在上海高級金融學院（高金），每月與海內外學者的思想交鋒早已成傳統。

今年3月，共有7位來自麻省理工學院、香港大學、康奈爾大學、香港科技大學、倫敦政治經濟學院、加利福尼亞大學等知名學府經濟金融領域的一流學者如約而至，通過Seminar（學術研討會）與Brown Bag（學術午餐會）與高金教授、學生展開深度對話和觀點碰撞，持續點燃學術熱情。

7場研討會議題涵蓋了從宏觀金融學、行為金融學、影響力投資，到資產定價、利率、匯率、加密貨幣、金融科技、金融素養等多個前沿領域，打造了與全球金融智慧同步的平臺。

讓我們共同回顧3月高金精彩的學術現場！

3月高金學術分享嘉賓一覽

3.05

Xiaodong Zhu

香港大學經管學院經濟學系主任、經濟學講席教授

3.07

Lawrence Jin

康奈爾大學金融學副教授

3.12

Ruishen Zhang

香港大學經管學院會計學助理教授

3.14

Yan Ji

香港科技大學商學院金融學副教授

3.19

Jun Liu

加利福尼亞大學圣地亞哥分校金融學教授

3.21

Antoinette Schoar

麻省理工學院斯隆管理學院金融學與創業學教授、Journal of Finance 執行主編

3.28

Igor Makarov

倫敦政治經濟學院副教授、Journal of Financial Economics副主編、Journal of Finance副主編

3月高金學術現場精彩回顧

3月5日

中國自下而上的制度變遷與增長

Xiaodong Zhu

香港大學經管學院經濟學系主任

經濟學講席教授

芝加哥大學經濟學博士

Xiaodong Zhu教授以“Bottom-up Institutional Change and Growth in China”（《中國自下而上的制度變遷與增長》）為題，與大家深入探討了自下而上的改革對推動中國經濟增長所發揮的作用。

他與合作者借助中國縣級地名詞典中的文件，對1976年至2005年間的地方改革事件展開深度剖析，并捕捉了實際發生的政策創新及其傳播。

通過闡述研究結果，Xiaodong Zhu教授指出，自下而上的改革主要通過提高生產率來促進經濟增長，而中央支持的改革則主要通過資本積累來推動經濟發展。

3月7日

無模型學習與基于模型的學習：投資者行為的共同驅動因素

Lawrence Jin

康奈爾大學金融學副教授

耶魯大學金融經濟學博士

Lawrence Jin教授在研討會上，為大家分享了他與合作者共同撰寫的論文“Model-free and Model-based Learning as Joint Drivers of Investor Behavior”《無模型學習與基于模型的學習：投資者行為的共同驅動因素》。

Lawrence Jin教授指出，受大腦計算相關神經學證據的啟發，認知科學家愈發傾向于采用一種融合“無模型學習”和“基于模型的學習”兩個系統的框架。

他和研究團隊將這一框架引入金融領域，借此對一系列有關投資者行為的現象展開研究。研究結果表明，無模型學習在部分投資者的行為中發揮著關鍵作用。

3月12日

氣候價值發現

Ruishen Zhang

香港大學經管學院會計學助理教授

法蘭克福金融管理學院會計學博士

Ruishen Zhang教授帶來了題為“Climate Values Discovery”（《氣候價值發現》）的主題分享。

他與合作者一同研究了分析師在財報電話會議上如何討論和價值相關的氣候問題。研究發現，分析師在討論氣候問題時通常會使用量化語言，并且會根據公司所處行業，以及在不同時期氣候問題的受關注程度進行調整。隨著時間推移，氣候相關問題不斷增加，與價值相關的氣候問題受到的關注也日益增加。

Ruishen Zhang指出，融入氣候價值問題中的見解有助于投資者提高財務回報和環境績效。

3月14日

人工智能驅動的交易、算法合謀與價格效率

Yan Ji

香港科技大學商學院金融學副教授

麻省理工學院經濟學博士

Yan Ji教授通過介紹他與合作者共同撰寫的論文“AI-Powered Trading, Algorithmic Collusion, and Price Efficiency”（《人工智能驅動的交易、算法合謀與價格效率》），探討了算法交易與強化學習的結合，即人工智能驅動的交易，如何通過重塑交易方式改變金融市場。

