新闻动态
研究成果
-
08/102026
林建浩、陈良源:超越K型分化叙事,实现高质量发展
8月10日,中山大学岭南学院院长林建浩教授与中山大学国际金融学院陈良源副教授在《南方日报》理论周刊版面发表题为《超越K型分化叙事,实现高质量发展》的理论文章。文章从经济学视角深入剖析了当前经济K型分化现象的本质,指出K型分化是经济转型升级过程中的客观结构特征,而非总量危机信号,并系统阐述了实现高质量发展的路径与政策思路。现将全文转载如下。 ● K型分化是经济转型升级过程中的客观结构特征,而非总量危机信号,既不应当被回避,也不应被夸大。这一经济现象与康波周期理论、熊彼特的创造性破坏以及传导机制时滞效应紧密相关 ● 随着技术规律的耐心兑现、市场力量的持续发酵和制度供给的不断完善,中国经济终将超越K型分化叙事,走向更高质量的可持续增长 一段时间以来,经济K型分化叙事成为舆论焦点。作为国际经济学界最初描述新冠疫情后经济复苏不平衡性的术语,其如今已演变为讨论全球经济结构性特征的核心叙事框架。从我国上半年经济数据来看,一方面以人工智能、高技术制造为代表的新兴部门沿上行线突飞猛进,另一方面以房地产、传统制造为代表的存量部门则沿下行线持续承压。面对这种结构性非均衡现象,部分声音认为这是经济转型的必然结果,也有声音将其作为经济承压甚至过冷的信号。 本文认为K型分化是经济转型升级过程中的客观结构特征,而非总量危机信号,既不应当被回避,也不应被夸大。这一经济现象与康波周期理论、熊彼特的创造性破坏以及传导机制时滞效应紧密相关。新旧动能转换的本质是迭代而非替代,政策应对的关键不在于消除差异,而在于通过总量与结构工具打通企业端向居民端的传导机制,从而超越K型分化叙事,实现高质量发展。何以K型:经济学的三重解释 2026年上半年全国经济运行数据,为观察K型分化提供了丰富的结构信息。GDP4.7%的增长、5.0%的失业率和温和上涨的物价,构成了我国经济的基本稳定面。总量数据平稳的同时,结构层面的显著温差值得高度重视,主要表现为供给端“供强需弱”、需求端“外强内弱”、企业端“新强旧弱”、金融端“企强民弱”等。这四个维度的结构性差异相互交织,共同构成了当前经济K型分化叙事。 K型分化究竟是经济出了问题的信号,还是经济正在转型的表现?这需要从经济学视角解释为什么会出现K型分化现象,重新审视经济转型过程中的阶段性结构特征。 一是技术—经济范式的更迭。 根据康德拉季耶夫提出的经济长波理论,K型分化具有深刻的技术—经济范式根源。从蒸汽机、电气化、互联网,直到当前的人工智能,每一轮经济上行周期都对应着一组关键性的通用技术革命,新技术商业化初期必然催生资本向新兴赛道的集中涌入,而传统产业则面临增长空间的挤压。因此,K型分化是通用技术革命的普遍规律,并非本轮AI技术发展独有的异常现象。在1997年至2000年美国互联网发展时期,信息科技产业对GDP的贡献快速攀升,通信设备和软件投资增速一度超过20%,以英特尔、思科、微软等为代表的科技企业市值飙升,而传统制造业投资增速持续下行,其分化形态与今日AI冲击高度相似。历史发展规律表明,K型分化并非经济治理的失败,而是经济体系在技术跃迁过程中新陈代谢的必然产物。 二是创造性破坏的结构代价。 第二个经济学解释来自于熊彼特关于创造性破坏的经典论述。在经济转型期,旧产业结构的淘汰和新产业结构的创造并非先后发生,而是同步推进。当前中国经济更是处于经济转型的叠加期,一是以人工智能、数字经济、绿色能源为代表的新科技转型,要求生产要素和组织方式发生根本性重塑;二是从中低端制造向高端制造和现代服务业的产业升级转型,要求传统产业加速价值链攀升。因此,中国经济新旧动能转换的广度和深度都超过一般转型经济体,构成了K型分化的结构特征。