][69] - **设备**：需要标准和设备接入 ，学校设备可用性极低 ，法律政策缺乏标准和监测 ，实际政策和实践中设备使用和技术支持不足 [75][76][77] - **连通性**：基本政策存在 ，缺乏数字设备是挑战 ，国家政策处于早期阶段 ，缺乏质量标准和成本管理策略 ，学校设备和电力不足导致互联网接入困难 [85][86][87] - **数字教育资源**：政策方面表现较好 ，但缺乏接入和使用 ，法律政策完善 ，学校对政策理解稍强 ，但实际中资源接入不足 ，使用几乎不存在 [95][96] 政策建议 - **教育和技术政策及EdTech战略**：制定中长期国家教育和技术战略 ，明确目标和实施计划 ，确保政府机构间协调 ，确定可持续资金来源 [101][104][105] - **技术团队和教师能力建设**：为部委工作人员提供教育技术培训 ，开发教师培训项目 ，任命学校技术协调员 [107][108][109] - **数字基础设施实施**：扩大和增强连通性 ，利用创新伙伴关系 ，探索设备提供方式 ，开发IT支持系统 [110][111][113] - **数字教育资源有效整合**：策划高质量数字学习内容 ，支持学校采用学习管理系统和平台 ，开发分析仪表盘 [115][116][117] - **监测和评估**：持续评估项目并调整战略 ，建立综合教育管理信息系统和在线仪表盘 ，利用数据进行决策 [118][119][120]

报告行业投资评级 未提及相关内容 报告的核心观点 - 欧盟27国私营企业中女性在就业、担任高层管理人员和企业所有权方面显著低于男性 ，且较发达地区性别差距更大 [1][4][8] - 女性经营企业的劳动生产率低于男性经营企业 ，且在劳动生产率较低分位数上差距更大 ，存在 “粘性地板” 效应 [1][18][29] - 女性员工倾向于集中在低生产率和低工资企业 ，实现收入性别平等需提供更多高质量工作 [1][47][66] 根据相关目录分别进行总结 女性参与情况 - 欧盟27国女性作为员工、高层管理人员和企业所有者的参与率显著低于男性 ，典型企业中女性员工占比35.3% ，有女性高层管理人员的企业占比18.1% ，有女性所有者的企业占比39.9% ，女性平均持股比例22% ，零售行业是例外 [4][8] - 欧盟27国NUTS2地区中 ，企业中女性员工占比、有女性高层管理人员的企业占比和有女性所有者的企业占比随地区人均收入增加而显著下降 [9] - 最不发达NUTS2地区女性员工占比高于转型和最发达地区5.6个百分点 ，国家特定因素、女性高层管理人员和女性所有者占比、零售企业占比等因素扩大差距 ，零售企业差异、研发活动、外国所有者占比等因素缩小差距 [11][14][20] 劳动生产率影响 - 女性经营企业的劳动生产率比男性经营企业低0.29个对数点 ，约25.2% ，纳入基线控制后降至16.5% ，差异主要源于行业虚拟变量 ，在NUTS2和国家层面也存在类似差距 [18] - 劳动生产率差距在较低分位数上更大 ，欧盟27国女性高层管理人员面临 “粘性地板” 效应但无 “玻璃天花板” 效应 ，较富裕地区性别劳动生产率差距更高 [29][30] 女性经营企业生产率较低的因素 - 男性经营企业劳动生产率比女性经营企业高0.28个对数点 ，约32% ，国家层面因素导致差距27% ，行业特定因素缩小差距18% ，监管负担缩小差距36% ，出口和质量认证扩大差距9%和6% ，金融约束缩小差距8% ，女性持股比例扩大差距131%和19% [34][35][39] 其他绩效指标 - 男性经营企业在研发活动、就业增长率、出口状况、企业规模等绩效指标上优于女性经营企业 ，但在管理实践质量、生产规划和生产方法使用上无显著差异 ，面临的问题和障碍也相似 [40][44] 企业对经营障碍的看法 - 对于税率、税收管理、融资渠道等障碍 ，女性和男性经营企业报告为主要或更大约束的可能性无显著差异 ，但对于来自非正规企业的竞争、获取许可证和执照等障碍 ，女性经营企业更可能报告为主要或更大障碍 [46] 出口对女性就业的影响 - 欧盟27国企业中 ，女性员工占比与企业出口占销售额的比例呈正相关但不显著 ，在制造业中关系显著 ，在零售和其他服务业中较弱 ，对初始女性员工占比中等的企业影响显著 [52] 女性高层管理人员的影响 - 平均而言 ，有女性高层管理人员的企业女性员工就业更高 ，在女性就业分布较高分位数上影响更大 ，从男性经营企业转为女性经营企业 ，在女性就业第20百分位和第80百分位上女性员工占比分别增加11.5和16.6个百分点 [54][58] 女性所有权与生产率关系 - 企业女性所有权越高 ，劳动生产率越低 ，在劳动生产率较低分位数上关系更强 ，在75分位数及以上较弱且不显著 [59] 融资渠道 - 企业层面 ，女性所有权对企业获得透支额度、未偿还贷款、使用银行融资投资和营运资金等无显著影响 ，NUTS2层面 ，女性所有者占比高的地区非信贷约束企业比例较小 ，使用银行融资投资和银行融资投资比例较高 [60][61]

