作为资本市场的重要定价因素，股票意见分歧多由分析师预测差异来度量，但该指标具有低覆盖、高时滞、报喜藏忧等问题。为此，本文依照监管机构要求的投资者分类标准，构造保守型、稳健型、平衡型、积极型、激进型五类AI智能体，利用各智能体对股票新闻的评价差别构建AI分歧指标，识别由新闻引发的股票意见分歧。实证分析发现：（1）新闻意见分歧在当月推高股票价格，致使未来4个月股票产生较低的收益率和较高的暴跌概率。（2）在套利成本更高的股票中，意见分歧对股票价格的扰动更为剧烈。（3）意见分歧吸引小单和中单交易的追捧，引致特大单的反向交易。（4）新闻意见分歧导致股票高波动和价格高估，可以部分解释特质性波动率之谜。本研究弥补了意见分歧在当期推高估值的实证缺失，一定程度上解决了AI收益率预测的前视偏差顾虑。

通货膨胀如何影响资产价格？经典的“债务-通胀”渠道认为，通胀将降低债务的实际价值并将财富由银行转移至企业。而本研究发现，不同监管环境下通胀会引起银行和企业间非单调的价值转移。理论分析结果表明，在债券违约率更高、回收率更低的松监管环境下，通胀使得回收率上升，实际价值从企业向银行转移；在违约率较低、回收率较高的严监管环境下，通胀使得名义债务贬值，实际价值从银行向企业转移。本文利用1994-2025年的A股数据，提供了支持分析的经验证据：08金融危机引发对银行监管的关注和巴塞尔Ⅲ导致了银行价值对通胀的暴露由正转至长期为负，而影子银行的发展又重新降低了银行对通胀的负向暴露。基于DSGE的量化模型中，货币政策与通胀冲击会产生符合分析的价值转移结果。本文为通胀对资产价格和实体经济的影响提供了一个新的研究视角，为货币政策制定与银行监管提供了重要的关注对象和货币非中性的证据。

在我国资本市场中，政策作为宏观调控的重要工具，对行业资产价格具有显著影响。本文尝试将政策文本纳入金融文本分析框架，构建政策——行业相似度指标体系，识别政策支持导向，并探讨其在行业定价中的作用机制。文章构建了涵盖多层级政策的文本数据库，分别采用传统模型（LDA和LSA）与大语言模型（LLM）识别政策中的行业提及频次，测算政策——行业相似度指数，并结合行业收益数据构建策略。文章进一步引入支持向量回归（SVR）识别不同行业的最优政策滞后期，提升策略表现。实证结果表明：LLM模型在政策主题提取上明显优于传统方法，基于政策相似度构建的行业策略在多阶段均展现出稳健的超额收益，且政策对行业的影响有长期滞后效应，行业反应通常在政策发布半年后。考虑现实市场约束，基于最优滞后窗口构建的单边多头策略也表现优秀，具备良好实用性，特别是在政策密集期（如2015、2020年）表现突出。本文的研究为政策信号的量化研究与行业资产配置提供了新的方法与实证支持。

收益率非对称性定价是金融研究中长期存在争议的重要问题。本文创新性地提出了基于概率分布、反映收益率整体非对称性的新测度（Return Asymmetry, RA），首次为该争议提供了跨市场的系统性证据。研究发现：首先，RA测度在中、美等主要市场均能负向预测股票横截面收益率，其解释力较传统测度显著提升；其次，RA的定价优势源于其对收益率复杂分布信息的更全面捕捉，特别是能有效识别系统与特质非对称之间的交互效应；最后，通过博彩偏好、投资者情绪、关注度和套利限制等多维度渠道分析，证实行为因素是驱动收益率非对称性定价的核心机制。本研究不仅有助于弥合学术分歧，更建立了具有全球适用性的非对称定价分析范式。

如何合理评价基金业绩是满足培育一流投资机构这一国家重大需求的重要议题。现有的基于传统资产定价方法所构造的因子无法满足大数据时代高维特征决定基金业绩的市场环境。本文创新性地运用前沿的工具主成分分析法，从28个与基金业绩有关的特征中提取出隐性定价因子。本文发现，五因子隐性模型对基金和基金组合业绩的整体解释力度在样本内分别达到了81.85%和99.82%，这一整体解释力度在样本外分别为79.53%和99.74%。本模型对基金和基金组合的解释力从整体、时序、截面和相对误差每个角度都优于传统的显性因子模型。在识别隐性因子过程中，基金持仓股票的市值、换手率、营业利润、过往表现和基金过往业绩发挥了最重要的作用，但同时，隐性因子部分的定价能力同通货膨胀率、国债利率、宏观杠杆率、股债市场流动性和工业生产不确定性等常见的宏观周期波动有关。最后，基于以上发现，本文认为应当利用大数据多元化基金业绩度量体系，以优化散户投资者基金资产配置效率。

