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。

支持和引导小股东参与治理是保障投资者合法权益和提高上市公司治理水平的重要环节，对于健全投融资协调的资本市场功能和促进上市公司高质量发展具有重要意义。本文以2014-2023年沪深A股非金融业上市公司为样本研究了小股东参与治理出现的意见分歧对股票错误定价的影响。研究发现：小股东意见分歧会显著增强股票错误定价；机制分析表明，小股东意见分歧通过减少公司特质信息含量、降低公司信息披露质量和信息传递效率影响股票错误定价；异质性分析表明，小股东意见分歧对错误定价的负面影响随信息不对称程度和融资约束程度的提高而增强，随投资目标财务相关性的增强而削弱。本文研究结论对于优化上市公司小股东治理机制，促进上市公司高质量发展具有实践指导意义。

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。

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。

文章以沪、深证券交易所发行 A 股股票的境内上市公司 2006-2014 年间的出境并 购案例为研究对象，采用多元截面回归的方法对公司错误定价对出境并购绩效影响进行实证 研究。实证结果发现，并购公司的错误定价对出境并购绩效有显著的影响，被高估的上市公 司在出境并购的当年和出境并购的第一年会产生更多的并购绩效，但在并购后的第二年越是 被高估的上市公司越不利于创造价值。价值被高估的上市公司并未充分利用资本市场估值的 偏差进行低成本的并购融资，估值偏差的融资优势并没有在上市公司出境并购绩效中体现。

以往的研究指出中国上市公司发行前普遍存在盈余管理行为，这些行为导致了市场对盈余错误定价以及长期绩效下降。本文以发行制度改革后2002-2005年IPO公司为样本，用可操纵应计利润衡量盈余质量，得到了与以往研究不同的结论：没有证据表明IPO公司总体上有显著的盈余管理行为，但规模较小、成长性较高并处于非保护性行业的企业盈余信息质量较差；对这些公司，无论一级市场还是二级市场都能基于盈余质量因素显著调低对公司盈余的估价，使得发行价格和市场价格不受盈余管理的误导。此外我们还发现，新股发行后两年的长期绩效的下滑并不能归因于对发行前较差盈余质量的错误定价。