2026-11A+++Journal of Econometrics
1. 高维因子定价模型的 Lq 范数 alpha 检验
High dimensional alpha test for linear factor pricing model with Lq-norm
方向关联资产定价因子模型的核心检验问题；方法论卖点强（Lq 族+Cauchy 组合的新构造）；分而治之的局部建模直觉对位
摘要
检验高维线性因子定价模型中的定价误差（alpha）是否为零。现有方法主要基于 L2 统计量（对稠密备择有效）或 L∞ 统计量（对极稀疏备择有功效）。本文发展了一类有限 q 的 Lq 检验（包括实用的 L4、L6 情形）：q 越大对稀疏备择越敏感；并证明对任意有限 q，L∞ 统计量与 Lq 统计量渐近独立，据此构造能自适应未知稀疏度的 Cauchy 组合检验。模拟与实证分析表明，新方法对备择稀疏度未知时更稳健，有限样本表现优于现有方法。
主要贡献
- 发展 Lq（一族，含 L4/L6）高维 alpha 检验，桥接稠密与稀疏两类备择
- 证明 L∞ 与 Lq 统计量的渐近独立性，构造自适应稀疏度的 Cauchy 组合检验
- 模拟与实证显示对未知稀疏度的稳健性，有限样本优于现有方法
DOI: 10.1016/j.jeconom.2026.106336 →
2026-11A+++Journal of Econometrics
2. 非平稳波动环境下股票收益可预测性的实时监测
Real-time monitoring for stock return predictability in nonstationary volatility environments
方向关联预测回归方法论；样本外思想与"复杂度必须有回报"对位（非参数调整而不设参数模型）；市场动态方向
摘要
股票收益可预测性（若存在）很可能是片段式的；要利用这种"可预测窗口"，必须在新预测机制出现时实时快速发现。除了解决预测回归中解释变量持续性与内生性带来的推断难题，还必须处理序贯监测固有的多重检验问题；同时，收益与预测变量常呈现时变波动，忽略这一点会导致虚假的可预测性发现。本文提出 CUSUM 型实时监测程序，用非参数方法调整时变波动（无需设定波动的参数模型）。模拟证实误报率控制良好、检出功效高；并用标普 500 数据做了伪实时演练。
主要贡献
- 提出基于预测能力矩条件的 CUSUM 型实时监测程序
- 用非参数方法处理时变波动，避免波动模型误设
- 联合处理内生性、多重检验与波动时变，伪实时演练验证
DOI: 10.1016/j.jeconom.2026.106341 →
2026-10-28A++International Economic Review
3. 实际经济活动与不确定性冲击：长期与短期之辨
Real Activity and Uncertainty Shocks: The Long and the Short of It
方向关联直接命中 2024–2026 主线"信息、不确定性与价格"；长期 vs 短期不确定性的区分呼应"风险与模糊性分开定价"
摘要
本文提出非递归 VAR 识别策略，利用风格化框架与同时包含两类冲击的 DSGE 模型所蕴含的符号约束，分别识别短期与长期不确定性冲击。研究发现：长期不确定性冲击对实际经济活动有强烈而持久的影响，而短期冲击的实际效应有限。利用 DSGE 模型研究两类冲击的不同传导机制，证明 time-to-build（建设时滞）是解释投资与产出不对称反应的关键：长期冲击后投资与产出都急剧收缩，短期冲击后仅温和调整。
主要贡献
- 区分长期/短期不确定性冲击的非递归 VAR 识别策略
- 发现长期不确定性冲击的强持久效应、短期冲击效应有限
- 用 DSGE 模型揭示 time-to-build 是不对称传导的关键机制
DOI: 10.1111/iere.70127 →
2026-10-23A++Review of Finance
4. 数据联盟经济学：最优数据共享与协调
The Economics of Data Unions: Optimal Data Sharing and Coordination
方向关联信息与定价主线；数据要素的金融含义；结论可折算为政策含义（经济价值）；金融科技方向
摘要