当然,也要意识到这需要一个转换过程,当前新动能占经济总量约18.9%,旧动能约26.6%,新动能尚未能够完全托底经济增长,短期内经济可能承压。 三是传导机制的时间差。 第三个解释则来自于新动能创造价值存在传导时滞。以AI为核心的新一轮科技革命和技术变革,其价值传导链条比历次技术革命都更为漫长,需要经历“技术突破→企业资本开支→头部企业利润与股价→产业扩散→就业与工资”等链条,才能让更广泛的经济主体感受到技术带来的增长。当前中国处于该传导链条的早期阶段,上半年计算机、通信和其他电子设备制造业利润同比增长96.9%就是有力证明。广东的产业结构也验证了这一演进轨迹,当前深圳AI相关产品进出口已突破万亿元,广州拥有华南最大的12英寸晶圆集群,算力产业体系完备。但实现广泛的就业创造与工资增长效应仍需经历产业扩散的中间环节,红利向居民部门传导尚需时间。在这一过程中,需要格外警惕2002—2007年期间日本的经验教训——当时日本企业利润显著修复,但企业优先将利润用于修复资产负债表和技术升级,而非提高员工薪酬,导致居民消费持续低迷。因此,价值传导机制的畅通与否,是决定K型分化能否走向收敛的关键。正确认识:迭代而非替代 在厘清了K型分化的主要表现和理论根源之后,需要从以下三个方面进行正确认识。 首先,不应夸大阶段性分化。将K型分化简单解读为经济衰退信号,是对当前中国经济形势的严重误读。上半年全国GDP增速4.7%在全球经济体中仍属领先,IMF据此上调全年预期本身即是对中国经济增长韧性的认可。同样,就业市场没有出现AI冲击的大规模失业,城镇调查失业率稳定在5.0%附近,表明劳动力市场仍在正常运转。整体来看,结构分化在经济转型期具有普遍性、阶段性,不宜将其过度解读成悲观叙事。 其次,要意识到新动能的成长并非以消灭旧产业的方式实现。数字技术和绿色技术在开辟新赛道的同时,也向传统产业注入了转型升级的动力。今年上半年,广东工业技术改造投资占工业投资比重已达39.4%,同比提高4.9个百分点,反映出传统制造企业正在大规模进行生产线的数字化、智能化升级。例如广钢集团通过低碳冶炼工艺和特种钢研发,成功转型为新能源汽车、海上风电和储能设备的关键材料供应商。同样,希音在广州成立首个服装制造创新研究中心,通过AI辅助设计和智能生产帮助服装厂实现了柔性制造,能够承接全球个性化订单,从价值链低端向中端跃升。这些现实案例表明,传统产业一旦与新动能结合,同样能够获得新的生命力。 最后,要相信技术普惠扩散的长期趋势,新技术终将飞入寻常百姓家。新技术的收益分配是一个动态变化的过程,当下的集中并不等同于永久的固化。AI技术在发展初期,的确会呈现出资本密集和人才密集的特征。但随着技术扩散和应用深化,越来越多的中小企业和普通个体正成为受益者。在医疗领域,AI陪诊师已在多家医院落地,有效降低了患者的就医门槛;在政务服务领域,智能政务一体机实现了7×24小时在线办理,将数字化红利延伸至基层社区;在创业领域,一人公司OPC的兴起,使小微创业者能够以极低的门槛将创意转化为产品。技术扩散规律表明,当基础设施渐趋完善,利用AI技术的企业和公众越来越多,将为改善K型分化注入长期动力。积极应对:从结构性工具到普惠性传导 正确认识K型分化的本质,是为了更有效地应对其带来的挑战。政策不应强行抹平现有的经济结构差异,但也需要积极应对,确保K型分化能够向均衡收敛。 政策框架调整:总量与结构双重功能的确立。 对结构性分化的关注已经体现在政策框架的调整之中。2026年第二季度,中国人民银行货币政策委员会在形势判断中首次加入“结构分化”的表述。这一措辞变化传递出明确的政策信号,货币政策的关注点已延伸至不同行业、企业和经济部门之间的温差。