顶刊论文速递 · JOURNAL BRIEFING2026-11-03
按倪禾研究框架筛选 · 第 28 期 · 10月27日—11月3日(第5组)

顶刊论文速递

经济学、金融学、统计学顶刊最新论文,每日 10 篇:中文标题、摘要翻译与主要贡献,按研究方向(机器学习与金融 / 组合决策 / 金融科技与普惠 / 创新与可持续 / 信息·不确定性·价格主线)筛选。

01 / 本期点评

最值得关注

按方法论卖点与经济价值挑出的本期重点。

EDITOR'S PICK

本期最值得关注的是 RFS(A+++)的《相关需求冲击与资产定价》——机构投资者为跑赢基准而产生的相关需求冲击,第一次被写成可定价的市场风险来源,直接进入 beta 与风险溢价,是“组合决策与市场动态”方向的机制性新解释;另一篇必读是 JEF 的《预期投资与股票收益:一种机器学习方法》——ML 估计预期投资并稳健预测截面收益,且用 SHAP 打开黑箱,正好落在“预测可黑箱、决策须开箱”的方法论直觉上;第三篇是 JAE(A+++)的《财务披露会影响企业可持续实践吗?》——强制分部披露让污染企业真实减排,透明度主线再添因果证据。

02 / 论文条目

10 篇论文

每篇含中文标题、方向关联、摘要翻译与主要贡献,点击 DOI 查看原文。

1. 相关需求冲击与资产定价

Correlated Demand Shocks and Asset Pricing

方向关联组合决策与市场动态方向:机构相关需求冲击首次被写成可定价的市场风险来源,直接进入 beta 与风险溢价;方法论卖点是外生冲击的准实验识别

摘要

提出机构投资者“相关需求冲击”作为资产定价中市场风险的新来源:为跑赢相近基准,牛市中越多机构跑输指数,顺周期加风险的动机越强,由此产生的相关需求推高暴露股票的市场 beta 与风险溢价,并用外生冲击的准实验证据支持该机制。

主要贡献

  • 提出“相关需求冲击”这一新的市场风险来源与资产定价机制
  • 刻画机构为跑赢基准而顺周期承担风险的激励机制
  • 以外生冲击的准实验证据识别因果效应

DOI: 10.1093/rfs/hhag094 →

2. 预期投资与股票收益:一种机器学习方法

Expected investment and stock returns: A machine learning approach

方向关联机器学习与金融方向:ML 估计预期投资并预测截面收益;SHAP 可解释性呼应“预测可黑箱、决策须开箱”的方法论直觉

摘要

用 27 个投资与企业特征以机器学习方法估计预期投资,发现 ML 估计精度显著高于传统线性模型;SHAP 可解释性显示,投资机会类基本面最重要,其次是财务约束与投资滞后;ML 预测的预期投资是稳健的截面收益预测因子,高预期投资的公司未来收益显著更低,在控制主流异象后依然成立。

主要贡献

  • 以 27 个特征的机器学习模型估计预期投资,精度显著优于线性模型
  • 用 SHAP 值打开黑箱:投资机会、财务约束、投资滞后依次重要
  • 预期投资是稳健的截面收益预测因子,高预期投资对应更低未来收益

DOI: 10.1016/j.jempfin.2026.101781 →

3. 软信息型基金经理与共同基金组合选择

Soft-information managers and mutual fund portfolio choice

方向关联组合决策与信息主线:中国上市公司调研数据的软信息度量;信息获取偏好直接塑造组合结构

摘要

基于中国投资者实地调研公司的明细数据识别基金经理的软信息获取:偏好软信息的经理持股更集中,偏向高成长、高特质风险公司;由软信息驱动的交易是赚钱的,这类经理业绩更优,尤其在其富含软信息的持仓上;软硬信息偏好造成信息获取与组合选择的双重分割。

主要贡献

  • 用中国投资者公司调研明细数据度量软信息获取
  • 软信息驱动的交易带来超额收益,软信息型经理业绩更优
  • 软硬信息偏好导致信息获取与组合选择的分割

DOI: 10.1016/j.jempfin.2026.101763 →

4. 从期权投资者情绪与套利限制中学习期权定价误差

Learning option pricing errors from option investor sentiment and limits to arbitrage

方向关联机器学习与金融 + 不确定性主线:神经网络纠偏经典定价模型;投资者情绪与套利限制进入期权定价误差

摘要

在混合神经网络框架下学习 BS、Heston、Kou 模型在 2018–2025 年上证 50ETF 期权上的定价误差修正:学习到的修正显著降低误差幅度并改善误差符号分类;基于 PCA 的期权投资者情绪指数与平值看涨看跌隐含波动率差(套利限制代理)带来显著的误差下降;在美国 SPX 期权上同样成立。

主要贡献

  • 混合神经网络学习参数模型定价误差的修正框架
  • 构建 PCA 期权投资者情绪指数,情绪与套利限制显著解释定价误差
  • 中美两个期权市场双重验证,滚动校准下依然有效

DOI: 10.1016/j.jempfin.2026.101772 →

5. 财务披露会影响企业可持续实践吗?

Do financial disclosures affect corporate sustainability practices?