本文建立数据驱动竞争模型：产品质量取决于用户的数据贡献与企业的数据基础设施投资。用户无法内化其数据创造的价值，加上企业的策略性投资激励，会导致数据投资不足（限制质量）或投资过度（集中市场力量）。本文引入"数据联盟"来协调用户的数据贡献，可通过数据信托或中介机构实施；通过设计数据补偿机制，联盟让用户捕获并内化更多数据价值，提升用户福利——与企业间数据共享结合时效果更佳。应用于金融数据、数字支付与开放金融的分析表明：数据可携性能增强竞争，但缺乏协调时数据投资仍可能不足或过度。
主要贡献
- 建立数据驱动竞争的形式化模型，刻画数据投资不足/过度的双重失灵
- 提出"数据联盟"（数据信托/中介）机制设计，协调用户贡献与补偿
- 应用于金融数据、数字支付与开放金融，给出数据可携性的政策含义
DOI: 10.1093/rof/rfag036 →
2026-12A++Journal of International Economics
5. 用自然语言处理方法捕捉国际因素对美国货币政策的影响
Capturing international influences in U.S. monetary policy through a Natural Language Processing approach
方向关联文本/机器学习的方法论卖点；信息→政策定价；多级技术路线体现"分而治之"的测度构建
摘要
本文考察国际环境如何塑造超越国内双重使命的美联储货币政策。利用 FOMC 会议纪要，构建政策制定者对国际经济金融形势"关注度"的指数，技术路线从词频统计到自建机器学习模型（含大语言模型）。将这些文本指标纳入泰勒规则，定量评估"国际关注渠道"对美联储决策的影响。结果显示：国际关注度上升（样本中集中于海外不利冲击时期）与比标准泰勒规则 implied 更宽松的政策立场相关。
主要贡献
- 构建 FOMC 国际关注度文本指数，技术从词频到自建 ML/LLM 模型
- 将文本指标纳入泰勒规则，定量识别"国际关注渠道"
- 发现国际关注上升与超泰勒规则的宽松倾向相关
DOI: 10.1016/j.jinteco.2026.104344 →
2027-01A++Journal of Corporate Finance
6. 专家优势？银行贷款专业化与信用风险评估的信息优势
The expert's edge? Bank lending specialization and informational advantages for credit risk assessment
方向关联直接命中"网络信息优势"与透明度主线；关系型贷款文献的反向注脚（无关系时专业化更重要）
摘要
本文检验行业专业化是否赋予银行信息优势，从而更好地评估存量公司贷款的信用风险。利用欧元区信贷登记数据，比较专业化程度不同的银行在借款人违约前数个季度对同一企业设定的违约概率（PD）。研究发现：专注于借款人所在行业的银行能更早、更准地上调 PD，计提拨备更快，也更可能实施展期措施；对健康借款人不存在类似效应（排除一般性保守的解释）。效应主要由最小的企业驱动，且在银行与借款人无长期关系、面临行业性违约潮时，专业化的信息优势更强。
主要贡献
- 以同一借款人为对照，识别银行专业化→信息优势的因果证据
- 用 PD 上调时点作为信息优势的测度
- 揭示小企业、无长期关系、行业违约潮下的异质性
DOI: 10.1016/j.jcorpfin.2026.103081 →
2026-11A+Finance Research Letters
7. 基础模型打不过简单的波动率基准：来自 5000 只中国股票的证据
Foundation models do not beat simple volatility benchmarks: Evidence from 5000 Chinese stocks
方向关联完美命中"复杂度必须有回报"（朴素 HAR-RV 完胜基础模型）；样本外是最终裁判；中国 A 股情境加分
摘要
本文评估金融时序基础模型 Kronos（为金融市场预训练）在约 5000 只中国 A 股、连续三年（2023–2025）上的次日波动率预测表现，采用严格的仅滞后信息、样本外协议。按 Patton（2011）一致性损失函数 RMSE 与 QLIKE 排名：零样本 Kronos 不如所有传统基准；微调反而进一步降低精度（作者称为"微调坍缩"的编码器旁路现象）；Kronos 与多尺度 GARCH 的混合模型与纯 MS-GARCH 无显著差异。简约的 HAR-RV 模型每年都是第一或第二，Kronos 的预测误差是其 2.4–2.6 倍。三机制解释了这一边界：重尾下的二值球面量化失真、从价格派生波动率的错配、微调坍缩。
