2026-11A+++Journal of Accounting and Economics
1. 生成式 AI 与散户投资者处理金融信息的方式
Generative AI and investor processing of financial information
方向关联AI×信息处理——40 余万条真实问询+问卷，首次描摹散户实际如何使用 GenAI；"GenAI 鸿沟"直接关联信息不平等与价格发现，踩在"信息、不确定性与价格"主线。
摘要
基于美国主流散户券商平台 GenAI 聊天机器人 41 万余条真实投资者问询与 2175 份散户问卷，提供散户使用生成式 AI 的早期描述性证据：散户最常用 GenAI 解释财务信息（如"利润率是否健康"）、按条件筛选股票、获取易消化的投研概览；市场数据是使用最多的信息源；约 47% 的受访者已用 GenAI 辅助投资决策。金融素养更高的散户用得更深、更复杂（财务计算、跨公司比较、情绪分析），可能形成新的"GenAI 鸿沟"；可靠性、数据隐私与回答质量是主要采用障碍。
主要贡献
- 首次用券商真实问询日志+问卷双数据源，刻画散户 GenAI 使用的全景；
- 提出"GenAI 鸿沟"：高素养散户借 AI 进一步拉大信息处理优势，信息不平等的再生产机制；
- 为监管与管理层提供实证锚点——越来越多投资者靠 GenAI 解读财报，披露的信息提炼方式将被 AI 重塑。
DOI: 10.1016/j.jacceco.2026.101908 →
2026-11A+++Journal of Accounting and Economics
2. 低调的进步：对自动化的恐惧与自愿披露
Whispering progress: Fear of automation and voluntary disclosure
方向关联信息披露/模糊性——自动化恐惧越高，企业越少公开谈自动化计划（转用私密渠道），信息环境被非投资者利益相关者重塑；文本测度方法论扎实。
摘要
2010–2024 年 7.1 万个公司季度样本，用地方有线电视新闻文本构建各媒体市场"自动化恐惧"指数（经就业加权映射到公司）。发现：自动化恐惧每上升一个四分位，公司在财报电话会中披露前瞻性自动化计划的概率下降约 12.6%（相对均值）；效应在披露具增量信息、自动化对劳动替代性强、工会阻力大、政治成本高时更强。多组准自然实验（高科技公司裁员、ChatGPT 发布、好莱坞编剧罢工、"买美国货雇美国人"行政令）支持因果解读。同时公司转向股东/分析师日等不触达员工的渠道与投资者沟通。
主要贡献
- 首次系统论证劳动替代恐惧如何抑制企业自愿披露，把员工/政客纳入披露理论的利益相关者集合；
- "自动化恐惧"指数的新闻文本测度方法可复用；
- 揭示披露场所的策略性选择——信息环境的结构性分层，信息不是消失而是改道。
DOI: 10.1016/j.jacceco.2026.101904 →
2026-11A++Journal of Empirical Finance
3. 非线性世界中的因子择时
Factor timing in a nonlinear world
方向关联组合决策/方法论——状态依赖可预测性的闭式组合规则；样本外因子收益预测显著改进但交易价值存疑，方法论卖点足。
摘要
在含交易成本的动态组合框架中纳入状态依赖的收益可预测性：用交互向量自回归（I-VAR）建模收益、预测变量与宏观状态变量，得到闭式最优组合规则——最优交易需对经济当前状态、状态持续性、预测变量的顺/逆周期性三者调参。实证发现估值比率与 PMI 等宏观状态的交互项显著提升标准收益预测回归的拟合；样本外，交互模型在因子收益预测上显著优于无预测基准与线性基准；但模拟交易环境显示，预测精度的统计改进未能转化为显著的组合收益——非线性可预测性在实时交易中难以兑现。
主要贡献
- 交互 VAR 给出状态依赖预测下的闭式组合规则，把宏观状态内生进 Garleanu-Pedersen 框架；
- 提出"广义交易响应函数"度量预测信号对组合权重的状态依赖影响；
- 样本外与经济价值双重裁判——统计显著不等于可交易，结论诚实，呼应"复杂度必须有回报"的直觉。
DOI: 10.1016/j.jempfin.2026.101767 →
2026-11A++Journal of Empirical Finance
4. 金融科技放贷与银行网点关闭：1150 万笔 PPP 贷款的证据
Fintech lending and bank branch closures: Evidence from 11.5 million PPP loans