他與研究團隊構建了一個理論實驗室，將金融市場作為信息聚合機制，促使投資者謹慎地根據私人信息進行交易以保留信息租金。

研究發現，知情的人工智能投機者可以在沒有協議、溝通或意圖的情況下，自主維持合謀帶來的超競爭利潤。這種情況破壞了市場的競爭性和效率性。

通過分析，研究團隊還識別出兩種主要的人工智能共謀機制：一是在那些對市場信息不太敏感的投資者占多數且市場噪音較低的情況下采用的價格觸發策略；二是在其他情況下由于學習過程中的過度修剪偏差而導致的結果。

3月19日

貨幣風險溢價的期限結構的可預測性

Jun Liu

加利福尼亞大學圣地亞哥分校金融學教授

斯坦福大學金融學博士

德克薩斯大學奧斯汀分校物理學博士

Jun Liu教授分享了他與合作者的研究“Term Structure of Currency Premia Predictability”（《貨幣風險溢價的期限結構的可預測性》）。

他指出，利率差與貨幣風險溢價在短期內呈負相關，在長期內呈正相關。這種看似矛盾的模式給現有模型帶來了挑戰。為此，他與合作者提出了一個簡潔的模型，用于解釋這種反轉和非單調模式。

該模型具備理性且無摩擦的特點，基于標準的常相對風險厭惡（CRRA）預期效用而構建。該模型有兩個關鍵特征：一是消費方差具有多種衰減模式，二是消費增長與最慢的衰減模式呈正相關。

在這一模型中，匯率、利率和貨幣風險溢價都能得到明確的求解。研究團隊還證實了這一模型得到了實證數據的支撐。

3月21日

金融建議與投資者信念：主動投資策略與被動投資策略的實驗證據

Antoinette Schoar

麻省理工學院斯隆管理學院金融學與創業學教授

Journal of Finance 執行主編

芝加哥大學經濟學博士

Antoinette Schoar博士分享了她與合作者的論文“Financial Advice and Investor Beliefs: Experimental Evidence on Active vs. Passive Strategies”（《金融建議與投資者信念：主動投資策略與被動投資策略的實驗證據》）。

研究團隊通過一項隨機對照試驗，對金融建議的需求端展開研究，旨在了解零售投資者如何基于與他們先驗認知相符或相悖的建議來評估并更新自己的信念。

他們通過比較強調被動策略和主動策略的金融建議，發現當建議與投資者的先驗認知一致時，參與者對該建議的評價更高，但他們會朝著所獲建議的方向更新自己的信念。

此外，研究還表明，金融知識水平的差異對投資者的反應有著顯著影響，而不一致的顧問激勵會降低金融建議的有效性。

3月28日

加密貨幣質押中的競爭

Igor Makarov

倫敦政治經濟學院副教授

Journal of Financial Economics副主編

Journal of Finance副主編

麻省理工學院金融經濟學博士

Igor Makarov教授分享了他與合作者共同開展的研究“Competition in Crypto Staking”（《加密貨幣質押中的競爭》）。

在這項研究中，他們聚焦于卡爾達諾（Cardano）質押市場，發現該市場和指數基金、貨幣市場基金等傳統金融行業存在諸多相似之處。研究團隊借助詳細的區塊鏈數據，取得了兩項重要發現。

其一，他們構建出一種衡量委托者流動性的指標，并且觀察到不同委托者之間的流動性存在顯著差異。其二，研究發現驗證者會綜合考慮委托者的流動性以及規模經濟的變化，進而有策略地設定費用。

與全球金融智慧同步前行

高金每年精心組織近50場學術研討會，聚焦科技金融、數字金融、可持續金融三大核心方向，從多元視角出發，邀請來自全球頂尖學府的知名經濟金融領域學者分享最新學術研究成果和研究趨勢。他們之中不乏擔任經濟、金融學頂刊的主編、副主編的國際學者。

