2026年6月12-13日，2026金融经济学国际研讨会(2026 International Conference of Economics and Finance)在浙江大学海宁校区成功举办。本次研讨会由浙江大学金融研究院（AFR）、浙江省金融研究院、浙江大学经济学院、嘉兴大学经济学院、浙江大学青山商学高等研究院联合主办，由AFR金融理论与政策研究中心、浙江大学产业投资研究中心、嘉兴地方金融发展研究院联合承办。论坛汇聚来自麻省理工学院、新加坡国立大学、圣路易斯华盛顿大学、香港中文大学等海外知名学府，以及清华大学、上海交通大学、复旦大学、中国人民大学、哈尔滨工业大学、武汉大学、中山大学、厦门大学、深圳大学、中央财经大学、上海财经大学、西南财经大学等国内顶尖高校的百余名知名学者。与会嘉宾围绕宏观金融、金融计量、资产定价及青年学者研究等核心议题深入研讨，共同分享学术前沿进展和最新研究成果。

开幕致辞：立足本土实践，提升中国金融话语权

会议开幕式和主论坛由浙江大学金融研究院副院长曾涛和嘉兴大学经济学院副院长胡进共同主持。

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。

主旨演讲：聚焦人工智能，探讨全球金融新趋势

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。

圣路易斯华盛顿大学奥林商学院金融学讲席教授周国富围绕生成式人工智能与金融经济学前沿问题，展示了多项创新研究。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。

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探讨了人工智能时代经济理论与机器学习融合的新路径。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。