在政策工具层面,供给端以科技创新和技术改造再贷款和新增专项债为代表,引导资金流向新动能培育和传统产业技改领域;需求端以中央安排2500亿元超长期特别国债专项支持消费品以旧换新和1000亿元财政金融协同促内需专项资金为代表,着力刺激居民端消费意愿。在保持总量流动性的同时,通过结构性工具引导资金精准流向最需要支持的领域和群体。 此外,财政收支结构中也存在结构特征,中央收入增速(7.5%)远高于地方(2.7%),“投资于人”的支出快于“投资于物”的基建支出,土地出让收入同比大幅下降31.5%。因此,也亟须推进税制与产业结构的适配,稳定宏观税负。 打通传导机制:让增长从生产端进入居民端。 当前K型分化的一个核心矛盾在于,企业利润改善未能有效转化为居民收入和消费的增长。例如,计算机、通信和其他电子设备制造业利润涨幅,与社会消费品零售总额涨幅,两者之间的巨大落差正是传导梗阻的集中体现。为此,2026年政府工作报告明确提出制定实施城乡居民增收计划,包含促进低收入群体增收和增加居民财产性收入等制度安排。当企业利润能更顺畅地转化为员工工资和消费能力时,K型的下行线将进一步增强向上收敛的内在动力。 中长期政策:把握好三个基本平衡。 第一个平衡是“扶新”与“托旧”之间的关系。经济发展并非是新旧之间简单的二选一,而是因地制宜发展新质生产力,同时促进创新成果与传统制造业的深度融合。第二个平衡是效率与公平之间的权衡。通过国民收入分配改革、财税激励重构和工资增长机制完善,使处于K型下行端的群体也能分享转型红利,在保障社会公平的同时为创新提供可持续的市场需求。第三个平衡是市场机制与政策托底的协同。在市场传导偏弱、企业利润向居民收入传导不畅的阶段,宏观政策需要以“稳就业、强保障、促消费”的组合拳缓冲压力,但长期目标应当是激活市场自身的内生动力。 简而言之,K型分化是新旧动能交替过渡的阵痛。它既源于全球技术—经济范式更迭的外部冲击,也植根于国内由高速增长转向高质量发展的内在要求。从总量上看,经济运行总体平稳、稳中向好;从结构上看,分化的两端并非相互隔绝,新技术的普惠扩散、传统产业的数字化重生、政策的结构性精准滴灌这三股力量正在合力推动经济从K型走向均衡。随着技术规律的耐心兑现、市场力量的持续发酵和制度供给的不断完善,中国经济终将超越K型分化叙事,走向更高质量的可持续增长。
-
07/222026
中山大学林建浩团队|| 基于AI大语言模型的叙事资产定价研究
作者:樊嘉诚:中山大学岭南学院林建浩:中山大学岭南学院李宗余:广发证券股份有限公司文章刊发:《经济学(季刊)》2026年第3期摘要:本文利用BERT大语言模型提取新闻文本信息,并通过SparseIPCA方法构建叙事资产定价模型。实证发现状态变量显著反映宏观预期、产出及股市收益,揭示了新闻叙事的经济信息价值。相比传统的股票特征因子,基于文本数据的叙事因子能更好地解释资产异象,并具有更强的样本外策略表现。研究进一步证明了大语言模型的定价效果优于传统的LDA主题模型,并探索其在可解释性、高频因子挖掘及与传统因子联合应用方面的潜力。关键词:横截面资产定价,大语言模型,文本分析1.研究背景 理解资产回报的横截面差异,是资产定价研究的核心议题。早期研究多以宏观经济变量作为状态变量的代理,此后基于股票特征构建的因子模型逐渐成为主流,并衍生出数量庞大的定价因子。近年来,Shiller(2017)提出的“叙事经济学”为理解资产价格变动提供了新视角:经济叙事传播迅速,会影响微观主体的预期与决策,进而作用于资产价格。新闻报道是经济叙事的重要载体,Bybee et al.(2023)已尝试将新闻叙事引入资产定价框架。 然而,新闻文本高维且非结构化,从中提取对资产定价有效的信息长期面临方法上的制约。传统文本分析方法(如LDA主题模型)主要依赖主题词频,难以刻画上下文语义;以BERT为代表的AI大语言模型则能够把握上下文与复杂语言关系,为提取新闻中的叙事信息提供了新的技术手段。