保持金融稳定是目前中央“六个稳定”政策中的重中之重，系统性金融风险关乎经济发展。本文手工整理了 2010 年~2017 年非上市银行数据，利用集成机器学习（Ensemble ML） 技术测算中国 5 家国有商业银行、12 家股份制商业银行及 103 家城市商业银行的系统性风险，弥补了V-Lab 仅包含部分上市银行的缺陷。发现：总体系统性风险不断上升，各年度平均有 25%以上的急速增长，2016 年底出台的一系列政策有效控制了这一上升趋势，2017 年显著下降 10.3%；SRISK 份额最高的 5 大国有商业银行仅占 54.78%，城市商业银行的系统性风险份额不断上升、已成为中国系统性风险的潜在累积点；区域性演进上呈现向东南沿海积聚的特点。控制区域性发展的回归模型进一步揭示了商业银行系统性风险出现和上升的影响机制：总资产有显著的正向影响，支持“大而不能倒”的观点；杠杆率和期限错配是重要影响因素，银行的杠杆率降低 1%，系统性风险上升的概率显著下降 0.2%，系统性风险出现的概率下降 0.84%，上一年度出现风险的银行该年系统性风险上升的概率下降 0.5%，支持了“降杠杆”政策，且对非系统重要性银行降杠杆的效果更显著；提高流动性有利于显著降低系统性风险，但调控效果没有降杠杆强。最后利用国家层面和省际层面累计的系统性风险，发现金融风险对经济增长的确存在显著影响。

数字金融迅速发展如何影响孩子的学习成绩？本文基于社会资本理论和物质资本理论探究数字金融发展对孩子学习成绩的影响及内在机制。基于中国家庭追踪调查（CFPS）和中国数字普惠金融指数数据，本文发现数字金融发展降低了孩子的学习成绩。 通过分析数字金融对孩子成绩的影响机制，发现数字金融发展促进了父母的就业，增加了父母工作时间， 引起家庭“社会资本”降低，使得父母陪伴和监督孩子的时间减少， 导致孩子的学习成绩下降。祖父母的陪伴、 参加课外辅导班及住校能在一定程度上弥补父母对孩子陪伴时间的减少，缓解数字金融发展对孩子学习成绩的负向影响。 数字金融虽能提升家庭的“物质资本”，但并没有通过显著增加对孩子的教育投资而提升孩子成绩。 本文结论对家长和政策制定者具有一定的启示。

作为新一轮科技革命和产业变革的重要驱动力量，人工智能对企业提高生产率、优化劳动力结构方面有重要影响。本文收集了 2007-2018 年中国沪深 A 股上市公司年报和专利文本信息，采用机器学习的方法构建了企业层面的人工智能指标，究了人工智能对企业生产率的影响以及劳动力技能的匹配过程。本文发现人工智能显著提升了中国上市公司的生产率。为了发挥人工智能的生产率效应，企业会提高劳动力总数，增加非常规高技能劳动力数量，减少常规低技能劳动力数量。人工智能的生产率效应在国有企业、劳动密集型企业、拥有技术型董事会的企业、高技术行业、高要素市场发育程度的地区以及拥有较大政府支持力度的地区中更显著。最后，本文发现人工智能有助于提高公司价值。本文加深了微观企业层面对人工智能在生产过程中所扮演角色的理解和认知，并在企业和政策层面推动人工智能技术发展给出了建议。

：本文手工整理了2010 年~2017 年非上市银行数据，利用集成机器学习技术测算中国商业银行的系统性风险，弥补了V-Lab 仅包含部分上市银行的缺陷。发现：总体系统性风险不断上升，2016 年底出台的一系列政策有效控制了这一上升趋势，2017 年显著下降10.3%；SRISK 份额最高的5 大国有商业银行仅占54.78%，城市商业银行的系统性风险份额不断上升、已成为中国系统性风险的潜 在累积点；区域性演进上呈现向东南沿海积聚的特点。控制区域性发展的回归模型进一步揭示了商业银行系统性风险出现和上升的影响机制：资产规模有显著的正向影响，支持“大而不能倒”的观点；杠杆率和期限错配是重要影响因素，银行的杠杆率上升1%，系统性风险上升的概率显著上升0.34%，支持了“降杠杆”政策，这一结论对是否是系统重要性银行都稳健；提高流动性有利于显著降低系统性风险，调控效果没有降杠杆强，但对小规模银行更有效。我们还观察两个银行机构特征，银行主动承担风险使得银行自身系统性风险上升，帮助企业发现债券没有显著影响基本对非系统重要性银行也不会影响系统性金融风险。最后利用省级和城市层面累计的系统性金融风险，发现系统性金融风险对经济的增长和发展质量的确存在显著负作用，风险上升的省份和城市经济作用更显著，系统性金融风险是关乎经济发展的关键因素。