方向关联信息—透明度主线 + 可持续金融:强制披露产生超越披露范围的真实环境效应,透明度进入企业行为

摘要

以美国强制分部报告为场景:当污染行业此前隐藏的分部被强制披露财务信息后,企业工厂的有毒排放显著下降;效应在新披露分部污染更重时更强;企业通过更好的污染预防、减少废物产生和增加绿色创新实现减排,说明强制财务披露能塑造超出披露范围的企业真实行为。

主要贡献

  • 分部财务信息披露显著降低污染企业的有毒排放
  • 机制:污染预防、减废与绿色创新,而非简单转移
  • 揭示强制披露超越信息本身的真实治理效应

DOI: 10.1016/j.jacceco.2026.101901 →

6. 信息与交易摩擦下的最优消费—组合规则

Optimal consumption–portfolio rules with informational and trading frictions

方向关联组合决策 + 信息不确定性:学习摩擦与交易摩擦联合建模,呼应“风险与模糊性分开定价”的方法论直觉

摘要

研究同时面临信息不完全与交易摩擦的投资者的最优消费—组合规则:风险资产预期收益不可观测、须从已实现收益中学习,且交易有比例成本;最优策略表现为无交易区间,其边界取决于投资者对预期收益的后验信念与估计误差的条件方差;信息摩擦的影响在估计方差稳定后依然持续,忽略它的福利损失可能很大。

主要贡献

  • 信息摩擦 + 交易成本联合建模的最优动态组合框架
  • 无交易区间边界由后验信念与估计误差方差刻画
  • 量化忽略信息摩擦的福利损失,对高风险厌恶者尤为显著

DOI: 10.1016/j.econmod.2026.107795 →

7. ESG 新闻情绪对绿色债券信用利差的影响

The impact of ESG news sentiment on green bond credit spreads

方向关联信息与价格 + 可持续金融:中国绿色债券数据,新闻情绪作为软信息进入资产定价

摘要

以 2016–2023 年中国 A 股上市公司发行的绿色债券为样本:ESG 新闻情绪作为软信息进入绿色债券定价,正面 ESG 新闻情绪显著压缩信用利差,且绿色金融政策会强化这一效应;为构建一致的绿色信息披露与 ESG 媒体报道审查体系提供依据。

主要贡献

  • ESG 新闻情绪作为软信息显著压缩绿色债信用利差
  • 绿色金融政策强化情绪定价效应
  • 对绿色信息披露审查体系的政策含义

DOI: 10.1016/j.econmod.2026.107907 →

8. FDI 自由化会降低金融风险吗?来自中国医疗行业的信息不对称证据

Does FDI liberalization reduce financial risk? Information asymmetry evidence from China's healthcare sector

方向关联信息—透明度主线 + 中国制度情境:医疗 FDI 开放准实验;ML 困境模型与 DID 结合的方法论卖点

摘要

利用中国 2024 年医疗行业 FDI 自由化的准自然实验:以机器学习困境模型 + 双重差分研究 169 家上市医疗企业,发现开放并未一致降低金融风险——制药企业在改革后短期内财务脆弱性显著上升;以适应中国制度的新型内幕交易代理度量的信息不对称,仍是开放未能缓解的持续风险源,警示开放须配套披露改革。

主要贡献

  • 2024 年中国医疗 FDI 开放的准自然实验证据
  • 机器学习困境模型 + DID:开放短期加剧制药企业财务脆弱性
  • 信息不对称持续存在,“开放须配套披露改革”的政策警告

DOI: 10.1016/j.econmod.2026.107911 →

9. 网络辅助的近似因子模型估计

Network Assisted Approximate Factor Model Estimation

方向关联方法论卖点:网络信息辅助因子模型估计,小样本更快收敛;可直接迁移到金融高维因子与网络关联场景

摘要

针对小样本下经典近似因子模型的局限,引入辅助网络信息,提出可灵活利用网络信息并允许网络异质性的联合准极大似然估计;严格建立估计量的理论性质,在小样本下获得比经典极大似然估计更快的收敛速率,并以大量数值研究验证表现。

主要贡献

  • 网络信息辅助的联合准极大似然估计新方法
  • 允许网络异质性,灵活利用辅助网络信息
  • 小样本下快于经典 MLE 的收敛速率

DOI: 10.5705/ss.202024.0170 →

10. 联合因子模型中基于条件分位数的变量筛选与 FDR 控制

Conditional Quantile-based Variable Screening with FDR Control in Joint Factor Models

方向关联方法论卖点:分位数 + knockoffs 的稳健变量筛选;重尾高维因子场景的方法论工具

摘要

针对联合因子模型中因子与协变量的非线性关系、因子个数未知、重尾与高维协变量等挑战,提出三步法:Huber 回归稳健估计因子、条件分位数均方偏差(MSD)指标做特征筛选、去随机化分位数 knockoffs 控制错误发现率;并用平滑分位数回归与修正自助法便于实施。

主要贡献

  • Huber 稳健因子估计 + 条件分位数 MSD 筛选指标
  • 去随机化分位数 knockoffs 控制 FDR
  • 处理重尾与高维协变量的联合因子—协变量模型

DOI: 10.5705/ss.202025.0167 →

03 / 往期归档

往期速递

每日一期,期刊分组轮换,一周覆盖全部 369 家刊物。

← 返回博客