在此背景下,本文尝试回答:新闻文本中的经济叙事能否被识别为影响资产价格的状态变量与定价因子,以及基于大语言模型构建的叙事因子相比传统方法是否具有增量价值。回答上述问题,既有助于厘清新闻信息进入资产价格的渠道,也为人工智能在金融领域的应用提供实证依据。2.研究方法和结果 本文使用2008—2021年七家主流财经报纸的新闻文本,借助BERT大语言模型生成文档级嵌入向量,构造日度“叙事新息”;在此基础上,采用Sparse IPCA(Bybee et al.,2023)方法,从高维叙事信息中提取少数潜在状态变量与可交易的叙事因子(记为NF-LLM)。作为对照,本文同时基于LDA主题模型构建叙事因子(NF-LDA),并与传统的Fama-French-Carhart因子(FFC)和统计主成分因子(PC)进行比较。 基准结果发现:第一,提取的状态变量具有明确的经济含义,与消费者信心指数同向变动,并能显著预测未来的产出、消费、投资与通胀,符合跨期资本资产定价理论(ICAPM)的预期。第二,在对96个股票市场异象的检验中,叙事因子模型的定价误差显著低于传统模型,对交易摩擦、动量与流动性等传统因子难以解释的异象改善尤为明显。第三,在样本外交易策略中,最优NF-LLM模型的年化夏普比率达到0.95,最优传统FFC6模型仅为0.27,前者约为后者的3.5倍;在控制FFC6因子后,NF-LLM三因子与五因子模型仍分别获得0.84%与1.20%的年化超额收益,表明叙事因子包含显著的增量信息。 机制与拓展分析进一步表明:(1)大语言模型优于传统主题模型。无论在定价精度还是策略表现上,基于BERT的NF-LLM均稳定优于基于LDA的NF-LDA,原因在于前者更能捕捉上下文语义、复杂语言关系与不同长度的文本。(2)叙事的影响渠道以现金流信息为主。叙事主题与现金流信息的相关性高于贴现率信息,表明新闻主要通过改变投资者对未来基本面的预期来影响资产价格。(3)结论稳健且具有可解释性。在剔除媒体写作风格、改变LDA主题数量后,结论依然成立;叙事因子可对应到“风险管理”“经济发展”“货币政策”等可识别主题,并在周度高频以及与传统因子联合使用时同样有效。3.研究贡献和政策启示 本文的主要贡献体现在三个方面:第一,本文将AI大语言模型系统性地应用于中国A股市场的横截面资产定价,打通了从非结构化文本到经济信息、再到定价因子的完整链条。第二,本文以实证证据表明新闻叙事蕴含可被定价的经济信息价值,为叙事经济学提供了来自资产定价领域的量化支撑,并系统比较了大语言模型与传统主题模型在定价上的差异。第三,本文展示了大语言模型在可解释因子挖掘、高频信号提取以及与传统因子融合等方面的应用潜力,相关方法可推广至其他文本驱动的金融实证研究。 本文的政策启示主要有两点:第一,应加大对“人工智能+金融”的支持力度,引导金融机构与高校科研院所加大研发投入、深化产学研协同,推进经济大模型的研发与应用,同时注重提升人工智能模型的可解释性与透明度,确保其在金融实践中的安全性与合规性。第二,在信息传播日益高速的环境下,金融市场的叙事驱动效应愈发突出;我国资本市场以散户投资者为主,对经济叙事较为敏感,易因情绪波动产生非理性交易,从而加剧系统性金融风险,监管机构应积极利用人工智能技术,提升监管的精准度与前瞻性,防范因信息失真导致的市场失序。 在此基础上,未来研究可结合BERTopic、注意力权重可视化等可解释性机器学习方法,更准确地识别驱动资产定价的叙事信息,并采用更严谨的计量方法进一步增强结论的稳健性与可推广性。论文信息樊嘉诚,林建浩,李宗余.基于AI大语言模型的叙事资产定价研究[J].经济学(季刊),2026,26(3):790-810.
