集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织

苏珊·卡尔顿·阿西 Susan Carleton Athey


类别 信息
姓名： 苏珊·卡尔顿·阿西 Susan Carleton Athey
出生地： 波士顿，马萨诸塞州
国籍： 美国
母校： 斯坦福大学商学院，杜克大学
机构： 斯坦福大学
主要研究方向： 微观经济学、计量经济学、机器学习
博士生导师： Paul Milgrom，Donald John Roberts，Edward Lazear
获奖： 约翰·贝茨·克拉克奖冠军（2007年）

苏珊·卡尔顿 ·阿西 Susan Carleton Athey（出生于1970年）是一名美国微观经济学家。她是斯坦福商学院人文与科学系的经济技术的教授[1]。在加入斯坦福之前，她已经是哈佛大学与麻省理工大学的教授。她是第一位获得约翰·贝茨·克拉克奖冠军的女性[2]。她已经在微软担任了六年的首席经济顾问[3]，同时也是微软研究院的顾问研究员。她目前是以非盈利创新驱动贫困行动公司的董事[3]。她目前还是斯坦福经济政策研究所的高级研究员。她还是斯坦福人本人工智能研究所的副所长及戈卢布资本社会影响实验室的主任[3]。

早期生活及教育经历

Athey出生在马萨诸塞州的波士顿，在罗克韦尔长大。她的父亲Elizabeth Johansen，是一名英语教师兼自由编辑，她的母亲Whit Athey是一名物理专业的学者


Athey在杜克大学读本科，完成了三个专业（经济学、数学和计算机科学），并于1991年获得学士学位[3]。她是在一次暑期工中开始对经济学的研究，与杜克大学Bob Marshall教授一道为一家通过采购招标向政府出售个人电脑的公司准备投标，主要解决与拍卖有关的问题，马歇尔帮助她从国防采购局进行采购拍卖。此外她在杜克大学参加了许多活动，担任Chi Omega女生联谊会的财务主管和曲棍球俱乐部的主席。


1995年，她在24岁时获得了斯坦福商学院的博士学位[4][3]，她的论文由Paul Milgrom和Donald John Roberts指导。Athey同时也获得了杜克大学的荣誉博士。


Athey于2002年与经济学家Guido Imbens结婚[5]。


职业

学术生涯

Athey的第一份工作是在麻省理工担任助理教授，在返回斯坦福大学经济学系担任教授之前，她在此任教了6年，然后又担任了5年的霍尔布鲁克沃金研讨会的主席。之后她在哈佛大学担任经济学教授，直到2012年回到母校斯坦福大学商学院。


研究兴趣

由于Athey在杜克大学，完成了三个专业的学习——经济学、数学、计算机科学，因此，在本科阶段，她总是用编程和统计学作为工具解决经济学领域的问题。基于这一背景，Athey对互联网经济学、新闻媒体经济学、互联网搜索、计量经济学、机器学习、大数据和数字货币感兴趣。此外。她还致力于平台市场、在线广告和产业组织等其他相关领域。目前她专注于数字化经济学、市场设计以及计量经济学和机器学习的交叉学科。


应用拍卖研究

拍卖是Athey进入经济领域的直接原因。她对拍卖研究的各个方面都有贡献。Athey关于重复博弈中共谋的理论适用于拍卖，除了她的私人信息存在定理，她还在拍卖计量经济学方面做了一项创新工作。她在该领域进行了大量的实证研究，她的设计作品对商业和公共政策产生重大影响。Athey和Jonathan Levin检查了美国林务局的口头上升拍卖，以获得在国家森林中砍伐木材的权利。通常情况下，一块给定的土地包含几种不同的出材树种。林业局根据对树种的的检查清点发表了各种树种的比例估计数。然后，潜在的投标者可以进行检查。投标是多维的: 每个物种每个单位的投标金额。中标者是通过使用林业局的估计比例将每个投标人的报价综合起来确定的。然而，中标者支付的实际金额是通过将投标向量应用于最终收获的确切金额来计算的(中标者有两年的时间来完成收获)。这些规则激励投标人扭曲其投标比例，提高投标人认为不如林业局普遍的物种的出价。相反，投标人认为比林业局更常见的物种，则降低其出价。例如，假设有两个物种，林业局估计它们的比例是相等的，但是一个投标人认为它们的比例是3:2。然后出价(100美元、100美元)和(50美元、150美元)在林务局的比例下产生相同的数目，因此中标的可能性是相同的，但是出价者在第一种情况下和第二种情况下的预期付款有所不同[6] 。


