图终身学习:综述

图终身学习(lifelong graph learning,LGL)是一个新兴领域,旨在实现对图结构数据的持续学习,以解决现有任务上的灾难性遗忘问题,并使得顺序更新的模型能够适应新出现的图任务.尽管LGL展现出良好的学习能力,但如何持续提高其性能仍然是一个至关重要的问题.为填补现有研究对这一方面的空白,对最近在LGL领域的研究进行了全面调查和总结.首先,重新分类了LGL的现有方法,重点关注克服灾难性遗忘的方法.随后,系统地分析了这些方法的优缺点,并探讨了实现持续性能提升的潜在解决方案.该研究着重于如何在持续学习的过程中避免对旧任务的遗忘,同时快速适应新任务的挑战.最后,还就LGL的未来发展方向进行了讨论,涵盖了其在应用领域、开放性问题等方面的潜在影响,并具体分析了这些方向对持续性能改进的潜在影响.这些讨论将有助于指导未来LGL研究的方向,推动这一领域的进一步发展与应用.

进化网络模型:无先验知识的自适应自监督持续学习

无监督持续学习(UCL)是指能够随着时间的推移而学习,同时在没有监督的情况下记住以前的模式。虽然在这个方向上取得了很大进展,但现有工作通常假设对于即将到来的数据有强大的先验知识(例如,知道类别边界),而在复杂和不可预测的开放环境中可能无法获得这些知识。受到现实场景的启发,该文提出一个更实际的问题设置,称为无先验知识的在线自监督持续学习。所提设置具有挑战性,因为数据是非独立同分布的,且缺乏外部监督、没有先验知识。为了解决这些挑战,该文提出一种进化网络模型(英文名EvolveNet),它是一种无先验知识的自适应自监督持续学习方法,能够纯粹地从数据连续体中提取和记忆表示。EvolveNet围绕3个主要组件设计:对抗伪监督学习损失、自监督遗忘损失和在线记忆更新,以进行均匀子集选择。这3个组件的设计旨在协同工作,以最大化学习性能。该文在5个公开数据集上对EvolveNet进行了全面实验。结果显示,在所有设置中,EvolveNet优于现有算法,在CIFAR-10,CIFAR-100和TinyImageNet数据集上的准确率显著提高,同时在针对增量学习的多模态数据集Core-50和iLab-20M上也表现最佳。该文还进行了跨数据集的泛化实验,结果显示Evolve-Net在泛化方面更加稳健。最后,在Github上开源了EvolveNet模型和核心代码,促进了无监督持续学习的进展,并为研究社区提供了有用的工具和平台。

慈善竞争与企业慈善捐赠的决策分化

本文将慈善竞争概念引入到企业慈善捐赠决策分析中,将企业慈善捐赠视为一个参照其他企业捐赠的结果,并在这一慈善竞争框架中检验企业慈善竞争预期与非合规风险对企业慈善捐赠决策的影响。结论表明:为资源而捐赠确实是企业慈善捐赠的重要动机之一,但慈善竞争并不必然导致企业慈善捐赠水平持续提高,捐赠激进策略仅仅对慈善竞争乐观预期者才成立,而对慈善竞争悲观预期者与潜在慈善竞争的失败者,企业更倾向于降低慈善捐赠水平从而表现为捐赠消极,同时在不同的慈善竞争预期约束下,企业慈善捐赠决策将分化为激进中的稳健、激进中的激进以及消极后的更消极,而非合规风险暴露也会刺激企业通过增加企业慈善捐赠进行危机公关,其与慈善竞争共同决定了企业慈善捐赠决策,但非合规风险的影响仅对捐赠消极决策者成立,且上述结论在控制内生性及指标敏感性检验后依然成立。本文一定程度证实企业间慈善竞争的存在性,有助于政府审慎、科学地引导与管理企业慈善捐赠行为。

新文科背景下经管类实验教学的改革探索

经管类实验教学是应用型人文社科人才培养的重要组成部分。随着新文科建设的不断推进,如何更好地提升经管类实验教学是目前各高等院校的关注热点。在新文科背景下,传统的经管类学科实验教学面临着课程设置轻实验教学、忽视课程整合、实验教学管理陈旧、师资队伍存在不足等挑战。针对这些问题,聚焦新文科背景下完善经管类实验教学改革的途径,具体提出了实验教学与新经管特色的融合、实验教学新模式的探寻,以及实验教学的师资建设、新机制建立等对策建议,从而推进新文科背景下经管实验教学的改革与创新。