借助每一次研討會的契機，高金的資深教授和青年教授們會與每一位演講者進行深入的面對面交流，分享近期的研究進展，相互切磋并探索學術合作機會。

通過這樣的交流，不僅推動高金學者的學術研究質量不斷邁上新臺階，也讓國際學者更多了解中國，助力中國的金融研究加速融入世界，有利于提升中國學者的國際“能見度”。

每一場研討會也備受高金PhD項目學生的熱烈關注和積極參與。學院會預先組織論文研讀會（安排Reading Group），引導組織學生深入了解研讀每一位演講者的論文，并圍繞感興趣的方向準備提問內容。學生不僅能在研討會現場就論文與演講者展開討論，還有機會在會后與演講者開展小組形式的交流，聆聽專業建議。

學生們表示，通過近距離學習這些具有影響力的學者的前沿研究成果與創新的方法論視角，能夠幫助他們拓寬學術視野，及時把握學術發展趨勢，激發創新研究思路，此外，通過與演講者的互動交流，他們不僅能夠獲得針對性的建議來優化研究路徑，還能逐步積累學術人脈資源，為未來的學術發展和合作奠定更好的基礎。

自2009年建院以來，高金始終以“打造中國的世界級金融學院”為目標，以“匯聚國際一流師資、培養高端金融人才、構筑開放研究平臺、形成頂級政策智庫”為重要使命，始終重視推動高水平學術交流，促進學術創新與進步，為社會發展提供有力支撐。

濃厚的學術氛圍不僅為高金學者們的學術成長提供了豐沃土壤，更為高金的學術研究注入澎湃動力，推動高金打造“全球研究中國經濟金融問題的學術權威、中國研究全球經濟金融問題的思想高地”，也為加快金融強國建設、上海國際金融中心建設、上海交通大學“世界一流大學”建設做出了重要貢獻。

豐富多樣的學術活動，

同學們都有何收獲？

聽聽高金PhD項目的同學們怎么說？

Qing Peng：

Xiaodong Zhu教授的研究與我和我的導師潘軍教授關注中央政府高層會議等宏觀政策事件如何影響資本市場的研究相得益彰，也啟發我未來在研究中可以嘗試整合微觀層面的地方改革數據與宏觀層面的政策事件數據，更全面地理解制度變遷的資產定價效應。

Leyang Tu：

Lawrence Jin教授及其團隊的研究具有重要的跨學科價值，為投資者行為研究提供了全新方法論視角。研究基于大腦計算的神經學證據，發現了無模型學習對部分投資者行為的關鍵驅動作用，彰顯了跨學科研究在破解復雜金融現象中的獨特優勢。

Liyuan Xing：

Ruishen Zhang教授與合作者的研究利用電話會議這一場景揭示了分析師面對ESG相關問題時的行為模式，為投資者評估公司ESG表現提供了更為客觀的視角。

Jie Zhao：

Yan Ji教授及其團隊的研究前瞻性地探討了AI技術的更新迭代對于市場交易行為的影響。研究發現，知情AI投機者可通過價格觸發策略或學習偏差自發維持超競爭利潤，這一結論為監管者在AI發展浪潮的背景下識別市場異常提供了關鍵線索。

Ziqi Liu：

Jun Liu教授及其團隊的研究在貨幣風險溢價領域實現了重要理論突破，為金融市場中跨期限風險溢價的預測與資產配置提供了科學的分析工具，對于我們理解國際資本流動和匯率動態現象具有重要指導意義。

Ruiqi Qin：

Antoinette Schoar教授使用了十分有趣的實驗經濟學的研究方法對投資者的投資心理進行了考察，為投資者決策過程中的自我偏好這一研究話題提供了新的證據，也對投資者的實際投資決策乃至監管者的政策制定提供了堅實的理論依據。

Fenglin Wu：

Igor Makarov教授及其團隊的研究以嚴謹的實證分析證明了傳統金融理論在新興技術場景中的動態適應，既填補了加密貨幣質押市場微觀機制領域的研究空白，又為現實中去中心化金融（DeFi）的監管活動提供了理論依據。

高金項目火熱招生中…

歡迎點擊小程序了解更多信息