2026年7月13日，由上海交通大学安泰经济与管理学院金融系、中银科技金融学院、安泰经济与管理学院数字化决策重点实验室联合发起主办首届的“金融强国前沿论坛——人工智能与金融交叉融合”（Financial Powerhouse Frontier Forum）在上海交通大学徐汇校区浩然高科技大厦100报告厅举行。本次论坛聚焦人工智能与金融的深度交叉，探讨AI在金融产业中的核心实践与边界，行为偏差与市场可预测性、AI信息处理与市场交易以及AI和大数据时代的资本市场可预测性等前沿议题。

本论坛致力于打造高水平、跨学科、产学研互通的学术交流平台。来自多伦多大学、马里兰大学、德保罗大学、上海交通大学、复旦大学、厦门大学、上海外国语大学、等知名高校的学者，以及申万菱信基金、恒生电子、腾讯、兴业信托、财跃星辰、中信建投、DolphinDB等机构的业界精英齐聚一堂。与会嘉宾围绕AI大模型、机器学习在资产定价、基金交易及风险管理中的最新应用展开了深入交流，对推动金融强国建设、促进科技与金融的双向赋能具有重要意义。

论坛开幕式上，上海交通大学文科建设处处长吴文锋教授、上海交通大学中银科技金融学院执行院长刘少轩教授、上海交通大学安泰经济与管理学院副院长张麒副教授、以及论坛主席、上海交通大学安泰经济与管理学院凃俊教授分别发表致辞，对与会学者的到来表示热烈欢迎，并指出在数字化转型的当下，人工智能与金融的结合正成为重塑金融市场运行规律与提升治理能力的关键力量，本次论坛为探寻这一变革提供了重要的对话平台。

德保罗大学炎宏军分享了论文《FinTech Brings a Bias from Psychology Labs to a Two-trillion-dollar Market》。该研究聚焦规模达两万亿美元的智能投顾市场，通过问卷调查与大样本随机对照试验发现，颠倒收益风险选项的呈现顺序会触发显著的“选项顺序效应”。获得倒序选项的用户往往会得出更高的风险得分，进而配置更多高风险资产，这表明心理学偏差已实质性地影响了海量资金的实际配置。上海外国语大学杨晓兰对该论文进行了点评，深入剖析了顺序效应究竟是改变了投资者的真实偏好还是起到了打破自动化应答的纠偏作用，并就效应的经济显著性和用户异质性提出了进一步拓展建议。

厦门大学姜富伟分享了论文《Crash Memory and Stock Returns Predictability》。该研究创新性地运用大语言模型技术构建了无前瞻性偏差的“CrashMemory”指数，精准量化了投资者对过往市场崩盘事件的关联记忆提取。实证发现，高强度的崩盘记忆不仅系统性地放大了投资者的主观崩盘信念与期权隐含崩盘概率，还能在样本内外均有效预测未来的股票市场收益。这一发现表明，记忆驱动的信念扭曲是理解资产收益可预测性和时变风险感知的重要机制。多伦多大学杨立岩对该研究进行了精彩点评。他从理论机制出发，深入探讨了主观预期效用框架下信念与风险厌恶的不可分性，指出资产价格的变动既可能源于主观概率的调整，也完全能被解释为边际效用的变化。此外，他建议未来可进一步厘清“崩盘记忆”与市场情绪、损失厌恶等概念的边界，并关注期权隐含信念等代理指标的内生性问题。

马里兰大学曹顺分享了论文《Seeing the Goal, Missing the Truth: Human Accountability for AI Bias》。研究发现，利用大语言模型构建金融中间变量时，若在提示词中披露下游预测目标，会触发模型迎合目标的反应，导致显著的系统性与前瞻性偏差。该研究将AI偏差的重心从“机器局限”转向“人类使用方式”，强调了在AI辅助研究中分离变量测度与评估环节的必要性。复旦大学郭雳对该论文进行了点评。他剖析了目标感知提示词究竟是改变了底层变量定义，还是调整了模型的注意力权重。此外，他建议通过区分公司前瞻记忆泄露、先验知识干扰以及专业激发效应等替代机制，进一步厘清“训练数据泄露”与“提示词泄露”的边界，为规范大模型金融实证研究提供了深刻指导。