金融社交媒体信息、股票收益率与资本市场异象

本文首次构建金融社交媒体信息指标(FI),研究了金融社交媒体信息对股票横截面收益率的预测力以及对资本市场异象的影响.研究发现:金融社交媒体信息与股票未来横截面收益率间存在明显的单调递增特征,并且在控制多种风险或者情绪定价因子后上述特征仍然稳健.金融社交媒体信息对股票收益率的预测力体现了信息经由金融社交平台进入股价的过程.金融社交媒体信息将捕捉到的股票基本面信息注入市场,然而受到市场套利成本的阻碍,信息进入股价的过程被拉长,导致金融社交媒体信息对股票收益率的预测力呈现持久性.本文的实证证据进一步发现,金融社交媒体信息提供的股价信息有助于投资者识别并消除妨碍市场合理运行的市场异象,从而有效提升资本市场运行效率.本文研究结论对于进一步推动互联网建设、加速互联网与资本市场融合建设、促进资本市场高质量发展具有重要的理论意义和现实价值.

多重ESG评级的信息生产效应——基于债务融资成本视角

本文基于信息生产理论分析多重ESG评级对债务融资成本的影响,实证检验企业多重ESG评级的信息生产效应。研究发现,多重ESG评级有利于降低企业的债务融资成本;在多重评级样本中,不一致的多重ESG评级更有利于降低企业的债务融资成本。在多重ESG评级样本中,评级均值、最大值和最小值对债务融资成本均有显著影响,说明企业的多个ESG评级均能提供有效信息;其中,评级均值的回归系数高于单一评级,说明相较于单一的评级,多重评级能向市场上提供更多的信息。

分析师预测的“技术”含量——基于Week52high的经验证据

本文以2007–2020年中国A股上市企业为样本,重点探讨技术分析是否影响分析师预测.研究发现:1)技术分析显著影响分析师预测.当股价接近52周历史高点(Week52high上升),分析师评级出现明显变化,预测偏差和预测分歧也随之下降;2)来自机构投资者的压力越小,信息披露质量越高时,技术分析对分析师预测的影响越强.进一步研究发现:受“决策疲劳”影响,发布越多研报的分析师,其决策过程越依赖技术分析;与常识相悖,明星分析师从技术分析中“获益”更多;技术分析可能具有“信号”功能,触发技术指标能够有效增加分析师调研和研报发布,最终提升股价信息含量.

深度学习视角下限价指令簿信息含量研究

指令驱动市场中,限价指令簿是集中反映交易者意图和市场流动性的重要信息载体.量化评估限价指令簿微观特征的信息含量,是深入探究市场动态的基础,对于股票价格精准预测、市场效率有效评估等方面有重要意义.本文利用我国股票逐笔指令流数据重构了实时演化的限价指令簿,并基于深度学习模型,在多档位价格以及成交信息的基础上,同时纳入从横向时间维度衡量的指令流增量信息以及从纵向空间维度衡量的指令流存量信息,通过预测多个微观结构变量综合探讨了限价指令簿特征的信息含量.实证结果表明,相比于成交数据,未成交的指令流数据蕴含了更为丰富的有效信息,在预测微观指标方面展现出显著优势.随着预测窗口期的延长,这种信息优势变得更为突出,凸显了指令流数据在市场分析与预测中的重要地位.然而,成交数据信息传递效率更高,可以为市场指标的预测提供互补信息,两个特征的组合使用可以有效提升预测性能,该结论在对于股票自身特征的异质性分析中依然稳健.另外,价格档位与跨资产效应对于特征信息含量具有显著影响,因此在指令流数据挖掘过程中需要审慎选择市场深度以及充分考虑市场环境因素.

损失厌恶会限制股票市场参与吗?

本文运用中国家庭金融调查(CHFS)数据,研究损失厌恶心理对家庭金融市场参与及参与深度的影响。研究发现,损失厌恶程度加深会抑制家庭参与股票市场,并降低家庭在股票资产上的配置比例。机制检验结果表明,较高的损失厌恶会通过影响主观信任进而降低家庭参与股市的可能性。此外,本文发现金融素养和主观幸福感的提升会减弱损失厌恶心理对于股票市场参与的抑制作用。在低收入、低净资产以及城市家庭中,损失厌恶心理的影响更明显。本文为理解认知偏差与家庭金融行为的关系提供了新的证据。