报告行业投资评级 文档未提及相关内容 报告的核心观点 - 埃斯瓦蒂尼自20世纪90年代末以来增长表现不佳，经济从私营部门主导转向国家主导，财政政策宽松且低效，公共债务和支出欠款增加，需改革财政政策以实现更快速、更具包容性和可持续的私营部门主导增长 [28][31] - 可通过确保宏观经济稳定、推进财政改革鼓励私人投资、改善公共财务管理、加强公共投资管理以及制定促进人力资本建设的财政政策这五条“财政途径”，推动埃斯瓦蒂尼从国家主导发展模式向私营部门主导发展模式转变 [34] 根据相关目录分别进行总结 宏观财政背景 - 埃斯瓦蒂尼经济自2010年以来平均年增长率为2.8%，低于中低收入国家平均水平，公共债务迅速增长，国内欠款增加，政府借贷挤出了私营部门活动 [75] - 20世纪90年代初以来，埃斯瓦蒂尼经济增长显著放缓，经济从私营部门主导转向国家主导，财政政策变得不那么审慎，SACU收入波动导致财政赤字和公共债务增加 [78][79] - 财政政策存在不足，导致公共赤字、债务水平和支出欠款上升，经济增长自2000年以来一直下降，直到疫情后才有所反弹 [84] - 应加强应对收入波动的机制，保持支出水平的一致性，减少国家在经济中的巨大影响力，增加对人力和物质资本的投资，以促进经济增长 [87][94] - 加强公共财务管理可以提高应对冲击的能力，埃斯瓦蒂尼应实施结构性改革，以巩固公共财政，实现强劲和可持续的私营部门主导发展 [96][77] 收入动员 - 优化税收政策可以提高收入，减少经济扭曲，埃斯瓦蒂尼需要增加国内税收收入，减轻当前税收结构造成的扭曲，并实施机制来平滑波动的SACU转移支付 [133] - 尽管总税收收入占GDP的比例较高，但国内税收收入表现不佳，SACU收入波动大且具有顺周期性，影响预算规划和执行 [140][142] - 国内税收收入低于潜力，存在约5%的GDP税收缺口，增值税、企业所得税和消费税的税收缺口较高，税收征管存在不足 [159] - 改革税收制度以增加市场竞争性，需要审查和合理化税收优惠、税收支出和采购偏好，降低企业所得税税率可能有助于促进私人投资 [197][199] - 加强税收管理可以显著提高税收收入，应采取措施提高税收合规性，包括使用风险管理系统、加强电子申报和支付、提高税收执法能力等 [200][206] 支出管理 - 公共支出约占GDP的30%，加强公共财务管理可以提高政府支出的影响，预算分配到社会部门的比例较高，但成果指标未达到预期 [49][50] - 公共部门工资账单带来沉重的财政成本，增加了预算的刚性，应进一步努力巩固财政支出，消除支出欠款，提高公共采购效率 [50] - 加强公共采购系统可以提高公共支出的价值，实施电子采购系统可以增加竞争，提高资金使用效率，减少交易成本 [51] - 加强对国有企业的管理和监督可以减轻财政负担，许多国有企业存在治理不善、融资不足、政治干预等问题 [52] - 为促进财政可持续性和提高支出效率，政府可以实施单一国库账户，加速公共部门数字化，加强预算编制和执行，改革国有企业管理和监督，消除支出欠款，进一步降低工资账单，加强公共采购系统 [53] 公共投资管理 - 加强公共投资管理并将气候考虑因素纳入其中，对于最大化公共支出对经济增长和发展的影响至关重要，应建立全面的公共投资管理框架，提高公共支出的配置和技术效率 [56] - 国际货币基金组织和世界银行2017年公共投资管理评估中规定的政策选项尚未完全

报告行业投资评级 未提及相关内容 报告的核心观点 - 研究欧盟国家企业规模分布，发现高收入国家企业平均规模更大、就业更集中于前10%企业，低收入国家小企业更普遍，证实资源错配理论预测 [1] - 消除经济中的扭曲因素不会使生产集中于一家企业，去除扭曲会使平均规模变大，生产仍在不同规模企业中进行 [11] - 利用WBES数据证实资源错配导致低收入国家小企业过多、就业集中于小企业的结论 [65] 根据相关目录分别进行总结 企业规模与资源错配关系 - 全要素生产率差异是人均收入差异的主要决定因素，资源错配是全要素生产率差异的主要原因之一，旨在量化资源重新配置的生产率和产出收益 [2] - 富裕国家企业平均规模大于欠发达国家，资源错配意味着就业和产出更集中于小而低效的企业，导致欠发达国家企业平均规模较小 [3][4] - 低收入国家存在规模依赖政策等因素扭曲资源配置，导致企业规模较小，此外还有金融摩擦、非正规性和时间税等潜在解释 [5][10] 欧盟企业规模差异 - 