-
04/222026
中山大学林建浩团队|| 多源数据驱动的金融大语言模型文本分析与交易策略
多源数据驱动的金融大语言模型文本分析与交易策略作者:樊嘉诚:中山大学岭南学院吴俊樊:招商证券资产管理有限公司林建浩:中山大学岭南学院文章刊发:《计量经济学报》2026年 第2期摘要:金融市场中信息来源多元且结构复杂, 如何对其系统整合并形成可交易的投资信号, 已成为资产定价研究与实践中的核心问题. 本文基于多源数据和金融大语言模型, 构建了一个涵盖新闻、股价、宏观分析及信号生成模块的智能决策系统, 以 2020–2024 年沪深300 指数成份股为样本, 系统评估了大语言模型生成的投资决策信号的预测能力. 首先, 根据买入、持有和卖出信号构建了三类投资组合, 净值曲线与风险收益指标分析表明, 买入信号组合的超额收益 (23.83%) 显著优于持有信号 (6.96%) 和卖出信号 (-15.08%), 验证了方向性信号具备有效的收益预测能力. 其次, 本文引入买入评分机制, 对买入信号进行细粒度分类并构建投资组合. 结果显示, 高评分的多头组合累计超额收益高达 99.20%, 夏普比率为 0.65, 换手率仅为 41.16%, 表明买入评分对未来收益具有显著的增量预测能力且具有一定的持仓持续性. 最后, 本文利用券商深度研究报告对大语言模型进行微调, 进一步实现了投资策略性能的显著提升. 本文系统展示了金融大语言模型在实证资产定价中的应用潜力, 验证了其在投资信号识别、策略构建及模型微调方面的有效性, 为人工智能赋能金融决策提供了可行路径.关键词:大语言模型,实证资产定价,经济金融文本分析1.研究背景及意义 在金融市场中,投资者情绪与市场预期往往蕴含于新闻报道、研究报告等非结构化文本中。随着信息来源日益多元、数据结构日趋复杂,如何系统整合海量信息并形成可交易的投资信号,已成为资产定价领域的核心难题。传统文本分析方法依赖预设情感词典或词频统计,将高维语义压缩为低维特征,不仅难以捕捉跨渠道、跨时间的信息联动,更无法充分刻画文本的复杂性与时变性,难以适应市场叙事的动态演化。与此同时,我国正在加快建设全国统一大市场,深化要素市场化改革。作为要素市场的重要组成部分,金融市场是经济运行的“血液系统”,对于实体经济发展的影响直接且重要。随着改革深化以及逐步开放,我国资本市场与外部市场的联动性日趋增强,但市场内部的信息处理效率和资源配置效率仍有待提升。在此背景下,如何有效利用前沿人工智能技术提升金融市场的信息处理能力和定价效率,具有重要的理论价值和现实意义。 作为人工智能技术的代表性成果,大语言模型在自然语言处理领域展现出卓越性能,为经济金融文本分析提供了新的研究视角与方法路径。借助大语言模型,从海量、多源、异构文本中提取投资相关信息成为可能,其优势主要体现在三类互补能力上:一是对经济叙事和市场预期的近似刻画能力,使模型能够从新闻、公告、研究报告及宏观评论中提取有效信息;二是对多源信息的整合能力,使模型能够将分散的、多样化的文本信息映射到统一的语义空间,并在零样本或少样本条件下对新文本进行分析和理解;三是推理与规则归纳能力,使模型能够识别事件之间的因果联系,总结一般性规则或模式。因此,构建基于大语言模型的智能投资决策系统,不仅有助于提升资产定价的效率和准确性,也为深化金融要素市场化改革、促进资本市场高质量发展提供了新的技术路径。2.主要内容 本文基于2020—2024年沪深300指数成份股数据,围绕多源信息驱动的金融大语言模型在投资决策中的应用展开系统研究,并从信号预测能力、评分机制有效性及模型微调优化等多个维度进行深入探讨。在方法层面,文章首先构建了涵盖新闻分析、股价分析、宏观经济分析和信号生成的模块化智能决策系统,通过文本嵌入与大语言模型技术对海量财经新闻、市场数据及宏观研报进行结构化处理与语义整合。其中,新闻模块对财经报道进行主题分类与去重摘要,生成结构化的月度新闻总结,有效捕捉市场情绪和企业动态的变化趋势。股价模块识别关联公司并计算风险收益指标,通过对比目标公司与关联公司及市场指数的表现差异,模块生成月度股价总结,为投资决策提供量化的市场依据。宏观经济模块负责捕捉宏观环境变化对投资决策的影响,从通货膨胀、经济增长、货币和财政政策等维度提炼关键信息,生成宏观背景总结。信号生成模块则整合上述信息输出投资决策和建议,并对投资建议进行量化评估。 在实证检验层面,文章首先介绍了样本数据构成及模型设定,随后运用投资组合分析方法系统评估大语言模型生成信号的实际预测能力。具体而言,实证检验涵盖以下内容:第一,基于三类投资信号构建等权与市值加权投资组合进行基准检验,验证方向性信号对市场收益的区分能力。第二,引入买入评分机制构建高评分多头与低评分空头组合,检验细粒度评分的增量预测能力及持仓持续性。