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。

快速扩张的加密货币市场引起我们对加密货币价格决定性因素的思考：究竟是什么因素在决定加密货币价格？ 我们以 Google 搜索作为投资者对加密货币的关注度度量指标，检验了加密货币市场的“网络炒作效应”，并进一步提出了由加密货币市场因子、规模因子和网络关注度因子组成的加密货币市场三因子定价模型。我们的实证结果表明：(1) 加密货币市场存在显著的网络炒作效应，网络炒作是加密货币价格上升的推手；(2) 加密货币的平均超额收益率与规模呈负相关关系，与 Google 搜索关注度因子呈显著的正相关关系；(3) 我们提出的三因子模型对加密货币的截面超额收益率具有很强的解释能力，并能够很好地解释加密货币市场中的动量因子、反转因子和流动性因子。

为研究货币政策在股票定价中的作用，本文基于中国A股市场数据，构建以货币政策为条件变量的条件消费资本资产定价模型进行检验。实证结果表明，改进的模型能够显著提高CCAPM模型对市场整体收益和截面收益差异的解释能力，以M1增速为条件变量效果最好。研究发现，货币政策通过主观贴现因子和相对风险厌恶影响市场收益，体现出消费因子风险暴露的时变性，引起各股票组合收益变化；低市值和低账面市值比组合受货币政策影响的敏感性更高。

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。