数据显示，人均GDP高的经济体企业平均规模更大，且这种正相关关系在控制企业特征后依然存在，企业年龄、外资所有权、出口水平和多企业集团成员身份与企业规模正相关，女性高管企业规模较小 [13] - 人均GDP高的国家和地区，前10%企业的就业份额更高，这种就业集中在大企业的现象在更严格定义大企业时依然稳健 [14] - 高收入国家企业规模分布的右尾更厚，表明欧盟低收入经济体小企业多、大企业少 [15] 不同层面企业平均规模差异 - 欧盟27国平均企业规模为30.2名员工，高收入国家企业平均规模大于低收入国家，人均GDP大致翻倍与企业平均规模增加79.7%相关 [16][20] - NUTS1层面，平均企业规模为27.8名员工，不同地区差异显著，人均GDP每增加10%与企业平均规模增加约3.7%相关 [21][22] - NUTS2层面，平均企业规模为28.1名员工，回归直线斜率减小但仍为正且显著，地区间企业平均规模差异最大，人均GDP与企业平均规模关系的幅度下降 [23] 企业特征与规模关系 - 外资所有权与企业规模正相关，NUTS1地区平均外资所有权为5.4%，高收入地区为8.7%，外资所有权每增加1个百分点，企业平均规模增加3.5% [32] - 企业年龄与规模正相关，NUTS1地区企业平均年龄为28.1年，高收入地区为30.2年，平均年龄低于20年的地区集中在东欧和巴尔干地区 [34] - 女性高管比例与企业规模负相关，NUTS1地区女性高管平均比例为17.9%，女性高管比例每增加1个百分点，企业平均规模减少约1.8% [42] 大企业就业份额 - 欧盟27国前10%企业的平均就业份额为58.3%，高收入国家和地区该份额更大，人均GDP每增加10%与大企业就业份额增加1.7个百分点相关 [47] - 至少有250名员工的企业就业份额与发展水平关系更强，后续分析主要关注前10%企业的就业份额 [52] - NUTS1层面，前10%企业的平均就业份额为55.9%，不同地区差异显著 [53] - NUTS2层面，前10%企业的平均就业份额为56.4%，地区间差异大，高收入地区就业集中在大企业的程度更高 [55] 企业规模分布 - 丹麦和荷兰企业规模分布相似，丹麦右尾更厚，罗马尼亚和波兰小企业多，超过100或1000名员工的企业比例远低于丹麦 [62][63] - 高收入国家企业规模分布斜率更大，斜率与发展水平正相关且在1%水平显著 [64]

报告行业投资评级 报告未提及行业投资评级相关内容 报告的核心观点 - 人工智能发展迅速，有望变革金融行业监管与监督，为金融部门监管带来新功能和能力，提高监管效率和效果，但也伴随着风险和成本 [13][16] - 金融监管部门在实施基于风险的监管框架时面临诸多挑战，人工智能可帮助解决这些挑战，如提高人力资源效率、改善数据质量和粒度、增强数据分析能力等 [19][64] - 全球金融监管机构已开始采用人工智能技术提升监管能力，如澳大利亚证券和投资委员会、欧洲中央银行、新加坡金融管理局等，但也存在对人工智能风险和担忧，需建立有效治理框架平衡利弊 [93][113][128] - 实施人工智能面临数据可用性和质量、技能和专业知识、IT基础设施容量、法律和监管约束、建立信任等挑战，可通过加强数据治理、培养人才、利用云平台等方式克服 [130][143][145] - 金融监管部门应采取管理高层期望、应对文化和组织阻力、平衡采用速度和规模、制定混合采购策略等人工智能采用策略，以实现有效采用 [155][157][163] - 未来人工智能将对金融监管活动产生重大影响，包括实时监管、数据集成、前瞻性建模、部分流程全自动化、暗网集成、实时咨询/反馈等，监管人员与人工智能工具的共生关系将增强 [169][170][197] 根据相关目录分别进行总结 执行摘要 - 人工智能发展迅速，将对金融行业产生影响，基于风险的监管是金融部门监管的黄金标准，但全球实施进展不一，发达国家已建立健全框架，中低收入国家仍面临挑战 [12] - 人工智能可成为金融监管变革者，为监管流程带来新功能和能力，提高自动化和大数据处理能力，增加生产力，还能实现端到端自动化监管流程，使监管人员能够执行以前认为耗时或不可能的流程 [13][14][15] - 采用人工智能也伴随着风险和成本，监管部门需重新考虑流程，包括人力资源分配和委托给人工智能的程度，但人工智能不会取代人类，人类仍将是金融监管关键决策者，未来监管人员与人工智能将形成共生关系 [16][17] 金融部门监管机构面临的主要挑战 - 全球金融监管机构实施基于风险的监管框架面临困难，原因包括内部和外部因素，许多国家忽视或低估监管工具和技术的重要性，导致采用创新技术缓慢，影响有效监管制度的实施 [19][23][26] - 