岭南学院博士生樊嘉诚在《经济学（季刊）》发文
近日，中山大学岭南学院应用经济学博士研究生樊嘉诚（导师：林建浩教授）与合作者的论文《基于AI大语言模型的叙事资产定价研究》发表于国内高水平期刊《经济学（季刊）》2026年第26卷第3期。
该研究系统性地将AI大语言模型应用于中国A股市场资产定价研究，为叙事经济学提供了新的量化支撑，是学院博士研究生培养的又一重要成果。
立足前沿：从叙事经济学到AI大语言模型
传统资产定价研究长期依赖宏观经济变量和股票特征构建因子模型。近年来，诺贝尔经济学奖得主Shiller（2017）提出的叙事经济学为理解资产价格变动提供了全新视角：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，但新闻文本高维且非结构化，传统文本分析方法（如LDA主题模型）主要依赖词频统计，难以刻画上下文语义。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。
在这一前沿交叉背景下，樊嘉诚等的研究试图回答两个核心问题：第一，财经新闻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？第二，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了实证依据。
研究方法：从非结构化文本到可交易定价因子
研究使用2008—2021年七家主流财经报纸的新闻文本，构建了一套完整的研究链条。第一步，借助BERT模型生成文档级嵌入向量，实现从非结构化文本到高维语义信息的转化；第二步，采用Sparse IPCA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；第三步，为验证大语言模型的增量价值，研究同时构建了基于LDA传统主题模型的叙事因子，并与传统Fama-French-Carhart因子和统计主成分因子进行系统比较。
核心发现：叙事因子的定价能力远超传统模型
研究发现主要体现在以下三个方面：
第一，叙事因子具有明确的经济含义。提取的状态变量与消费者信心指数同向变动，并能显著预测未来产出、消费、投资与通胀，符合跨期资本资产定价理论（ICAPM）的预期。这说明新闻叙事并非噪音，而是承载了关于未来宏观基本面的有效信息。
第二，定价能力远超传统模型。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。在样本外交易策略中，最优叙事因子模型的年化夏普比率达到0.95，而最优传统FFC6模型仅为0.27。
第三，大语言模型稳定优于传统主题模型。无论在定价精度还是策略表现上，基于BERT的叙事因子模型均稳定优于基于LDA的模型。原因在于大语言模型更能捕捉上下文语义、复杂语言关系与不同长度的文本。
潜心科研，厚积薄发
樊嘉诚同学的研究方向为网络与信息经济、实证宏观与金融。在导师林建浩教授的悉心指导下，他持续追踪叙事经济学、文本分析与人工智能应用等国际前沿文献，注重在前沿方法与中国具体经济问题之间寻找研究切口。研究推进并非一帆风顺。樊嘉诚回忆道：最开始我们更多关注技术方法本身，但随着讨论深入，逐渐意识到文章不能停留在用了新的模型、得到了更好的结果这一层面，而需要把问题放回资产定价和叙事经济学的框架中。林建浩老师在多次讨论中提醒我们，要不断追问结果背后的经济含义：叙事因子究竟捕捉了什么信息？它与传统因子有什么不同？为什么它能够解释资产收益？这些问题促使我们不断补充机制分析、稳健性检验和经济解释。
论文曾在中国金融学年会等多个学术会议上进行报告交流，汲取了来自不同领域专家学者的宝贵意见。樊嘉诚对此深有感触：有些意见后来与审稿人的关注点非常接近，有些则与审稿意见在方向上高度重合。学术交流并不是论文完成之后的展示环节，而是论文形成过程中的重要组成部分。
回顾这项研究的经历，樊嘉诚将体会概括为三点：一是选题要重视前沿文献，但不能只是追热点，要在前沿方法与具体经济问题之间找到结合点；二是研究推进要重视经济逻辑，尤其是在使用人工智能和机器学习方法时，更不能忽视问题意识和经济解释；三是要珍惜学术交流的机会，多参加会议、多报告、多听取意见，外部反馈往往能帮助研究者更快识别论文中真正重要的问题，也能推动研究不断向前。
目前，樊嘉诚同学已在Journal of Applied Econometrics、Journal of Banking & Finance、《经济研究》、《经济学（季刊）》等国内外权威期刊发表多篇论文，主持国家自然科学基金博士研究生项目，并获研究生国家奖学金等荣誉。
深化AI+金融交叉人才培养
岭南学院长期致力于培养具有国际视野和交叉学科背景的高层次经济学人才。此次樊嘉诚同学的科研成果，既是学院博士研究生培养质量的重要体现，也是学院在人工智能+金融交叉领域科研实力的生动展示。学院将继续深化博士研究生教育改革，鼓励学生瞄准国际学术前沿、扎根中国现实问题，产出更多高水平原创性研究成果，为服务国家战略需求和经济社会发展贡献岭南力量。
中山大学岭南学院应用经济学博士生，研究方向为网络与信息经济、实证宏观与金融。研究成果发表于Journal of Applied Econometrics、Journal of Banking & Finance、《经济研究》、《经济学（季刊）》等期刊；主持国家自然科学基金博士研究生项目，参与多项国家级课题，获研究生国家奖学金等荣誉。