方向关联金融科技与普惠金融——fintech 在"银行荒漠"地区贷款表现反而更好；算法放贷缩小种族违约率差距，普惠方向的硬证据。
摘要
用 1150 万笔 PPP 贷款全宇宙数据与疫情前银行网点关闭的 ZIP 级变异，研究 fintech 放贷表现如何随本地银行条件变化。总体 fintech 贷款违约率（14.1%）远高于传统银行（1.6%），但在经历网点关闭的地区，fintech 贷款的核销概率低 0.4 个百分点、全额豁免率高 0.6 个百分点；核销端的改善主要来自"哪些平台在关闭地区放贷"（含曾被标记可疑放贷的平台），豁免端的改善则在平台内部成立、横跨整个 fintech 生态。黑人企业使用 fintech 的比例约为白人两倍（47% 对 23%），fintech 放贷显著缩小黑白企业核销率差距。
主要贡献
- 1150 万笔贷款全样本+七层固定效应阶梯，迄今最全面的 fintech PPP 绩效刻画；
- 调和"欺诈论"与"普惠论"——同一批 fintech 平台在不同本地市场呈现不同绩效画像；
- 普惠金融的量化证据：算法放贷缩小种族信贷差距，结论可折算为金融包容的政策含义。
DOI: 10.1016/j.jempfin.2026.101773 →
2026-11A++Journal of Empirical Finance
5. AI 基础设施、公司价值与预期股票收益
AI infrastructure, firm value and expected stock returns
方向关联AI 驱动的资产定价——LLM 文本度量公司 AI 基础设施，高 AI 公司季度超额收益 44–93bp；方法论卖点强，可迁移。
摘要
用 GPT-3.5 对标普 500 公司 2006–2024 年电话会文本做结构化 LLM 评估（CoT 四步：识别 AI 基础设施、评估战略重要性、对标行业、综合高/低分类），构建公司层面 AI 基础设施度量，并分解为算力硬件与软件生态、电力能源、数据存储管理、技术标准四个支柱。高 AI 基础设施公司未来季度收益高出 44–93bp，经 CAPM、Carhart 四因子、FF 五因子调整后仍显著；面板回归中高 AI 公司下季收益高约 50–60bp；效应在 2022–2024 生成式 AI 热潮中增强。解释为对无形 AI 资本的投资者反应不足：AI 投入费用化压低当期盈余，形成生产率 J 曲线式的错误定价；纯机械 bigram 词典复刻结果，排除 LLM 事后知识偏差。
主要贡献
- 可扩展、可审计的 LLM 文本度量框架（prompt 工程+CoT+零样本），可迁移到股吧文本/专利文本；
- 把 AI 基础设施拆成四支柱并分别定价，发现市场最不看重的支柱定价误差最大；
- J 曲线错误定价解释——无形资本定价的通用机制，AI 驱动的金融再调整实例。
DOI: 10.1016/j.jempfin.2026.101771 →
2026-11A+Economic Modelling
6. 政策诱发的 AI"说做差"与股价崩盘风险：来自中国 AI 试点区的证据
Policy-induced AI Talk–Walk gaps and stock price crash risk: Evidence from China's AI pilot zones
方向关联AI×中国制度情境——AI 试点区政策使企业年报 AI 叙事膨胀快于实质投入，"说做差"拉大→崩盘风险上升；政策含义直接。
摘要
用 2013–2023 年中国 A 股上市公司与 AI 试点区的交错推出做双重差分。试点区企业未来股价崩盘风险显著上升；机制：试点后企业年报 AI 叙事（talk）显著增加，但可观测的 AI 资本投入（walk）短期内无相应增长，"说做差"显著拉大；talk 有 walk 支撑、技术密集型、股东监督强的公司中效应减弱。试点暴露还伴随分析师预测分歧上升与股价同步性提高，信息环境恶化。
主要贡献
- 区分 AI 政策暴露与真实 AI 采用——"政策诱发的说做差"是产业政策影响资本市场的新渠道；
- 把自愿披露/象征性管理理论接到 AI 洗白（AI washing）讨论，不依赖"故意夸大"假设；
- 崩盘风险文献新增"期望-基本面背离"型诱因，结论可直接折算为产业政策设计的警示。
DOI: 10.1016/j.econmod.2026.107834 →
2026-11A+Economic Modelling
7. 非常频宏观数据的动态 Nelson–Siegel 国债收益率模型
A dynamic Nelson–Siegel model for treasury bond yields with irregular mixed-frequency macroeconomic data