监管机构面临的具体挑战包括有限的人力资源、数据质量和粒度问题、分析能力不足、过时的流程和有限的专业知识等，人工智能可帮助解决这些问题，提高监管效率和效果 [28][39][43][48][52] 赋予金融监管机构人工智能能力 - 金融监管依赖数据，传统数据技术难以满足监管需求，人工智能是管理数据复杂性和多样性的最有能力的技术，具有机器学习、深度学习、自然语言处理等多种类型和子类型，适用于监管机构的特定任务 [56][57] - 人工智能可解决监管机构面临的挑战，包括提高人力资源效率、改善数据质量和粒度、增强数据分析能力、更新过时流程和弥补专业知识不足等，还具有增强数据处理和分析、预测分析和风险预测、自动化日常任务、增强知识获取、持续学习和适应等基础能力 [64][69][73][76][77][79] 人工智能在监管机构活动中的应用案例 - 全球金融监管机构正在采用人工智能技术提升监管能力，如澳大利亚证券和投资委员会的市场分析和情报系统、欧洲中央银行的数字战略和雅典娜工具、新加坡金融管理局的综合监控平台等，这些应用展示了人工智能在数据收集和处理、预测风险建模、报告和可视化、决策支持等方面的优势 [93][95][100][103] - 还有许多探索性举措正在进行中，如欧洲中央银行确定了40多个潜在人工智能应用并开发了概念验证，荷兰中央银行开发了生成式人工智能工具ChatDNB，这些应用有望提高监管效率和效果 [107][110] 人工智能相关风险和担忧 - 监管机构对采用人工智能存在犹豫，主要原因是人工智能相关的风险和担忧，包括偏见和刻板印象、鲁棒性和稳定性、可解释性、合规性、内部知识弱化等问题，以及数据隐私风险、知识产权风险、网络安全威胁、滥用人工智能、提示注入、数据中毒等潜在不利业务影响 [113][115][122] - 为平衡人工智能的好处和风险，监管机构需要进行仔细规划、透明沟通和建立强大的人工智能治理框架，遵循现有指南和标准，实施全面风险管理，应用“人在回路”原则，以促进人工智能的采用 [128] 人工智能实施挑战 - 监管机构实施人工智能面临数据可用性和质量、技能和专业知识、IT基础设施容量、法律和监管约束、建立信任等挑战，这些挑战的性质和严重程度因司法管辖区而异，但可以通过加强数据治理、培养人才、利用云平台、建立治理框架和提高透明度等方式克服 [130][131][143][145][148][151] 人工智能采用策略 - 监管机构采用人工智能需要管理多个方面，包括数据治理、基础设施准备、技能和专业知识发展、道德和监管合规、变革管理等，还需要建立支持性文化、管理各级期望和制定采购策略，以确保顺利和有效的采用过程 [155] - 具体策略包括管理高层期望、应对文化和组织阻力、平衡采用速度和规模、制定混合采购策略等，这些策略有助于监管机构充分利用人工智能技术的优势 [157][158][159][163] 展望未来 - 人工智能的发展将加速，为金融监管活动带来新机遇和应用，包括实时监管、数据集成、前瞻性建模、部分流程全自动化、暗网集成、实时咨询/反馈等，监管人员与人工智能工具的共生关系将增强 [169][170][197] - 虽然人工智能不会立即取代金融监管，但监管人员对人工智能解决方案的依赖将呈指数级增长，这将提高金融监管的效率和效果，为管理金融风险和确保经济稳定开辟创新途径 [195][198] 附件1 - 机器学习与人工智能企业参考架构 - 该架构包括外部人工智能框架和平台、特征存储和数据湖集成、机器学习模型集成和API访问、第三方机器学习与人工智能服务等关键流程，为监管机构集成人工智能到监管操作提供指导，确保即时和未来的可扩展性 [200][201][202][203][204]

报告核心观点 - 苏格兰期货信托（SFT）和零废弃苏格兰（ZWS）制定战略热网发展路线图草案，为参与战略热网支持试点的地方当局提供支持材料，帮助其规划和实施大规模热网项目 [1] - 路线图是正在进行的工作文件，非正式指导，可作为模板供地方当局根据自身需求和治理情况调整，以促进决策制定，且会根据不同方法的经验迭代修订 [3][4] 报告各部分总结 路线图背景 - 热网支持单元（HNSU）由苏格兰政府赞助，SFT和ZWS为核心合作伙伴，正在试点战略热网支持项目，帮助地方当局在现有地方供热和能源效率战略（LHEES）基础上，制定战略方法部署大规模热网 [2][5] 路线图流程 - 路线图指示性地将里程碑和活动映射到5案例模型的各个部分，部分活动可能适用于多个案例，OBC/FBC将汇总路线图过程中收集的信息 [8] - 路线图分为五个阶段，各阶段有不同的目标、关键参与方和活动，指示性时间跨度从2 - 3个月到12 - 24个月不等 [8] - 阶段一目标包括获得建立项目的批准、确立高层战略愿景、获得执行赞助、定义目标和成功标准等 [8] - 阶段二需确定初始潜在交付模型（DMs）、识别数据需求、建立技术基线等 [8] - 阶段三需确定与目标和机会相符的DMs、确定采购交付的技术和商业范围等 [8] - 阶段四需识别和评估交付选项、推荐性价比最高的选项、寻求采购批准等 [8] - 阶段五需确定并授予合同给最具经济优势的投标人、做出最终投资决策、启动交付工作 [8]