投资者对宏观经济风险的评估如何影响资产价格一直是实证资产定价的难点之一。已有研究指出新闻文本会改变投资者对宏观经济的判断和预期进而影响股价，但如何有效提取与宏观经济风险相关的文本叙事信息来解释或预测资产价格变动，尚未达成共识。本文基于2007-2021年中国七家专业财经媒体的新闻报道数据，首次结合人工智能前沿领域的BERT大语言模型来测度新闻叙事注意力信息，然后利用稀疏工具主成分（Sparse IPCA）估计影响基本面的状态变量和影响资产价格的叙事定价因子。基于A股市场的实证检验发现：第一，本文利用新闻文本估计的状态变量对于消费、产出、国债收益率等宏观经济指标具有显著的预测效果，这表明新闻叙事蕴含着影响经济运行的信息。第二，相比CAPM、三因子等基准模型，基于新闻文本构建的叙事因子模型能更好地解释资产错误定价现象，并对未来资产价格的变化有更强的预测能力。第三，与基于关键词的文本分析方法（如LDA主题模型）相比，利用BERT提取文本信息可在保证因子模型简约性的基础上获得更优异的定价效果。本文的研究结论对于解释资产横截面收益差异有新的启示，同时为应用大语言模型于经济金融学研究抛砖引玉。

本文在中国股票市场中，针对上市公司公告文本数据，采用文本分析机器学习方法进行信息提取，研究了上市公司公告信息与资产预期回报之间的关系，并探讨其对资本市场的影响渠道。本文首先依据监督式训练方法构造了基于公告的文本情感词典，并以此为基础使用机器学习方法对公告效应进行实证分析。其次，本文探究了公告效应的预测来源，并进行了异质性分析。本文研究发现，基于机器学习的公告文本情感倾向能够显著正向预测股票收益，在全样本中多空投资组合的平均年化收益达到了 20.04%。公告效应在小规模、成长型公司中溢价显著；与国企相比，民营企业的公告效应更显著。在对公告效应的来源分析中，本文发现金融机构关注度和公司信息披露质量较高的公司，公告效应相对较弱，而散户投资者的关注度会加强公告效应。

流动性问题、股市巨幅震荡、股灾及经济的周期性衰退令各国监管层和投资者头疼已久，但这些问题并非无解。本文摒弃造成上述问题的新古典主义均衡价格理论，采用规范经济学的研究方法，建立起一个全新的基于公理的价值理论。以本文理论为指导的价值投资能够取得 Fama-French 三因子模型完全无法解释的巨额超额回报，从经验上支持了本文的理论。以本文理论为指导，将从根本上避免股市的暴涨暴跌，使经济持续稳健地高速发展成为可能。

现阶段中国政策利率下行并未有效传导至中长期利率，货币政策利率传导效率欠佳。结合近年来蓬勃发展的资产证券化，文章从利率传导渠道出发，厘清了资产证券化借助价格风险对冲、信贷资产定价的途径，疏通政策利率向债券市场利率、信贷市场利率传导的作用机制。基于 2012 年 9 月至 2020 年 8 月期间的月度数据，应用局部投影方法充分识别了资产证券化在利率传导渠道中发挥的作用。研究结果表明，“高资产证券化”状态下货币政策冲击对债券市场不同期限利率以及信贷市场贷款利率的传导效率远高于“低资产证券化”状态。需要强调的是，在替换不同类型的货币政策冲击、改变资产证券化的测度方式、引入更多的控制变量之后，该结论仍然成立，可见发展资产证券化有利于提高货币政策利率传导效率。进一步将货币政策冲击区分为宽松冲击和紧缩冲击后，发现面对宽松货币政策冲击时，资产证券化对利率传导效率的提振更大。建议在货币政策调控框架转型，特别是在货币政策适当加大力度“稳增长”的关键时期，大力推动资产证券化发展，助力货币政策传导提质增效。

动量因子是资本市场上表现最为稳健强劲的投资因子之一，本文研究了中国股市和债市间的动量溢出效应。结果发现，我国股市动量持续期约为 6 个月，债市动量持续期约为 12 个月，并且股市和债市之间存在动量溢出效应，股市持续上涨对债券价格有负面影响，而债市持续上涨对股票价格影响则是正面的。基于动量溢出效应构建的跨资产动量组合收益高于传统动量组合，风险对冲效果更好。进一步研究两个市场间的动量溢出效应传导机制，在股市动量传导至债市渠道上，央行超额存款准备金率发挥了中介作用，该作用在股市牛市期间显著，而在股市熊市期间不显著，在债市动量传导至股市渠道上，股市融资机制起到了中介作用。这些发现拓展了国内动量效应的研究，有助于投资者制定科学投资策略，为监管机构进一步推动金融市场化改革提供依据。