Athey最著名的解决拍卖问题的研究是“比较开放和密封的出价拍卖: 由木材拍卖得出的理论和证据。”在本文中，Athey与Johnathan Levin和Enrique Seira合作。她和她的同事对证明参与拍卖的影响是否重要很感兴趣。”有两种类型的拍卖，公开和密封出价拍卖。公开拍卖是指竞标者不断地相互出价高于对方，直到最后一个竞标者放弃竞标，拍卖结束。密标拍卖是指个人写下自己的出价并提交出价，最高出价者获胜。他们使用的数据来自美国林务局的拍卖。作为结论，他们发现参与很重要。这甚至比拍卖过程中实际发生的情况更为重要。


研究贡献

他们的早期贡献包括了一种新的方法来模拟不确定性(她的博士论文的主题) ，以及了解投资者在不确定情况下的行为，还有对拍卖行为的洞察。不确定条件下决策问题的研究主要集中在最优决策在给定参数下是单调的条件上。她将自己的研究结果应用于在拍卖中建立纳什均衡和其他贝叶斯博弈中存在的条件。


他们的工作改变了拍卖的方式。在20世纪90年代早期，通过在拍卖会上向美国政府出售电脑，他们发现了过于宽松的争端解决机制的弱点，发现导致频繁法律纠纷的公开拍卖实际上充斥着共谋，例如，拍卖获胜者与合作竞标的输家分享他们的战利品[7]。她还帮助不列颠哥伦比亚省设计了公有木材的定价系统[2]。她还发表了关于在线广告拍卖的文章，并就微软搜索广告拍卖的设计向微软提供建议[8]。


专业服务

Athey 曾担任《美国经济评论 American Economic Review》、《经济学评论 Review of Economic Studies》、《兰德经济学期刊 RAND Journal of Economics》的副主编以及美国国家科学基金会经济学小组的副组长，她还担任《经济学 Econometrica》、《理论经济学 Theoretical Economics》和《经济学季刊 Quarterly Journal of Economics》的副主编。她是《经济学与管理战略 Journal of Economics and Management Strategy》和《美国经济学杂志: 微观经济学 American Economic Journal: Microeconomics》的前联合编辑。她曾担任2006年北美冬季会议项目委员会主席，并为美国经济计量学会经济委员会、美国经济协会和经济职业妇女地位委员会等多个委员会服务。她还是奥巴马总统的美国国家科学奖章委员会的成员[9]。


此外，除了在学术委员会提供专业服务外，作为“技术经济学家”，Athey还曾担任过数年Microsoft公司首席经济顾问，现在是Expedia、Lending Club、 Rover Turo和Ripple的董事会成员。她还担任不列颠哥伦比亚省森林部的长期顾问，帮助建筑师和实施他们的拍卖为基础的定价系统。她是斯坦福大学商学院 Golub 资本社会影响实验室的创始主任，以及斯坦福人为中心的人工智能研究所的副主任[10]。


Ripple Labs公司

Athey本人自2018年以来一直被列入一系列集体诉讼案中，其中最著名的是Zakinov公司起诉Ripple Labs股份有限公司(Zakinov v. Ripple Labs inc.)(案件编号18-6753) ，该案声称瑞波实验室公司(ripples Labs inc.)和她的雇主们违反了加利福尼亚州和联邦证券法[11]。