第三,基于评分排序构建沪深300指数增强策略,并在考虑交易成本与实际调仓约束下评估策略稳健性。第四,开展多源数据消融实验与稳健性检验:通过依次剔除新闻、股价及宏观信息评估各数据源贡献度;替换大语言模型基座、调整文本去重阈值及变换样本筛选标准,强化结论可靠性。第五,利用券商深度研究报告进行金融领域微调,对比无监督预训练与有监督问答微调对模型决策能力的提升效果,深入探讨金融知识增强对信号质量的优化机制。3.主要结论与政策建议 本文的研究得出以下主要结论:一是基于大语言模型的智能投资决策系统能够有效整合新闻、股价和宏观经济等多维度信息,生成具有显著预测能力和区分度的投资信号。二是买入评分机制对未来收益具有显著的增量预测能力,且高评分组合具有良好的持仓持续性。三是消融实验表明,新闻和股价信息对策略效果影响最大,而宏观经济信息作用相对有限。四是经过无监督预训练微调和有监督问答微调后,买入与卖出信号的累计收益差进一步提升,表明金融知识增强有效提升了模型的市场判断能力和信号识别精度。 基于上述研究发现,本文提出以下政策建议:第一,构建高质量、可共享的金融微调语料库,推动人工智能技术在金融领域的应用。建议监管机构和行业协会牵头,整合券商研究报告、财经新闻、公司公告等多源数据,构建标准化、高质量的金融语料库,支持科研机构和市场参与者开展模型训练与优化。第二,制定针对智能投资决策系统的透明度和可解释性标准。人工智能技术面临着算法黑箱问题,应建立完整的“人工智能+金融”披露制度,要求机构投资者在使用智能投顾或算法交易系统时,充分披露模型的决策逻辑、数据来源和风险特征,保障投资者的知情权和选择权,维护市场公平与稳定。第三,加强对中小投资者的教育和保护,促进智能投顾服务的普惠发展。大语言模型等AI技术不仅能够服务机构投资者,也能够通过智能投顾等形式帮助个人投资者提升决策质量,降低非理性交易行为。建议监管部门在规范行业发展的同时,鼓励金融机构开发适用于个人投资者的智能投顾工具,推动金融信息服务的智能化升级,实现金融科技发展成果的更广泛共享。4.边际贡献与未来拓展 本文的边际贡献主要体现在以下两个方面:在方法论层面,本文设计并实现了一个基于大语言模型的模块化智能投资决策系统。该系统将新闻分析、股价分析、宏观经济分析和信号生成功能模块化解耦,不仅具备良好的可扩展性和用户适配性,还引入了具有可解释性的投资信号与细粒度评分机制。这种架构设计突破了传统文本分析方法的局限,实现了对多源异构数据的系统性整合。在应用层面,本文构建了针对金融语境的大语言模型微调方案。利用深度研究报告生成的问答数据对模型进行微调,显著增强了其对金融文本的理解和投资信号识别能力。这一方案为金融领域的模型定制化提供了可复现的技术路径,有助于推动通用大语言模型向专业金融模型的转化。 未来研究可从以下方向深入推进:首先,构建跨语言、跨市场的全球化资产配置模型,提取跨市场共性特征,提升智能投资决策系统的多语言与跨市场泛化能力,为投资者提供全球资产配置建议。其次,结合更大规模、更高质量的金融微调语料库,进一步增强大语言模型的金融知识。同时,探索提示词工程、检索增强生成等技术对策略稳定性的影响,以在更大样本规模和更长时间跨度下检验模型的泛化性与稳健性。最后,加强模型可解释性研究和人机协同决策机制探索。5.写作、投稿、修改的过程和心得体会 在生成式人工智能技术与金融多源数据分析创新融合的背景下,我们聚焦于大语言模型在多源异构数据整合与资产定价中的应用,围绕智能投资决策系统的构建展开了系统性研究。写作过程中,团队反复推敲与打磨,从提示词逻辑设计到模块化架构搭建,力求精准刻画多源信息融合的决策机制。鉴于《计量经济学报》在计量经济学领域的权威性和严谨标准,我们选择向该刊投稿。论文返修期间,编辑部老师展现出专业和细致的工作态度,外审专家的修改意见直击问题核心,从智能体概念的明确界定、前沿文献的系统梳理到讨论分析的深度拓展提出了富有建设性的指导,对我们完善研究框架提供了重要帮助。衷心感谢《计量经济学报》编辑部的辛勤付出!期待贵刊在人工智能与计量经济学的交叉领域继续深耕,不断提升学术影响力。樊嘉诚 , 吴俊樊 , 林建浩. 多源数据驱动的金融大语言模型文本分析与交易策略. 计量经济学报, 2026, 6(2): 304-324.Jiacheng FAN , Junfan WU , Jianhao LIN. Text Analysis and Trading Strategies with Multi-Source Financial Large Language Models. China Journal of Econometrics, 2026, 6(2): 304-324.
