此次会议由清华大学孵化的学说平台主办，康奈尔大学商学院金融科技中心提供学术支持。研讨会联席组委由康奈尔大学约翰逊商学院Rudd家族管理学讲席教授、金融学教授及《Management Science》金融主编叢林（丛林），与清华大学五道口金融学院副院长、金融学讲席教授张晓燕组成。
演讲者：张晓燕教授，清华大学五道口金融学院副院长、金融学讲席教授
本次会议共收到超过300位国内外的老师、学生以及业界人士的热情申请，最终共有约200位来自103所高校的师生和数位业界人士同时在线上和线下参会，并有18篇论文在本次会议上进行展示。
线上&线下参会人员扫描下方二维码
即可观看演讲视频回放
张晓燕教授及其研究团队深入探讨了金融创新监管、机器人投资顾问以及大语言模型在中国的应用等前沿话题。演讲分为三个主要部分，涵盖了从P2P借贷平台到机器人投资助手，再到大语言模型在金融市场中的应用。
相关阅读：
清华五道口张晓燕：求学期间没觉得有最大的困难，因为每一步都很困难
第一部分聚焦于中国P2P借贷平台的研究。张教授介绍了“To FinTech and Beyond”(Goldstein, Jiang & Karolyi, RFS 2019)发现，强调了政府背景在新兴金融科技行业中的重要性。研究显示，与国有企业（SOE）有关联的P2P平台在多个方面表现更好：它们有更大的交易量、更多的投资者，生存能力更强，特别是在市场动荡时期。同时，这些平台为投资者提供的利率较低。研究还比较了中央SOE和地方SOE，以及金融类SOE和非金融类SOE关联平台的表现差异，进一步揭示了政府背景的影响。
第二部分探讨了机器人投资助手（RIA）的作用。张教授团队使用了来自中国最大的线上基金投资平台的数据，研究RIA服务如何影响个人投资者的表现。"Government Affiliation and Peer-to-Peer Lending Platforms in China”(Jiang, Liao, Wang & Zhang, JEF 2021)发现，RIA服务的使用与投资者未来投资业绩的改善正相关。特别值得注意的是，RIA的效果主要来自于建议渠道，而非信息渠道。研究还发现，财务知识较少的投资者从建议服务中获益更多。这些发现对于理解如何更好地利用金融科技帮助个人投资者具有重要意义。
第三部分由五道口金融学院博士后吴辉航介绍，“Large Language Models and Return Prediction in China”(Tan, Wu, Zhang, 2023) 聚焦于大语言模型（LLM）在中国股市收益预测中的应用研究。研究使用了来自ChinaScope SmarTag数据库的2800万条去重新闻文章，涵盖了2008年1月1日至2023年12月31日期间的5,255只A股股票。研究的动机源于两个关键观察：中文作为表意文字的独特性，以及中国股市以散户投资者为主的特点。研究比较了五种LLM模型（BERT、RoBERTa、FinBERT、ChatGLM和Baichuan）以及一个集成模型的表现。
研究发现，所有LLM模型生成的信号都能有效预测中国股票的未来收益，且表现优于传统的词袋（BOW）模型。集成模型表现最佳，产生的多空组合年化收益率高达89.88%（t值为10.13）。深入分析揭示了LLM通过两个主要渠道改善信息效率：捕捉公司基本面信息和创造交易信号。LLM信号能显著预测公司未来的盈利惊喜，支持了信息假说；同时，LLM信号还能预测大额交易者的买卖行为，支持了交易假说。研究还发现，LLM信号对信息环境较差、套利成本较高的公司更有价值，突显了LLM在改善市场效率方面的潜力。
张教授及其团队的研究涵盖了金融科技的多个前沿领域，深入探讨了这些创新在中国独特背景下的应用。他们的研究为理解新兴金融技术如何影响投资者行为、市场效率和监管政策提供了宝贵的洞见。这些发现不仅具有学术价值，也为金融创新的实践和监管提供了重要参考。