主要贡献
- 5000 股×3 年的严格样本外测评协议
- 发现并命名"微调坍缩"（fine-tuning collapse）现象
- 给出基础模型失效的三机制解释（量化失真、派生错配、微调坍缩）
DOI: 10.1016/j.frl.2026.110606 →
2026-11A+Finance Research Letters
8. 生成式 AI 与分析师预测的同质化
Generative AI and the homogenization of analyst forecasts
方向关联AI 对资产定价与市场有效性的影响（特刊主题亦相关）；中国 A 股情境；信息多样性→价格发现
摘要
生成式 AI 工具承诺提升金融分析效率，但其广泛采用可能侵蚀有效市场所依赖的信息多样性。本文把生成式 AI 工具的到来作为分析师信息处理的准实验冲击，用双重差分（DID）检验中国 A 股公司预测分歧度的变化。研究发现：分析师 AI 暴露度越高的公司，预测分歧下降越显著；收敛集中于从众型分析师，并伴随研报文本相似度上升——模式符合"算法同质化"而非信息效率提升。分歧压缩还伴随着更大的绝对预测误差和财报公告前后更强的价格反应。
主要贡献
- 以 AI 工具到来为冲击的 DID 识别策略
- 预测分歧+研报文本相似度的双重证据
- "同质化损害信息效率"的反直觉结论
DOI: 10.1016/j.frl.2026.110767 →
2026-11A+International Review of Financial Analysis
9. 地缘经济碎片化与绿色例外论：来自贸易与金融的证据
Geoeconomic fragmentation and green exceptionalism: Evidence from trade and finance
方向关联直接切中特刊主题（地缘经济碎片化）；贸易壁垒与资本流动；结论可折算为政策含义
摘要
本文考察地缘经济碎片化如何重塑跨境贸易、资本配置与可再生能源部署，提出"绿色例外论"：当需求持续存在或资源可跨融资与制度渠道重定向时，转型相关资源配置对双边摩擦不敏感；但当交付依赖特定双边关系时则更脆弱。利用覆盖 59,963 个贸易双边年、44,588 个组合投资双边年、7940 个公共金融双边年的引力模型，以及 2008–2024 年国家面板数据：政治距离抑制总商品贸易，但对可再生能源商品贸易无系统性负向关联；组合投资与双边公共可再生能源融资承诺的负向关联更明显。国家层面，绿色债券发行随贸易政策干预增加，而国际公共金融承诺总量与可再生能源部署大体保持韧性。结论：是制度组织而非绿色标签本身，决定了碎片化是约束、重定向还是基本不影响转型资源配置。
主要贡献
- 提出"绿色例外论"的条件韧性框架
- 三类双边引力模型的大样本证据（贸易/组合投资/公共金融）
- 制度组织而非绿色标签决定韧性的结论
DOI: 10.1016/j.irfa.2026.105424 →
2027-03A+Journal of Statistical Planning and Inference
10. 异质信用风险数据中变平面 Cox 模型的子群检验
Subgroup testing for change-plane Cox models in heterogeneous credit risk data
方向关联统计方法卖点（新构造 WAST）；信用风险数据家底对位（LendingClub）；分而治之的局部建模直觉
摘要
变平面分析是识别响应效应存在异质性的子群的有效工具；变平面 Cox 模型在生存数据的子群分析中日益重要。检验变平面的存在性可为特定子群的最优决策提供依据，但经典的上确界检验方法在实际中功效有限。本文提出新的检验程序：在定义子群的参数空间上，对平方 score 检验统计量做加权平均（WAST），显著提升实际功效；并推导了零假设与局部备择假设下检验统计量的渐近分布。大量模拟显示新方法比现有方法有更好的尺寸控制与更高功效；用 LendingClub 贷款数据与德国信用数据展示了识别不同违约风险子群的能力。
主要贡献
- 提出 WAST 检验程序（加权平均平方 score 统计量），功效显著提升
- 推导零假设与局部备择下的渐近分布
- 用 LendingClub 与德国信用数据识别不同违约风险子群
DOI: 10.1016/j.jspi.2026.106469 →