奖项和荣誉

学术性

  • 杜克大学艾丽丝·鲍德温纪念奖学金，1990-1991年
  • Chi Omega 基金会玛丽·洛夫·柯林斯奖学金，1991-1992年
  • 斯坦福大学商学院 Jaedicke 奖学金，1992-1993年
  • 美国国家科学基金会研究生奖学金，1991-1994年
  • 国家农场商学论文奖，1994年
  • 国家农场奖，1995年
  • 伊莱恩·贝内特研究奖(该奖每两年颁发一次，表彰在任何领域有杰出贡献的年轻女经济学家)，2000年
  • 美国经济计量学会研究院院士，2004年
  • 美国约翰·贝茨·克拉克奖研究院院士，2007年
  • 美国艺术与科学院院士，2008年[12]
  • 斯坦福大学利伯曼奖学金，2007年
  • 当选美国国家科学院院士，2012年
  • 杜克大学荣誉学位，2009年[13]
  • 费舍尔-舒尔茨讲座，经济计量学会，2011年
  • 让-雅克·拉丰奖，2016年[14]
  • 约翰·冯·诺伊曼奖，2019年[15]
  • CME 集团-MSRI 奖，2019年[16]


非学术性

  • 基尔比奖学金之青年创新奖，1998年
  • 多元化 MBA 的50位不同执行官的前100名
  • 快速公司100位最具创造力的商业人士
  • 世界经济论坛2008年全球青年领袖
  • 创业与创新世界创新峰会2012年世界最具创新力人才奖
  • 微软研究院杰出合作者奖，2016年


出版物


参考文献

  1. ↑ "Enriching the Experience". Stanford Graduate School of Business.
  2. ↑ 2.0 2.1 Priest, Lisa (April 23, 2007). "Economist who aided Canada wins top honour". Globe&Mail, Toronto. Archived from the original on April 27, 2007. Retrieved 2007-04-23.
  3. ↑ 3.0 3.1 3.2 3.3 3.4 "Susan Athey". Stanford Graduate School of Business (in English). Retrieved 2020-12-03.
  4. ↑ Nasar, Sylvia (April 21, 1995). "The Top Draft Pick in Economics; A Professor-to-Be Coveted by Two Dozen Universities". New York Times.
  5. ↑ Simison, Bob (June 2019). "Economist as Engineer". Finance & Development. International Monetary Fund. 56 (2). Retrieved 23 December 2020.
  6. ↑ Roberts, John. “Susan C. Athey: John Bates Clark Award Winner 2007.” The Journal of Economic Perspectives, vol. 22, no. 4, 2008, pp. 181–198. JSTOR, JSTOR, www.jstor.org/stable/27648283.
  7. ↑ Whitehouse, Mark (2007-04-21). "Economist Breaks New Ground As First Female Winner of Top Prize". Wall Street Journal. Retrieved 2008-06-20.
  8. ↑ Ito, Aki (June 26, 2013). "Stanford Economist Musters Big Data To Shape Web Future". Bloomberg.
  9. ↑ "NMS".
  10. ↑ "Susan Athey". Stanford Graduate School of Business (in English). Retrieved 2020-12-11.
  11. ↑ "18-6753 - Zakinov et al v. Ripple Labs, Inc. et al". U.S. Government Publishing Office. 2020-10-02. Retrieved 2020-10-23.
  12. ↑ "Book of Members, 1780–2010: Chapter A" (PDF). American Academy of Arts and Sciences. Retrieved 27 April 2011.
  13. ↑ "Duke Names Honorary Degree Recipients". Duke University. Retrieved 1 June 2014.
  14. ↑ "Jean-Jacques Laffont Prize". TSE (in English). 2018-06-05. Retrieved 2020-12-03.
  15. ↑ "Digitization and the Economy - John von Neumann Award Ceremony: Susan Athey".
  16. ↑ "Mathematical Sciences Research Institute". www.msri.org. Retrieved 2021-06-07.