企业社会责任与公司价值——基于ESG风险溢价的视角

企业履行社会责任已成为自身可持续健康发展的核心竞争力之一,同时也是提升公司价值的重要手段,因此,投资者对ESG表现优异的公司要求更低的收益率,即ESG风险溢价现象。目前已有基于成熟资本市场的经验研究却发现了与该理论相悖的ESG正溢价现象。本文采用中证ESG指数数据,运用偏最小二乘法构建了新的ESG指标,从ESG风险溢价视角探究企业社会责任对中国上市公司价值的影响及其形成机制。研究发现,与成熟资本市场不同,中国市场存在独特的ESG风险溢价现象,即ESG组合与股票未来收益率之间存在明显的负向关系。在控制多个定价因子、横截面预测指标、替换ESG指标以及使用多种稳健性检验后上述结果仍然稳健。异质性分析表明,在套利成本、流动性约束、信息不确定性以及错误定价相对较低的股票中,ESG风险溢价更显著。经济机制分析显示,投资者对风险的预期尤其是对承受ESG风险所要求的风险补偿是ESG风险溢价存在的重要原因。本文还发现,ESG组合收益率溢价在国有企业股票中呈现出“同质偏低”的特征,这意味着国有企业具有更高的企业价值,也更有助于投资者抵御风险。本文将“中国元素”和“资本市场一般规律”有机融合,验证了ESG风险溢价理论,为探索建立具有中国特色的估值体系,尤其是把握国有企业估值逻辑,挖掘国有企业内在价值提供了新的思路。

央行数字货币与货币政策效应——基于开放经济体的DSGE模型

基于金融加速器机制,本文构建了一个小型开放经济体的DSGE模型,尝试分析当发行比例逐渐增大时,数字人民币对货币政策效应的动态影响。实证结果表明:第一,数字人民币在短期内可以放大产出、消费以及通货膨胀对技术、利率和汇率冲击的反应,长期影响较小。第二,数字人民币发行比例的增加提升了央行的宏观调控力度和监管效率。在技术冲击下,短期内可以降低央行对商业银行的存款准备金需求,商业银行存款准备金成本下降,经营绩效提升,企业投融资环境得到改善,投资和企业净值增加。第三,数字人民币可以加强货币政策工具之间的联动机制。随着数字人民币发行比例的增加,在法定存款准备金率冲击下,短期内汇率和常备借贷便利反应幅度加大;在汇率冲击下,贷款利率和法定存款准备金率波动显著,短期联动效应较强。从长期来看,数字人民币的引入较为中性。本文的研究内容不仅证实了我国在数字人民币渐进式推进过程中采用“试点城市”模式的科学性,还为在开放经济体下深入研究数字人民币的推广应用提供了政策建议。

展期风险如何影响债券发行定价?——基于债务分散度视角的研究

本文基于债务分散度构建中国企业展期风险指标,研究展期风险如何影响债券发行定价。研究发现,发债企业展期风险上升显著提高债券发行阶段信用利差,这一现象在未上市企业、非国有企业、行业竞争程度较高的企业以及政治关联较弱的企业中表现更加明显。经济机制分析显示,展期风险上升增加企业违约概率,引发企业投资效率下降,并加剧股东与债权人之间的利益冲突,进而对债券发行利差产生影响。

研究生量化投资课程教学改革研究

随着大数据、人工智能技术的发展和应用,量化投资在我国迅速发展,就业市场上对于量化投资专业人才的需求也日益增高。虽然国内很多高校都开设了量化投资课程,但由于量化投资在我国起步较晚,高校量化投资人才培养路径还不完善,这也在一定程度上约束了向业界输送人才。该文结合高校量化投资课程中存在的问题,从教学方式、教学内容等方面进行了探讨,以期通过课程改革提高教学质量,提高量化投资人才培养质量。

股价信息含量影响企业全要素生产率吗?——基于中国上市公司的经验证据

在我国产业结构升级和资本市场改革的关键时期,如何提高企业生产效率、如何深化资本市场改革使其更好地服务实体经济是当前我国经济跨越式发展亟需解决的问题。本文以2007—2020年沪深A股主板上市公司为研究样本,研究股价信息含量对企业全要素生产率的影响和作用机制。研究发现:(1)股价信息含量能够显著促进企业全要素生产率的提升;(2)股价信息含量对全要素生产率的提升依赖于技术创新和内部控制两种渠道;(3)融资约束能够发挥对二者关系的调节作用;(4)异质性分析发现,提升作用在非国有企业、股权激励程度较大、外部监督水平较高的企业中更为显著。本文拓宽了股价信息传递的相关研究,对股价信息含量影响全要素生产率的内在机制和异质性进行了必要补充,并为健全资本市场功能和提高实体企业生产效率提供政策建议。