金年会,金年会官网,金年会登录,金年会注册,金年会app下载,在线体育投注,电竞投注平台,真人游戏平台,金年会数字站来自麻省理工学院、香港大学、康奈尔大学、香港科技大学、伦敦政治经济学院、加利福尼亚大学等知名学府经济金融领域的一流学者如约而至，通过Seminar（学术研讨会）与Brown Bag（学术午餐会）与高金教授、学生展开深度对话和观点碰撞，持续点燃学术热情。

　　7场研讨会议题涵盖了从宏观金融学、行为金融学、影响力投资，到资产定价、利率、汇率、加密货币、金融科技、金融素养等多个前沿领域，打造了与全球金融智慧同步的平台。

　　麻省理工学院斯隆管理学院金融学与创业学教授、Journal of Finance 执行主编

　　他与合作者借助中国县级地名词典中的文件，对1976年至2005年间的地方改革事件展开深度剖析，并捕捉了实际发生的政策创新及其传播。

　　通过阐述研究结果，Xiaodong Zhu教授指出，自下而上的改革主要通过提高生产率来促进经济增长，而中央支持的改革则主要通过资本积累来推动经济发展。

　　Lawrence Jin教授指出，受大脑计算相关神经学证据的启发，认知科学家愈发倾向于采用一种融合“无模型学习”和“基于模型的学习”两个系统的框架。

　　他和研究团队将这一框架引入金融领域，借此对一系列有关投资者行为的现象展开研究。研究结果表明，无模型学习在部分投资者的行为中发挥着关键作用。

　　他与合作者一同研究了分析师在财报电话会议上如何讨论和价值相关的气候问题。研究发现，分析师在讨论气候问题时通常会使用量化语言，并且会根据公司所处行业，以及在不同时期气候问题的受关注程度进行调整。随着时间推移，气候相关问题不断增加，与价值相关的气候问题受到的关注也日益增加。

　　Ruishen Zhang指出，融入气候价值问题中的见解有助于投资者提高财务回报和环境绩效。

　　Yan Ji教授通过介绍他与合作者共同撰写的论文“AI-Powered Trading, Algorithmic Collusion, and Price Efficiency”（《人工智能驱动的交易、算法合谋与价格效率》），探讨了算法交易与强化学习的结合，即人工智能驱动的交易，如何通过重塑交易方式改变金融市场。

　　他与研究团队构建了一个理论实验室，将金融市场作为信息聚合机制，促使投资者谨慎地根据私人信息进行交易以保留信息租金。

　　研究发现，知情的人工智能投机者可以在没有协议、沟通或意图的情况下，自主维持合谋带来的超竞争利润。这种情况破坏了市场的竞争性和效率性。

　　通过分析，研究团队还识别出两种主要的人工智能共谋机制：一是在那些对市场信息不太敏感的投资者占多数且市场噪音较低的情况下采用的价格触发策略；二是在其他情况下由于学习过程中的过度修剪偏差而导致的结果。

　　他指出，利率差与货币风险溢价在短期内呈负相关，在长期内呈正相关。这种看似矛盾的模式给现有模型带来了挑战。为此，他与合作者提出了一个简洁的模型，用于解释这种反转和非单调模式。

　　该模型具备理性且无摩擦的特点，基于标准的常相对风险厌恶（CRRA）预期效用而构建。该模型有两个关键特征：一是消费方差具有多种衰减模式，二是消费增长与最慢的衰减模式呈正相关。

　　在这一模型中，汇率、利率和货币风险溢价都能得到明确的求解。研究团队还证实了这一模型得到了实证数据的支撑。

　　研究团队通过一项随机对照试验，对金融建议的需求端展开研究，旨在了解零售投资者如何基于与他们先验认知相符或相悖的建议来评估并更新自己的信念。

　　他们通过比较强调被动策略和主动策略的金融建议，发现当建议与投资者的先验认知一致时，参与者对该建议的评价更高，但他们会朝着所获建议的方向更新自己的信念。

　　此外，研究还表明，金融知识水平的差异对投资者的反应有着显著影响，而不一致的顾问激励会降低金融建议的有效性。

　　在这项研究中，他们聚焦于卡尔达诺（Cardano）质押市场，发现该市场和指数基金、货币市场基金等传统金融行业存在诸多相似之处。研究团队借助详细的区块链数据，取得了两项重要发现。