方向关联数据混频/方法论——DNS-IMF-TVL-GARCH+UKF 新估计策略；样本外预测与组合配置经济价值双优。
摘要
提出 DNS-IMF-TVL-GARCH 模型，把混频宏观数据、时变因子载荷与 GARCH 型波动率纳入国债收益率动态；用无迹卡尔曼滤波结合自助法的新估计策略提取隐含高频宏观因子并刻画时变残差波动。实证：样本内拟合与多期限样本外预测精度均优；动态组合配置中实现最高夏普比率与确定性等价收益；货币供应量与收益率因子强相关。
主要贡献
- 混频+时变载荷+GARCH 三合一的收益率曲线建模；
- 无迹卡尔曼滤波+自助法的新估计策略，提取隐含高频宏观因子；
- 以动态组合配置的经济价值（夏普比、确定性等价收益）做最终裁判。
DOI: 10.1016/j.econmod.2026.107811 →
2026-10-08A+Canadian Journal of Statistics
8. 超高维下稀疏混合专家广义线性模型的学习
Learning sparse mixture‐of‐experts generalized linear models in ultrahigh dimensions
方向关联统计/机器学习方法论——稀疏 MoE-GLM 正则估计的相合性与变量选择理论；"分而治之"（局部建模）的理论背书。
摘要
研究超高维下稀疏混合专家广义线性模型（MoE-GLM）的连续正则化估计。首次给出一般正则估计类在超高维 MoE-GLM 下估计相合性与特征选择的理论结果（亦适用于有限混合回归子类）。算法用修正 EM 结合近端坐标下降实现，数值实验与实例验证方法的经验表现。
主要贡献
- 填补 MoE-GLM 超高维正则估计理论空白：估计相合性+特征选择；
- 修正 EM+近端坐标下降的可扩展算法；
- 混合专家=局部建模思想的严格理论支撑，呼应"分而治之"的方法论直觉。
DOI: 10.1002/cjs.70080 →
2026-11A+Economic Modelling
9. 正反馈交易、T+1 规则与中国股市非对称收益反转
Positive feedback trading, the T+1 rule, and asymmetric return reversals in China
方向关联中国制度情境——T+1 规则延迟正反馈卖出，换手依赖的非对称反转；散户结构+制度细节直接进入价格形成机制。
摘要
研究中国 T+1 交易规则对成交量与收益自相关关系的影响：T+1 禁止当日买入的股票当日卖出，从而延迟正反馈交易者在价格下跌后的卖出。用 2002–2021 年中国市场指数日数据发现：高换手+负收益日之后出现强反转，且该换手依赖的反转主要发生在 t+1 日的盘中时段而非隔夜；同一组双重上市公司的 A 股（T+1）呈现该不对称盘中反转模式，而 H 股（T+0）中很弱或缺失。个股层面效应集中在大市值流动性好的股票，排除涨跌停与融资融券改革前后的干扰后依然稳健。
主要贡献
- 提出"T+1 延迟的正反馈交易渠道"：结算规则把成交量与短期收益自相关连起来的制度机制；
- A 股 vs H 股的配对识别+盘中/隔夜分解，三重证据互相印证；
- 中国散户结构下正反馈交易的微观结构证据，制度细节进入定价机制。
DOI: 10.1016/j.econmod.2026.107783 →
2026-11A++Journal of Empirical Finance
10. 信息优势与共同基金的资金流对冲
Informational advantages and flow hedging in mutual funds
方向关联信息优势——信息更精确的基金经理对冲资金流冲击的意愿更弱；流动贝塔对冲代价年化超 3 个百分点；网络信息优势主线的干净证据。
摘要
研究基金对冲资金流动风险的行为差异：此前文献发现共同基金行业整体倾向持有低流动贝塔（flow beta）股票以对冲共同资金流冲击，但作者发现近半美国主动型股票基金反而向高流动贝塔股票倾斜。提出信息模型：拥有更精确私有信号、更能预测未来资金流冲击的基金经理感知不确定性更低，对冲意愿更弱。实证上，高流动风险敞口的基金与零售客群、营销强度、基金家族规模等信息优势代理变量相关，其资金流可预测行业总体与共同资金流；对冲程度最低的基金每年跑赢对冲程度最高者逾 3 个百分点，说明对冲流动贝塔代价高昂。
主要贡献
- 信息模型解释基金对冲行为的异质性——信息优势者对冲意愿更弱；
- 构造基金主动管理流动贝塔的度量（AFB），可预测后续绩效；
- 对冲流动贝塔的代价量化：年化 3 个百分点以上的绩效差，经济价值明确。
DOI: 10.1016/j.jempfin.2026.101751 →