本次研讨会共设置1个主论坛，4个分论坛。主论坛聚焦“当前宏观金融和经济领域的学术前沿问题”，特别邀请到国际知名教授和经济学家担任主讲嘉宾：新加坡国立大学商学院杰出教授、可持续和绿色金融研究院院长，亚洲金融和经济研究局（ABFER）主席Sumit Agarwal,圣路易斯和华盛顿大学奥林商学院金融讲席教授周国富，麻省理工学院斯隆管理学院野村金融讲席教授、美国国家经济研究局研究员陈晖以及20余位来自国内外知名高校的专家学者与在场师生共同探讨学术上的最新进展和成果。

浙江大学青山讲席教授、经济学院院长、AFR院长苗建军代表浙江大学及会议主办方致辞。他指出，金融经济学国际研讨会已连续举办十四届，已成为经济学与金融学领域广受认可的学术交流平台。本届会议汇聚了来自世界各地的顶尖学者，围绕宏观经济学与金融学的理论与实证议题展开深入研讨。他强调，研讨会既是深耕学术前沿的思想阵地，更是立足本土实践、参与全球对话、提升中国金融话语权的重要平台。他期待通过本次会议，依托中国金融实践提炼原创理论，打造具有国际影响力的“学术招牌”；同时搭建互学互鉴桥梁，建设全国高校交流的“核心枢纽”，共同推动我国金融学科高质量发展。

嘉兴大学副校长文雁兵教授在致辞中表示，五年来，嘉兴大学经济学院与浙江大学金融研究院、浙江省金融研究院等合作伙伴紧密协作、同向发力，共同见证了“金融经济学国际研讨会”学术平台的日益成熟。嘉兴大学将继续秉持开放、合作、共享的理念，进一步深化与各方的战略协同与资源共享，持续优化学术生态，与各界同仁携手并肩，将研讨会打造成具有重要国际影响力和鲜明中国特色的顶尖学术品牌，为构建具有中国特色的金融学科体系、提升我国在全球金融治理中的话语权贡献更多力量。

Sumit Agarwal教授在题为“Humans, Machines, and the Art of Regulation”的主旨演讲中，围绕人类判断、机器辅助与监管制度设计展开讨论。他指出，监管难题不只在于规则本身，更在于规则如何被执行：不同监管机构可能带来不一致结果，信息缺失会诱发防御性监管，而过度裁量则可能放大决策噪音。机器并非替代监管者，而应嵌入监管制度之中，发挥算法基准、硬数据锚定和权重约束的作用。未来监管的关键在于人机协同：由人类捕捉情境与软信息，由机器提供一致性、透明度和纪律性，从而在保留监管弹性的同时降低系统性波动。

周国富教授做“Generative AI, Episodic Factors, and Patent Citation Networks”主题演讲。他提出情景化因子框架，突破传统资产定价中因子恒定有效的假设，揭示因子作用会随经济环境变化而动态调整，从而提升收益预测能力。他还介绍了利用大语言模型处理企业数值特征的方法，推动人工智能与金融数据分析深度融合，并改善投资组合表现。他进一步基于专利引用网络分析企业间知识扩散，发现间接知识关联对未来股票收益具有更持久的预测能力。此外，他通过历史数据比较美国不同政党执政时期的市场表现，指出宏观政策取向比党派标签更能影响资本市场。

陈晖教授做“Teaching Economics to the Machines”主题演讲。他指出，经济理论并未因数据和算力进步而失去价值，反而可作为先验知识，为机器学习模型提供结构化约束，尤其在样本有限、噪声较大和分布外预测等场景中发挥重要作用。他系统介绍了“理论引导迁移学习”框架，即先利用经济理论生成模拟数据对神经网络进行预训练，再用真实数据微调，从而实现理论知识与经验数据的结合。通过期权定价、宏观预测和多理论迁移学习等案例，他展示了该方法在预测准确性、稳健性和泛化能力方面的优势。研究表明，即便理论模型并不完全准确，只要能捕捉部分真实规律，仍可提升机器学习表现。他强调，AI时代并非“理论终结”，而是理论与数据协同创新的新阶段。

主会场由曾涛副院长与胡进副院长共同主持。

6月13日，大会同步举行了四场专题学术分论坛，主题分别为“宏观金融”“金融计量”“资产定价”及“博士生专场”。龚勋长聘副教授、曾涛长聘副教授、许奇长聘副教授、魏彬如研究员分别担任分论坛主持。各分会场，与会学者围绕前沿议题展开了深入研讨，现场学术氛围浓厚，讨论热烈而富有建设性。学者们严谨的治学态度和求真务实的学术精神，不仅展现了金融学界的研究水准，也为后续研究的深化拓展提供了重要启发。

中国人民大学经济学院教授王霞做“Three-Dimensional Factor Augmented Regularized Model”的主题演讲。报告围绕三维面板数据中的高维预测问题展开讨论。研究将全局因子与两类局部因子同时纳入目标变量预测框架，利用主成分分析提取多维数据中的潜在共同结构，并结合自适应分组LASSO方法处理预测方程中的高维变量选择问题。该模型既关注宏观层面的共同波动，也保留不同维度上的局部异质性，为复杂经济金融数据的降维、建模与预测提供了新的计量工具。报告表明，在多维数据快速增长的背景下，因子模型与正则化方法的结合有助于提升预测精度和模型解释力。