人口老龄化给劳动力市场带来了广泛而深远的影响。作为微观经济主体的企业在面 对人口老龄化带来的负面冲击会如何应对?本文采用自然语言和深度学习技术，使用中国上 市公司年报文本构建出企业层面对人口老龄化影响感知程度的指标，并基于理性经济人和社 会成本理论，从成本粘性视角探讨了人口老龄化对企业劳动力资源调整决策的影响及成因。 实证结果表明，人口老龄化会增加企业的劳动力成本粘性。原因在于企业对人口老龄化影响 的感知程度越高，越会出于承担社会责任的非经济动机使劳动力资源“易增难减”。且此效 应在国有企业和位于市场化程度较高地区的企业中更为显著。本文拓展了人口老龄化的经济 后果研究，为国家积极应对人口老龄化提供了微观层面的经验证据。此外，本文将文本分析 方法引入宏观环境与企业行为的研究，为未来该领域的研究提供了新思路。

股价的崩盘风险具有重要的研究价值与意义。着眼于由错误定价引发的崩盘风险，本文通过机器学习模型为每个股票-月份样本计算得到样本外崩盘风险信息，逐年样本外预测精确性的均值为89.06%，在一定程度上保证了崩盘风险信息的有效性。本文对崩盘风险信息的进一步研究发现：（1）崩盘风险的截面收益具有较高的统计与经济显著性，且具有边际的定价能力；（2）当在投资策略中加入崩盘风险的截面信息执行因子择时策略时，样本外夏普比率约为未加入的2.05倍，显示出崩盘风险的截面信息对于因子择时的突出贡献。本文的研究结果具有较强的现实意义，表现为基于崩盘风险信息，能够充分发挥资本市场中市场与非市场的力量，从而有效地降低系统性风险发生的可能性，为金融体系的健康发展保驾护航。

优胜劣汰的高质量的股票市场是金融服务经济和供给侧改革的关键。本文使用90多个财务特征指标“大数据”和多种机器学习方法提取基本面信息，对上市公司质量进行评价并构建基本面综合质量指数，研究基本面质量与股价表现的关联关系。研究分析，上市公司基本面综合质量指数对股价表现具有显著为正的预测能力。其中，由偏最小二乘法构建的质量指数对股票横截面收益的预测能力最强，年化收益接近38%，且CAPM、三因子和五因子模型对此无解释能力。我们还进一步从行为金融和宏观经济周期视角探索公司质量对股票价格的影响机制，发现市场情绪、有限套利、公司投资决策和经济周期都有助于深入理解上市公司质量溢价现象。本文研究表明，我国股票市场定价效率已经稳步提高，进入了“优胜劣汰”和价值投资阶段。

数字金融迅速发展如何影响孩子的学习成绩？本文基于社会资本理论和物质资本理论探究数字金融发展对孩子学习成绩的影响及内在机制。基于中国家庭追踪调查（CFPS）和中国数字普惠金融指数数据，本文发现数字金融发展降低了孩子的学习成绩。通过分析数字金融对孩子成绩的影响机制，发现数字金融发展促进了父母的就业，增加了父母工作时间，引起家庭“社会资本”降低，使得父母陪伴和监督孩子的时间减少，导致孩子的学习成绩下降。祖父母的陪伴、参加课外辅导班及住校能在一定程度上弥补父母对孩子陪伴时间的减少，缓解数字金融发展对孩子学习成绩的负向影响。数字金融虽能提升家庭的“物质资本”，但并没有通过显著增加对孩子的教育投资而提升孩子成绩。本文结论对家长和政策制定者具有一定的启示。

在创新驱动发展战略指引下，近年来企业之间的研发联盟日趋增多。本文以研 发联盟和创新活动都活跃的创业板公司为研究对象，分析了研发联盟对于技术创新的影响及其 作用机理。本文运用“匹配法和双重差分法”研究发现，企业实施研发联盟对于创新具有显著 的促进作用。在反映创新能力的多项指标方面，发生研发联盟的企业都强于未发生研发联盟的 企业;无论是使用新增专利数量、新增发明专利数量、技术多元化还是创新突破性指标，都稳 健地验证了研发联盟提升了企业创新能力。并且，研发联盟促进企业创新存在先递增后递减的 滞后效应。进一步发现，研发联盟的连续性对于企业创新具有学习效应。相对于一次性研发联 盟，连续性的研发联盟更能够促进企业创新。此外，研发联盟的治理结构对于企业创新具有调 节效应。相对于股权式研发联盟，以契约形式缔结的研发联盟对企业创新的促进作用更大。本 文对于我们深入认识中国企业缔结研发联盟的协同效应提供了理论基础和经验证据，并为政府 和企业着力提升创新能力提供了决策依据和政策建议。

以往董事会文献大多关注单一董事会特征如何解释公司绩效，缺乏同时考虑多维董事 会特征对公司绩效的预测性研究。本文运用机器学习方法探究 46 个董事会特征对公司绩效的预测 能力，发现:1. 董事会特征可以预测公司绩效;2. 董事平均薪酬、董事会持股比例、董事平均任期、 学历异质性的预测能力较强，董事会结构特征预测能力较弱;3. 公司绩效与董事平均薪酬基本呈正 相关，而与董事会持股比例、董事平均任期、学历异质性呈非线性关系。该结果说明，我国公司 中董事会特征与公司绩效的关系紧密且复杂，运用机器学习方法可以帮助我们认识这些复杂关系、 提升对公司绩效预测的准确性。