　　其一，他们构建出一种衡量委托者流动性的指标，并且观察到不同委托者之间的流动性存在显著差异。其二，研究发现验证者会综合考虑委托者的流动性以及规模经济的变化，进而有策略地设定费用。

　　高金每年精心组织近50场学术研讨会，聚焦科技金融、数字金融、可持续金融三大核心方向，从多元视角出发，邀请来自全球顶尖学府的知名经济金融领域学者分享最新学术研究成果和研究趋势。他们之中不乏担任经济、金融学顶刊的主编、副主编的国际学者。

　　借助每一次研讨会的契机，高金的资深教授和青年教授们会与每一位演讲者进行深入的面对面交流，分享近期的研究进展，相互切磋并探索学术合作机会。

　　通过这样的交流，不仅推动高金学者的学术研究质量不断迈上新台阶，也让国际学者更多了解中国，助力中国的金融研究加速融入世界，有利于提升中国学者的国际“能见度”。

　　每一场研讨会也备受高金PhD项目学生的热烈关注和积极参与。学院会预先组织论文研读会（安排Reading Group），引导组织学生深入了解研读每一位演讲者的论文，并围绕感兴趣的方向准备提问内容。学生不仅能在研讨会现场就论文与演讲者展开讨论，还有机会在会后与演讲者开展小组形式的交流，聆听专业建议。

　　学生们表示，通过近距离学习这些具有影响力的学者的前沿研究成果与创新的方法论视角，能够帮助他们拓宽学术视野，及时把握学术发展趋势，激发创新研究思路，此外，通过与演讲者的互动交流，他们不仅能够获得针对性的建议来优化研究路径，还能逐步积累学术人脉资源，为未来的学术发展和合作奠定更好的基础。

　　自2009年建院以来，高金始终以“打造中国的世界级金融学院”为目标，以“汇聚国际一流师资、培养高端金融人才、构筑开放研究平台、形成顶级政策智库”为重要使命，始终重视推动高水平学术交流，促进学术创新与进步，为社会发展提供有力支撑。

　　浓厚的学术氛围不仅为高金学者们的学术成长提供了丰沃土壤，更为高金的学术研究注入澎湃动力，推动高金打造“全球研究中国经济金融问题的学术权威、中国研究全球经济金融问题的思想高地”，也为加快金融强国建设、上海国际金融中心建设、上海交通大学“世界一流大学”建设做出了重要贡献。

　　Xiaodong Zhu教授的研究与我和我的导师潘军教授关注中央政府高层会议等宏观政策事件如何影响资本市场的研究相得益彰，也启发我未来在研究中可以尝试整合微观层面的地方改革数据与宏观层面的政策事件数据，更全面地理解制度变迁的资产定价效应。

　　Lawrence Jin教授及其团队的研究具有重要的跨学科价值，为投资者行为研究提供了全新方法论视角。研究基于大脑计算的神经学证据，发现了无模型学习对部分投资者行为的关键驱动作用，彰显了跨学科研究在破解复杂金融现象中的独特优势。

　　Ruishen Zhang教授与合作者的研究利用电话会议这一场景揭示了分析师面对ESG相关问题时的行为模式，为投资者评估公司ESG表现提供了更为客观的视角。

　　Yan Ji教授及其团队的研究前瞻性地探讨了AI技术的更新迭代对于市场交易行为的影响。研究发现，知情AI投机者可通过价格触发策略或学习偏差自发维持超竞争利润，这一结论为监管者在AI发展浪潮的背景下识别市场异常提供了关键线索。

　　Jun Liu教授及其团队的研究在货币风险溢价领域实现了重要理论突破，为金融市场中跨期限风险溢价的预测与资产配置提供了科学的分析工具，对于我们理解国际资本流动和汇率动态现象具有重要指导意义。

　　Antoinette Schoar教授使用了十分有趣的实验经济学的研究方法对投资者的投资心理进行了考察，为投资者决策过程中的自我偏好这一研究话题提供了新的证据，也对投资者的实际投资决策乃至监管者的政策制定提供了坚实的理论依据。

　　Igor Makarov教授及其团队的研究以严谨的实证分析证明了传统金融理论在新兴技术场景中的动态适应，既填补了加密货币质押市场微观机制领域的研究空白，又为现实中去中心化金融（DeFi）的监管活动提供了理论依据。