香港中文大学经济学系教授史震涛做“Bagging the Network”的主题演讲。报告系统介绍了双边网络形成模型中的估计与推断问题。研究针对包含个体固定效应的网络数据，提出一套适用于不可转移效用网络的统一估计框架。面对高维固定效应、双边同意机制以及似然函数非凹等难题，论文结合矩估计初值、Le Cam一步修正和分割网络jackknife bagging方法，有效校正 incidental parameter bias，并保持估计效率。该研究不仅拓展了网络计量经济学的理论方法，也为理解社会关系、风险分担、财富差异和群体互动中的网络形成机制提供了新的实证工具。

中央财经大学经济学院教授黄乃静做“From Micro to Macro: Learning Real-Time Economic Signals from Firm-Level Accounting Data”的主题演讲。报告探讨了如何从企业微观会计数据中提取宏观经济实时信号。研究突破传统宏观预测依赖加总指标的思路，直接利用两万多家美国上市公司的财务信息，并借助机器学习方法对美国总产出进行实时预测。结果显示，保留企业异质性和企业间信息结构能够显著提升GDP nowcasting的准确性。该研究表明，企业层面的经营数据不仅可以反映个体运行状况，也能够成为观察宏观经济走势的重要窗口，为政策研判和市场分析提供新的数据基础。

武汉大学经济与管理学院教授刘成做“A Multi-Step Approach for Integrated Covariance Matrix Estimation with High-Frequency Data”的主题演讲。报告聚焦高频金融数据中的集成协方差矩阵估计问题。高频交易价格往往受到市场微观结构噪声影响，且噪声可能存在自相关和横截面相关，导致传统估计方法在有限样本下产生偏差。该研究提出多步估计思路，通过联合修正集成协方差矩阵和噪声长期协方差矩阵，改善预平均方法在实际数据中的有限样本表现。报告为高频风险测度、资产组合管理和金融市场稳定性分析提供了更精细的计量方法，也体现了高频金融计量在现实金融决策中的应用价值。

中山大学岭南学院副教授、AFR研究员刘晓彬做“Seeing Sentiment: News Images, Retail Participation, and Chinese A-Share Index Returns”的主题演讲。研究突破以往金融新闻研究偏重文本的局限，利用新浪财经2014—2026年的新闻文章与图片，分别构建图像悲观和文本悲观指标。结果显示，两类情绪均能提供短期收益预测信息，但预测力并非普遍存在，而是集中于散户参与度更高、套利约束更强的创业板，并在高波动阶段显著增强。

清华大学五道口金融学院副教授施展做“Yield Curve Arbitrage in the Credit Market”的主题演讲，围绕“信用市场中的收益率曲线套利”展开报告。研究关注公司债市场中发行人收益率曲线难以估计的问题，提出利用相似企业债券信息构建发行人特定收益率曲线的方法，并以市场收益率和曲线隐含收益率的偏离构造相对价值信号。报告进一步分析该信号对公司债未来收益的预测作用，以及其与市场错误定价、流动性和套利限制之间的关系。

上海交通大学上海高级金融学院助理教授高俊雄做“Electoral Discipline,Economic Growth and Asset Prices”的主题演讲，围绕“选举纪律、经济增长与资产价格”展开报告。研究基于盖洛普总统支持率数据构造选举压力指标，用以衡量不同政治状态下的选举纪律强弱。报告考察该指标与美国经济增长、消费增长、财政支出、政治不确定性和股票超额收益之间的关系，并进一步分析选举压力如何通过约束政府寻租和财政行为影响宏观经济与资产价格。

上海财经大学金融学院副教授李江远做“The Zero-Sum Game of Mutual Fund Marketing”的主题演讲，围绕“共同基金营销的零和博弈”展开报告。研究以基金公司社交媒体直播为场景，分析直播营销对基金资金流入和基金公司收入的影响。报告发现，直播会提高被推荐基金的资金流入，但基金公司整体资金和费用收入并未同步增加，说明直播主要推动资金在同一基金公司内部重新分配。研究还分析了基金公司利用直播进行投资者留存和市场份额防御的行为。

哈尔滨工业大学（深圳）经济管理学院副教授周倜做“Implied Volatility Spreads and Stock Market Return Predictability in China: Informed Trading or Liquidity Demand?”的主题演讲，围绕“中国市场隐含波动率价差与股票收益预测”展开报告。研究以上证50ETF期权为对象，考察看涨期权与看跌期权隐含波动率差异的信息含量。报告发现，隐含波动率价差能够在周度和月度层面负向预测未来ETF收益，并进一步分析其与期权—现货基差、流动性需求以及期权市场交易压力之间的关系。

中央财经大学金融学院副教授朱一峰做“Beyond L1: Double L0 Regularization in Testing New Factors”的主题演讲，围绕“超越L1：双重L0正则化与新因子检验”展开报告。研究关注资产定价中候选因子数量不断增加背景下的因子筛选问题，在随机贴现因子框架中引入双重L0正则化方法，从大量候选因子中识别具有横截面解释力的定价因子。报告进一步分析该方法在缓解遗漏变量偏误、因子选择和模型比较中的应用。

上海交通大学上海高级金融学院武峰霖、弗吉尼亚大学文理学院刘帅辰、浙江大学经济学院王辉辉、清华大学五道口金融学院雷雨秦、复旦大学管理学院武岳志、中山大学政治与公共事务管理学院张艺川和浙江大学管理学院侯熙尧分别做“Common Idiosyncratic Volatility in Cryptocurrencies”“Policy History, Coupon Stocks, and Mortgage Transmission at the ELB”“Corporate Leverage Responses to Capital Controls: International Evidence”“Refundable Tax Credits and Mortgage Credit Access: Evidence from State EITC Expansions”“Housing Crash, Gold Rush”“When the Sky Turns Transparent: Pollution Information Disclosure and the Scientists' Research Behavior”“Benchmark-Relative Tail Risk: An Axiomatic Theory with Applications”的主题演讲。