外部链接


编者推荐

集智课程

计算社会经济学的内容与方法

本课程系统性地介绍计算社会经济学的主要研究内容和分析方法，阐述大规模社会经济数据（包括卫星遥感数据、手机通讯数据、社交媒体数据等）在解决全球贫困问题、刻画区域经济结构、推断个体财富和应急抢险救灾中的具体应用。


计量经济学因果分析工具在快手中的应用

在产品迭代和公司决策中，我们常常关心A如何影响B，在不方便使用A/B实验的场景下，我们可以用因果分析的方法，结合观测数据来回答这个问题。主讲人会介绍在快手常用的因果分析计量经济学方法（包括工具变量法、匹配法、双重差分法、合成控制法等），因果分析和机器学习结合的前沿方法（矩阵补全法、基于决策树/随机森林的异质性的因果效应估计等），以及这些方法如何与业务实践相结合。


机器学习的计量经济学应用

随着机器学习方法的发展和普及，经济学研究也开始关注相关方法的使用。经典的计量经济方法更加关注参数的统计学特征，关注目标测度的质量，因此研究通常要汇报参数估计和其标准误差；给定有限信息的条件下，机器学习算法能够进行更有效的预测。在面对比如ATE的因果估计，最佳政策分配方案，对价格对消费者选择模型的反事实效应估计等问题时，计量经济学和机器学习方法因结合了二者各自的长处，而能发挥更强的效力。本次分享也将为大家展示如何更好地结合机器学习方法和经济学问题进行因果推断。


集智×DataFun合作论坛：因果推断在工业界的应用 | 因果科学第三季第十九期 - 因果科学与Causal AI读书会第三季

估计异质因果效应，即条件平均因果效应(Conditional Average Causal Effect, CATE)，一直以来都是因果推断研究的重要组成。基于树模型的估计 CATE 的方法在学术界被广泛研究，其中最有代表性的是斯坦福大学经济学教授 Susan Athey 的系列工作，包括因果树、因果森林和广义随机森林。广义随机森林 (因果森林是它的特例)和普通的随机森林最大的区别在于，它是从局部加权估计的角度而不是集成方法的角度来解释的。这种基于森林的临近权重让其相对于其它方法具备灵活性，自适应性和易用性等优点。此外, 它基于局部矩方程的估计量还具备良好的统计性质。近年来，它们更是被广泛应用在工业界互联网商业平台的营销活动中, 可以有效地提高用户参与度和平台收入，例如阿里巴巴和亚马逊的优惠券, 共享乘车优步和滴滴的折扣券，抖音的视频观看金币激励等。估计用户对激励的敏感度 (即 CATE) 是个性化激励关键的第一步。所以因果森林是同时在学术界和工业界都是非常有影响力的工作。

相关路径

  • 因果科学与Casual AI读书会必读参考文献列表，这个是根据读书会中解读的论文，做的一个分类和筛选，方便大家梳理整个框架和内容。
  • 因果推断方法概述,这个路径对因果在哲学方面的探讨，以及因果在机器学习方面应用的分析。
  • 因果科学和 Causal AI入门路径，这条路径解释了因果科学是什么以及它的发展脉络。此路径将分为三个部分进行展开，第一部分是因果科学的基本定义及其哲学基础，第二部分是统计领域中的因果推断，第三个部分是机器学习中的因果（Causal AI）。

本中文词条由因果科学读书会词条梳理志愿者我是猫（74989）翻译审校、薄荷编辑，欢迎在讨论页面留言。


本词条内容源自wikipedia及公开资料，遵守 CC3.0协议。

取自“https://wiki.swarma.org/index.php?title=苏珊·卡尔顿·阿西_Susan_Carleton_Athey&oldid=33115”