报告行业投资评级 未提及 报告的核心观点 - DeepSeek R1的推出是人工智能领域的范式转变，证明人工智能成功关键在于创新和敏捷而非规模与资源，为金融服务等行业提供战略启示 [4][6] - 金融机构需重新思考人工智能采用、数字化转型和创新策略，拥抱敏捷、高效、由人工智能驱动的解决方案以保持领先 [6] 根据相关目录分别进行总结 引言 - DeepSeek R1作为低成本、开源人工智能模型，挑战了人工智能主导需大量GPU资源或封闭生态系统的假设，其成功表明人工智能成功关键在于创新和敏捷 [4] - 其迅速崛起证明在人工智能时代，产品自身吸引力比营销更重要，这对长期依赖规模而非速度的金融服务行业是战略警示 [5][6] DeepSeek的人工智能突破 - DeepSeek R1开发成本仅500多万美元，相比竞争对手大幅降低，且在编码和推理基准测试中表现出色，同时为完全开源，挑战了人工智能创新需巨额资金的观念 [9] - 该模型在资源利用上更精准，减少75%内存需求，每次仅激活370亿参数，削减40 - 60%计算成本 [12][13] - 采用多令牌处理，速度翻倍且保持90%准确性，通过专家系统、强化学习和算法优化等，减少对GPU依赖，降低训练和API成本 [15][17][19] DeepSeek关键见解 - 创新在传统终结处蓬勃发展，金融机构需采用第一性原理思维，质疑假设、现代化遗留架构并拥抱人工智能驱动的敏捷性 [28][29] - 敏捷创新胜过规模，金融机构应向轻量级、云原生、API驱动架构转型，否则将在数字生态系统中失去相关性 [30] - 效率驱动可持续创新，银行应削减IT浪费，开发人工智能策略，用云原生架构取代遗留整体系统 [31] - 开源人工智能释放指数级价值，金融机构应利用开放创新，与人工智能优先公司建立合作关系以加速人工智能采用 [32] 对金融服务的影响 - 人工智能模型获取方面，从封闭转向开放，未来金融机构将在人工智能开发上合作，人工智能成为金融服务标准要求 [36] - 成本方面，开发成本大幅降低，未来人工智能性价比将成评估金融人工智能投资主要指标，小银行和金融科技公司将用轻量级模型挑战现有机构 [38] - 部署速度从数年缩短至数周，未来人工智能驱动金融服务将实时演变，自动化部署将取代传统IT驱动部署 [40][41] - 人工智能代理崛起，成为新金融服务劳动力，未来人工智能决策引擎将取代传统工作流程，人类专注战略监督 [43][44] - 加速嵌入式金融发展，未来金融服务将无缝融入日常应用，变得主动和具有预测性 [46][47] - 实现大规模个性化，未来人工智能实时金融辅导将成标准，预测性模型将提前满足客户需求 [48][50] - 部署模型和监管合规方面，混合部署模型解决数据驻留法规问题，未来人工智能将协助监管，跨境治理框架将发展 [51][52] 金融机构的战略要务 - 采用人工智能优先策略，现代化核心系统，向云原生、API驱动架构转型，降低IT成本30 - 50% [55] - 拥抱协作创新，与人工智能优先公司合作，利用开源模型加速上市时间 [56] - 培养人工智能就绪人才，提升团队管理人工智能代理能力，建立卓越中心推动道德人工智能治理和实验 [56] - 优先考虑监管敏捷性，部署安全设计的人工智能框架，将法规转化为创新机会 [57] - 加速人工智能部署，从多年转型计划转向快速迭代周期，否则可能在2027年失去20 - 30%市场份额 [57]

报告行业投资评级 未提及相关内容 报告的核心观点 - 区域和跨区域输电项目能为美国消费者和企业带来切实的成本节约，所有项目的收益成本比在1.1至3.9之间，且收益成本比随时间推移而提高 [17][20][143] - 旨在实现经济效益的项目超出规划者预期，可靠性驱动的项目也带来了意外的经济效益 [18][19] - 输电是一项长期投资，能随着时间推移带来持久的节约，七个项目的投资回收期在8至34年之间 [20] - 监管机构和规划者可对当前规划和建设的区域及跨区域输电投资充满信心，应优先投资多效益、大规模、协调的区域和跨区域输电项目 [24][144] 根据相关目录分别进行总结 执行摘要 - 规划者和监管者正积极评估输电项目新投资，以应对不断增长的电力需求等问题，同时需关注成本上升问题 [10] - 报告通过七个区域和跨区域输电项目案例研究，展示了大规模输电为消费者带来的节约，包括减少电网拥堵、获取更便宜的发电容量和满足公共政策目标等方面 [11][16] - 关键发现包括：所有项目的收益均超过成本，收益成本比在1.1至3.9之间；旨在实现经济效益的项目超出规划者预期；可靠性驱动的项目带来了意外的经济效益；输电是长期投资，收益成本比随时间提高，投资回收期在8至34年之间 [17][18][19][20] - 这些发现表明区域和跨区域输电项目是审慎的投资，能同时满足多个优先事项，监管机构和规划者应优先投资多效益项目 [24] 引言 - 电网规划者和监管者需评估大量新的输电投资，以应对负荷激增等问题，同时需谨慎评估项目的合理性、对消费者的影响和长期效益 [26] - 报告通过对七个输电项目的评估，为监管者提供了输电作为成本效益投资的证据 [27] - 考虑输电节约成本的三种方式：减少拥堵、获取更便宜的发电容量和满足公共政策目标，主要输出是收益成本比 [28] - 该研究是美国输电项目的回顾性分析之一，能为能源系统从新输电容量中获益提供有价值的见解 [31] - 电网运营商规划输电项目以满足多种需求，理想情况下应规划多效益项目，输电基础设施具有适应性，能适应意外变化 [32][33] 区域和跨区域输电为消费者带来节约的案例研究 - 选择七个正在运营的区域或跨区域输电项目进行研究，这些项目覆盖美国七个区域输电组织（RTO），提供至少10年的运营数据，展示大规模项目和多种发展驱动因素 [37][39] - 四个总体发现：所有项目的收益均超过成本，收益成本比在1.1至3.9之间，拥堵缓解节约占收益的大部分；旨在实现经济效益的项目超出规划者预期，五个非可靠性项目均超过FERC的1.25收益成本比标准；可靠性驱动的项目带来了意外的经济效益，接近或超过1.25标准；输电是长期投资，收益成本比随时间提高，投资回收期在8至34年之间 [48][53][56][60] 方法 - 计算七个输电项目的收益和成本，主要输出是收益成本比，与项目原计划的预期收益成本比进行比较，成本和收益按所有消费者的总费率影响计算 [68] - 方法的基本原理：通过观察性能计算收益和成本，能捕捉意外因素对项目价值的影响；收益列表保守，可能低估了未来电网规划者考虑的全部收益；采用保守方法计算拥堵缓解和资源充足性节约；单独评估输电线路是简化复杂交互的合理方法；不考虑收益和成本在不同消费者之间的分配 [74][75][77][80][81] - 计算输电收益：考虑三种节约方式，即减少拥堵、获取更便宜的发电容量和满足公共政策目标，还考虑项目特定的其他收益；通过估算输电容量计算收益，交流线路根据里程和电压估算，直流线路使用额定功率承载能力 [83][87][88] - 计算输电成本：根据输电所有权结构不同，采用不同的财务模型计算成本，包括投资者拥有的公用事业、公共电力公用事业和独立商人开发商 [122] - 收益成本分析：计算两个不同时间段的收益成本比，即项目至今的实际运营时间和40年的财务寿命；次要输出是每个项目的投资回收期；所有收益和成本转换为2024年的净现值，使用3%的贴现率和2.45%的通货膨胀率进行预测 [134][138][140] 结论：抓住区域和跨区域项目的好处 - 所有项目都带来了广泛的经济效益，收益成本比在1.1至3.9之间，且随投资的财务寿命增加而提高，所有项目都超过了预测收益，有望在财务寿命内收回成本 [143] - 监管者和规划者可对当前的区域和跨区域输电投资充满信心，这些项目可能多次收回成本，强调了强大、协调和多效益的区域和跨区域规划的重要性 [144] - 负荷增长、新技术成本下降和新的联邦法规推动了对区域和跨区域项目的需求，FERC Order No. 1920 - A 革新了区域规划，确保全面评估长期规划中的收益 [145] - 提供了一些资源，帮助深入了解输电收益和FERC Order No. 1920 - A 带来的机会 [146] 附录A：逐个项目评估 - 对七个项目进行详细评估，包括监管背景和实现的收益，以增强分析和计算收益的可信度 [148] - 每个项目的具体情况： - 跨声电缆项目：美国第一个商人输电项目，旨在缓解纽约长岛的容量短缺和增加市场竞争，自2010年以来为消费者带来了可观的经济节约，财务寿命收益成本比为2.4，包括拥堵缓解和资源充足性节约，还有稳定电网等非量化收益 [150][156][157] - TrAIL项目：为解决PJM系统的关键可靠性问题而提出，自2011年以来为消费者带来了可观的收益，财务寿命收益成本比为1.1，主要是拥堵缓解节约，还有与重建项目相关的非量化收益 [159][166][167] - 帕多克至罗克代尔项目：第一个因经济而非可靠性目的获得威斯康星州公共服务委员会批准的输电项目，预期收益成本比为0.5 - 