上海交通大学胡悦分享了论文《Are Mutual Funds Informed Traders in the Corporate Bond Market?》。研究证实，债券基金的净买入行为能显著预测未来债券收益，这源于基金经理对公司违约风险、订单流及收益率曲线的精准预判。该信息优势在小规模、高费率基金及低评级、长久期债券中尤为明显，但扣除各项费用后，基金的净阿尔法依然表现为负。复旦大学孙林对该研究进行了细致点评。他建议进一步厘清这种超额收益究竟是源于真正的知情交易，还是仅仅作为久期与信用等风险敞口的补偿。此外，他主张将基金的主动交易与受资金流驱动的机械性交易进行精准拆解，并就引入真实交易成本考量以及运用Fama-MacBeth回归等方法完善实证检验提出了建设性意见。

学术主旨演讲环节由上海交通大学副教授覃筱主持。多伦多大学杨立岩教授发表了题为《The Limits of AI Trading: Market Sophistication and Algorithmic Herding》的主题演讲。他深入探讨了算法交易在高度复杂的现代金融市场中可能引发的同质化羊群效应及其对市场稳定性的潜在挑战，这一深刻的理论洞察引发了在场学者的热烈反响与交流。

业界第一场主旨演讲由论坛主席凃俊主持。申万菱信基金董事长陈晓升以《数智化的α——预期差与投研数智化探索》为题，分享了资管行业智能化转型的硬核实践。陈晓升在演讲中详尽阐述了“预期差”的内在逻辑，指出投资研究的本质就是利用新信息与新方法去捕捉市场共识之外的预期差。他生动展示了申万菱信自主研发的“关键假设平台”，该系统彻底打破了传统研究“单机版、孤岛化”的痛点，实现了宏观总量、行业品种与投资组合的数字化贯通，并将风险管理有效前置。

随后，业界第二场主旨演讲由上海交通大学助理教授杨彪主持。恒生电子首席科学家、中国计算机学会数字金融分会常务执委白硕就《Comments on Countermeasures for Financial Institutions in the AI-Native Era》进行了前瞻性分享。他深度剖析了在AI技术重塑底层逻辑的新时代，金融机构应如何从基础设施、业务架构迭代以及智能风险防范等维度进行全局性的战略部署与应对。

压轴的圆桌论坛由上海交通大学副教授费一文主持。围绕“AI如何走进金融实践：应用、边界与未来”的核心议题，来自上海财跃星辰的白祚、DolphinDB的周小华、兴业信托的周瑜伟以及腾讯营销云的王璐展开了深度对话。嘉宾们立足于各自机构的前沿实践，展开了多维度的精彩碰撞：探讨了AI目前在投研、交易、风险管理、客户服务、运营管理及数据分析等金融业务中发挥的实际作用，并分享了哪些应用已相对成熟，哪些仍处于试点阶段。深度审视了金融机构在拥抱AI时亟需关注的边界问题，针对AI技术可能带来的数据偏差、模型误判、算法同质化、技术过度依赖以及责任界定不清等痛点，探讨了如何在实践中建立必要的约束与治理机制，坚决避免“看起来智能、实际上失控”的潜在风险。面向AI更好地服务金融实践、助力金融强国建设的宏伟蓝图，嘉宾们对未来学界与业界在高质量数据挖掘、底层技术突破、复合型人才培养以及配套监管等维度的深度合作寄予了深切期望，并为高校如何更有效地支持金融实践建言献策。

至此，“金融强国前沿论坛”（Financial Powerhouse Frontier Forum）圆满落下帷幕。本次论坛紧贴时代发展脉搏，重点围绕AI和大数据时代背景下的行为偏差与市场可预测性研究、AI信息处理与市场交易，以及AI在金融实践中的应用、边界与未来等核心议题展开了深入探讨，充分体现了“前沿引领”“群英荟萃”“产学深度融合”的论坛特色。通过高质量的学术论文分享、前瞻性的主旨演讲与深度的圆桌讨论，与会的众多知名学者与业界精英聚焦人工智能赋能金融业的底层逻辑、算法局限、投研数智化及治理约束等前沿领域进行了充分交流。这不仅加深了对AI时代金融市场运行新规律的理解，更为推动人工智能与金融交叉领域的理论创新、方法突破和实践落地注入了全新的活力与强劲动力。