数字经济周报
数字经济周报 | 2026年第26期
一、产业动态1.国家数据局举行2026上合组织数字经济论坛新闻发布会 8月18日,国家数据局在京举行2026上合组织数字经济论坛新闻发布会。国家数据局党组成员、副局长余英宣布,论坛以“数连上合 智启未来”为主题,由国家数据局与新疆维吾尔自治区人民政府共同主办,将于9月14日至16日在乌鲁木齐举办,预计约500人参会,外方嘉宾超200人。论坛设置“1+1+4+N”活动框架。部长级闭门会将商讨《上合组织数字经济领域(2026—2027年度)重点合作事项清单》;主论坛聚焦数智化转型、数据要素价值释放等议题;四场主题论坛涵盖数字互联互通、数字贸易与通道经济等方向;配套活动包括实地调研等。发布会还披露,国家数据局已启动数据领域国际合作首批试点,在上海、海南等10个地方开展。(来源:国家数据局)2.国家发改委召开“六张网”重大项目协调调度机制会 8月19日,国家发展改革委党组成员、副主任岳修虎主持召开“六张网”重大项目协调调度机制会。会议旨在完善“六网协同”工作推进机制,研究建立算力网、新型电网、新一代通信网“2+3+N”协调机制。其中,“2”指国家电网、南方电网两家电网企业,“3”指中国电信、中国联通、中国移动三家电信运营商,“N”代表多家算力相关企业。会议旨在加大统筹力度,形成工作合力,共同推动重大项目加快建设。国家电网、南方电网、中国电信、中国联通、中国移动及算力相关企业分别发言。国家发展改革委、工业和信息化部、国家能源局有关司局负责同志参会。(来源:国家发改委)3.国家文化大数据服务平台正式发布 8月18日,在第三十三届北京国际广播电影电视展览会(BIRTV2026)期间,中国广电正式发布国家文化大数据服务平台。该平台由中央财政支持、中国广电集团承建,是承载国家文化数字化战略、推动文化与科技深度融合的核心基座。平台依托国家文化专网,构建了“数字基础设施、数据公共赋能、数智文化应用”三大核心能力体系。数字基础设施方面,按“1+7+31+N”架构部署全国算力调度中心与七大区域算力底座;数据公共赋能方面,依托标识解析、区块链存证、可信数据空间等技术,将文化资源转化为可溯源、可确权、可流通的标准化数据资产;应用产品方面,同步上线文图、文澜、文衍、文荟、文智、文匠、文扬、文视、文盾、文校十大数智文化应用产品。(来源:中国广电)4.广东湾擎政务智能旗舰应用正式发布 8月18日,广东湾擎政务智能旗舰应用在广州正式发布。该应用基于全国首个省级政务智能中枢平台“湾擎”打造,其核心产品湾擎·WorkBuddy同步上线。这款应用旨在为公职人员提供“懂政务、会干活、可协同”的AI工具箱,实现从“问答查询”到“智能办公、辅助执行、闭环交付”的升级。作为全国首个在信创环境下实现私有化全栈适配改造的政务应用,它从芯片到模型全链路自主可控,确保“数据不出域、行为可审计”。活动还发布了首批涵盖认证、接口、安全等在内的六类标准规范。目前,首批单位正开展数十个场景试点,预计8月下旬向首批公务员开放试用。(来源:广东政数)5.中国移动在河南建成全国首个“两地三中心”超大规模数据中心 近日,中国移动在河南建成全国首个“两地三中心”超大规模数据中心。该中心依托郑州航空港区、高新区及洛阳三大算力节点协同联动,整体总算力规模突破3500P。其中,落地郑州航空港区的中国移动中部智算中心算力超2000P。在技术架构上,郑州航空港数据中心采用Spine-Leaf全互联架构,通过精细化流控技术实现数据传输零丢包,目前已建成384卡高性能算力超节点,搭配54kW超高功率单机柜与芯片级液冷系统,可满足万亿级参数大模型训练需求。在绿色节能方面,该中心创新融合热管列间、氟泵、冷板式液冷及冷冻水精密空调四大制冷模式,早在2020年便获评“国家绿色数据中心”,2026年园区还将新建7500余平方米光伏系统。目前,该中心已为政务、医疗、教育等重点行业提供自主可控的算力底座支撑。(来源:中国移动)二、行业政策1.