5.2，实际财务寿命收益成本比为3.3，主要是拥堵缓解节约，还有其他项目特定收益和增强区域抗灾能力等非量化收益 [169][177][178] - CapX2020项目：由10家输电公用事业公司联合发起的可靠性驱动项目，旨在确保电力可靠性和增加可再生能源接入，自项目通电以来为消费者带来了可观的节约，财务寿命收益成本比为1.9，包括拥堵缓解、公共政策和其他项目特定收益 [181][188] - 比弗至俄克拉荷马城项目：为支持俄克拉荷马州的公共政策目标而开发，自2014年以来为消费者带来了可观的节约，财务寿命收益成本比为3.9，超过预期，包括拥堵缓解和公共政策节约，还有俄克拉荷马州成为风能领导者等非量化收益 [191][197][199] - 贝克斯菲尔德至肯德尔项目：为支持德克萨斯州的公共政策目标和风力发电扩张而开发，自2013年以来为消费者带来

报告行业投资评级 未提及 报告核心观点 报告围绕性别薪酬差距展开研究，通过对大量在线职业档案样本分析，从样本选择、技能距离、工资流动性、薪酬差距分解、职业历史轨迹模式及未来性别构成预测、公司类型与人力资本结果相关性等方面进行深入探讨，揭示时间和职业选择对性别薪酬差距的影响 [1][7] 各部分总结 样本选择 - 分析使用麦肯锡组织数据平台专有信息，数据来自数百万在线公共职业档案，涵盖超1000亿人工作和教育历史及超20亿个职位发布信息 [2] - 聚焦美国档案，从超6000万个已识别性别的档案中随机抽取100万男性和100万女性，用机器学习模型预测性别，仅纳入置信度超95%的预测结果 [3] - 从200万个个体数据集中筛选出声明教育情况、至少换过一次角色且最高教育程度后有至少10年工作经验的子集，最终样本为35235名女性和50529名男性，共85764人，约有36000个独特职位头衔，可映射到705种职业 [4] - 约三分之二样本工人2000年后开始职业生涯，约一半2005年后进入，各队列职业轨迹总体一致，对2012年开始职业生涯且到2022年有10年工作经验的子集分析结果相似 [5] - 样本反映在线工作历史档案，偏向高学历、高收入职业工作者，男女偏向不同，重新加权样本后结果方向相似 [9] 技能距离 - 通过查看个人所担任工作的技能要求估算技能距离，使用2090万个汇总职位发布数据，仅考虑至少出现在60%职位列表中的技能 [10] - 每次角色变动的技能距离通过将新技能加权数量除以新角色所需总技能数量计算，技能按频率加权，采用逆频率权重 [13][14] 工资流动性 - 研究工人职业路径和10年内角色转换，以2022年为基年确定职业生涯第10年任何职业的平均工资 [15] - 为了解男女职业轨迹模式差异，按职业平均工资将所有职业分为五等分，考察男女在职业生涯第10年按职业工资五等分的分布情况，跟踪他们从起始职业到第10年职业在五等分之间的移动 [16] 性别薪酬差距分解 - 整体薪酬差距通过比较男性和女性加权平均工资估算，2022年美国劳动力按职业划分的整体平均工资从劳工统计局获取，按性别分解使用IPUMS的男女工资差距比率和劳工统计局的按职业划分的工人性别分布，样本和美国整体劳动力薪酬差距均估计为27% [17][19] 起点和职业轨迹差异 - 采用反事实情景“如果女性在职业生涯前10年从自己起点开始遵循男性职业路径，第10年职业分布会怎样”，计算男女无性别平均工资，有意忽略职业内性别薪酬差距以专注于移动模式 [20] - 测量女性在反事实情景下的无性别平均工资，第10年男女无性别平均工资差距分为职业轨迹差异导致的差距和起点差异导致的差距 [24] - 样本中女性第10年无性别整体平均工资约82000美元，反事实情景下约89000美元，职业轨迹差异导致差距7000美元（8%），男性第10年整体平均工资约92000美元，起点差异导致差距3000美元（3%），职业轨迹差距对低收入五等分人群最高 [25] - 通过几种替代反事实情景和不同样本子集验证结果稳健性，结果一致 [26] 职业内晋升差异 - 将职业分为专业职业和企业职业两类，专业职业中角色内经验差异是职业内晋升导致薪酬差距的主要驱动因素，企业职业中资历水平和角色内经验差异都是根本驱动因素 [27] - 个人在第10年职业中的资历水平基于角色头衔和该职业总经验，样本中每个独特角色头衔分配到五个资历类别之一，根据劳工统计局职业工资分布为个人分配基于资历水平的工资乘数，忽略职业内性别薪酬差距以专注于晋升差异 [28] - 使用按百分位数划分的工资分布数据估算资历维度的工资，假设工资随角色头衔线性增长，考虑高任期低资历角色人员可能比低任期高资历角色人员收入更高的情况 [29][30] 工作时间差异 - 使用美国社区调查中美国劳动力按职业划分的男女工作时间数据，计算男女跨职业平均工作时间差异，以分离劳动投入差异的影响，工作时间差异可能源于兼职工作者比例差异或全职和兼职工作者总工作时间差异 [31] 职业历史轨迹模式和未来性别构成预测 - 麦肯锡全球研究院对美国未来工作的研究估计了到2030年按职业划分的劳动力需求，提供了到2030年需要转入增长职业和转出萎缩职业的工人总数 [32] - 使用样本历史职业轨迹数据跟踪职业间移动，为每个增长和萎缩职业估计不同性别工人留在原职业、转入其他增长职业和转入萎缩职业的比例，汇总这些估计以预测到2030年增长和萎缩职业的性别构成，未考虑外部因素潜在影响 [33][34] 公司类型与男女人力资本结果相关性 - 从样本中识别出7409名男性和5067名女性，他们在2010 - 2019年间至少在约1100家公司中的一家工作过，这些公司分为四类 [35] - 该子样本性别分布与整体样本相似，但更偏向高收入STEM和商业专业职业，比较四类公司中男女在职业生涯第10年的几个人力资本结果指标，数据基于职业平均水平，以识别通过特定类型公司与职业路径导致的薪酬差距之间的相关性 [36][37][38] - 通过分析三个子样本工人和在更窄时间范围内通过这些公司的个人验证结果稳健性，结果相似 [39] 术语表 - 对职业中断、职业路径、竞争得分、灵活性、性别薪酬差距、增长职业、萎缩职业、收入五等分、职业类别、职业、P+P赢家、绩效驱动型公司、以人为本公司、典型表现者、剩余薪酬差距、角色、角色变动、技能距离、工作经验、工作经验薪酬差距等术语进行定义 [41][42][43][44][45][46][47][48][49][50][51][52]

报告行业投资评级 未提及相关内容 报告的核心观点 - 对于使用特殊考试安排的学生（即残疾学生），ACT综合分数比高中GPA更能预测大一GPA和大学学位完成情况，两者结合使用能更准确预测大学学业成果 [2][3] - 高等教育机构应采用多种评估方式，包括标准化考试成绩，来评估学生的学术表现和大学准备程度，残疾学生进入大学后应寻求适当支持以提高成功几率 [5] 根据相关目录分别进行总结 引言 - 残疾学生参加ACT考试的上大学意愿与非残疾学生相似，但在教育中面临诸多障碍，影响大学准备程度和升学机会 [12] - 残疾学生在高中阶段GPA和考试成绩较低，毕业率低于同龄人；高中毕业后，他们进入高等教育的比例较低，大学毕业率也低于非残疾学生 [13][14] - ACT考试用于大学招生、课程安排、奖学金评定等，确保其对所有学生（包括使用特殊考试安排的残疾学生）准确预测大学成功至关重要 [15][16] 研究问题与假设 - 研究问题包括ACT和HSGPA分别及共同对使用和未使用特殊考试安排的学生预测大一GPA和学位完成情况的程度，以及两者结合是否提高预测准确性 [23] - 假设残疾学生使用特殊考试安排参加ACT考试的大学GPA和学位完成率低于未使用安排的学生，HSGPA和ACT分数是大学成功的重要预测因素，两者结合使用能提高预测效果 [22][24] 研究样本 - 样本包括143,768名ACT考生，其中2,659名（2%）使用特殊考试安排，141,109名（98%）未使用 [31] - 25%的学生最初进入两年制院校，75%进入四年制院校；使用特殊考试安排的学生更可能进入两年制院校（33%） [32][34] 研究设计 - 预测变量包括ACT综合分数、HSGPA和学生人口统计变量；结果变量包括大一GPA和学位完成情况 [43][44] - 分析方法包括描述性统计、回归模型、绘制图表、评估模型拟合度和分析残差 [47][48][53] 研究结果 - 描述性统计显示，使用特殊考试安排的学生ACT综合分数、HSGPA、大一GPA和学位完成率低于未使用安排的学生；ACT综合分数与HSGPA、大一GPA的相关性在四年制院校学生和未使用安排的学生中更高 [56][59][71] - 回归模型结果表明，ACT综合分数是大一GPA和学位完成情况的显著预测因素，对四年制院校学生的大一GPA和四年内获得学士学位的预测中，未使用安排的学生效果更强；HSGPA也是显著预测因素，低HSGPA的使用安排学生表现优于未使用安排的学生，高HSGPA则相反；ACT综合分数和HSGPA结合使用时，两者之间存在显著交互作用，使用安排和未使用安排的学生在高ACT综合分数和高HSGPA水平上的结果差异更明显 [102][131][167] - 模型拟合度分析显示，同时使用ACT综合分数和HSGPA的模型比单独使用任一预测因素的模型拟合度更好，加入学生人口统计变量进一步提高拟合度 [171][174] - 残差分析表明，使用特殊考试安排的学生平均残差较大且多为负数，表明预测结果高估了他们的实际表现，但预测六年内获得学士学位的模型有轻微低估情况；同时使用ACT综合分数和HSGPA的模型残差较小 [176][177]