中央网络安全和信息化委员会印发《促进网信企业高质量发展行动计划(2026-2030年)》 8月21日,中央网络安全和信息化委员会印发《促进网信企业高质量发展行动计划(2026-2030年)》。《行动计划》提出到2030年,网信企业综合实力显著增强,科技创新力、产品硬实力、服务竞争力明显提升,产业生态全面优化,制度体系更加健全,并明确三项工作原则:鼓励支持和规范发展并行、政策引导和依法管理并举、经济效益和社会效益并重。围绕这一目标,文件部署了7项行动激发市场主体活力:企业培育服务行动、创新能力提升行动、赋能产业升级行动、海外市场拓展行动、安全有序发展行动、营商环境优化行动、发展要素保障行动。(来源:国家网信办)2.上海市人民政府办公厅印发《上海市“数字上海”建设“十五五”规划》 8月19日,上海市人民政府办公厅印发《上海市“数字上海”建设“十五五”规划》。规划提出,到2030年“数字上海”建设实现跨越式发展,“链接国际化、数据价值化、应用智能化”成效凸显,全面建成区域带动、广域辐射的数字标杆城市。规划聚焦基础设施、数据要素、数字经济、数字治理与数字生活等关键领域,统筹推进城市数字化转型的整体布局,着力强化国际合作与开放协同,构建安全可控、包容普惠的数字生态体系。该规划是上海落实数字中国战略的重要举措,为加快建成具有世界影响力的“国际数字之都”奠定坚实基础。(来源:上海市人民政府)3.重庆市人民政府印发《重庆市“十五五”人工智能发展规划(2026-2030年)》 8月21日,重庆市人民政府正式印发《重庆市“十五五”人工智能发展规划(2026—2030年)》。作为落实数字中国战略和重庆市“十五五”规划纲要的重要部署,该规划锚定争创人工智能创新应用高地,着力构建“创新驱动、底座支撑、场景牵引、生态赋能、开放共赢、安全可控”的发展闭环体系。规划从创新攻关、基础底座、场景落地、产业生态、对外开放、安全管控六个维度系统擘画实施路径,旨在推动人工智能与数字重庆双向赋能,因地制宜培育新质生产力。此次规划的出台,为重庆人工智能发展勾勒出清晰的五年路线图,标志着这座西部重镇正以规划之笔擘画数智未来新格局。(来源:重庆市人民政府)三、研究洞察1.清华大学全球产业研究院联合发布《“东数西算”枢纽节点绿色算力指数研究报告(2026年)》 8月22日,在2026绿色算力(人工智能)大会上,清华大学全球产业研究院联合和林格尔绿色算力发展研究中心发布《“东数西算”枢纽节点绿色算力指数研究报告(2026年)》。报告从算力设备高效性、算力载体节能性、算能协同清洁性、算用协同普惠性四个维度构建评估体系,下设24个二级指标和35个三级指标。研究团队实地调研近200个枢纽算力中心,开展政府、企业专家访谈80余次。报告显示,算力设备绿色化相关指标综合年度增长达206.8%,算能协同相关指标年度增长达496.8%。内蒙古、京津冀、贵州三大国家枢纽节点绿色算力发展处于全国领先水平。报告建议加强算力设备统筹突破、规模化推广浸没式液冷、推进算能协同系统工程、培育算用协同产业生态。(来源:内蒙古云计算与大数据产业协会)2.中国信通院人工智能所联合发布《具身智能训练场研究报告(2026年)》 8月18日,中国信通院人工智能研究所联合人形机器人(上海)有限公司等发布《具身智能训练场研究报告(2026年)》。报告显示,截至2026年6月底,全国建成启用超70家训练场,在建或规划中46家,覆盖过半省级行政区,形成长三角、京津冀、珠三角三大核心集群。训练场正从单纯数据生产走向场景化实景实训,成为集数据生产、模型训练与能力验证于一体的关键基础设施。报告指出,训练场产业链已初步成形,呈“上游技术供给活跃、下游应用仍待拓展”的倒三角特征。报告判断,我国训练场正从建设热潮期向能力沉淀期过渡,未来将呈现场景实景化、数据工程化、交易合规化、服务一体化、标准全周期五大趋势。(来源:中国信通院)
专家观点
行业动态
- 08/26
- 08/26
- 08/11
- 08/07
- 08/07
- 07/22

