6月18日，“新业态、新金融、新机遇”中美经济学家论坛在复旦大学举行。来自中美两国的专家学者和业界精英齐聚一堂，共同分享中美两国在金融大数据、区块链、量化投资、人工智能及其他新金融方面的业态、挑战和未来。本次论坛由复旦大学经济学院和复旦大学泛海国际金融学院共同主办，复旦-斯坦福中国金融科技与安全研究院和复旦大学金融研究院联合承办。
复旦大学泛海国际金融学院执行院长钱军教授致欢迎辞。复旦-斯坦福中国金融科技与安全研究院执行院长刘庆富教授和南京大学-牛津大学金融创新研究院院长李心丹教授联合主持。
美国艺术和科学院院士、斯坦福大学商学院金融学教授达雷尔·达菲（Darrell Duffie），中国科学院院士、山东大学教授彭实戈，钱军，台湾大学咨询工程系副教授、区块链资深专家廖世伟（Steve Liao），人工智能专家、清华大学讲席教授邹昊等作主旨报告，对当前互联网、大数据、云计算、人工智能、区块链等方法或技术兴起和进步进行了良好的阐释。
耶鲁大学金融学教授何华，复旦大学经济学院教授张金清、管理学院教授张新生、数学科学学院教授汤善健，华盛顿大学圣路易斯分校金融学讲席教授刘蕻，麻省理工学院斯隆管理学院聘用教授潘军，以及来自美国硅谷、华尔街和陆家嘴等金融业界的首席经济学家出席论坛。
主旨演讲环节中，达雷尔·达菲讨论了暗池交易（Dark Pool）和其他规模发现（Size Discovery）机制的市场非有效性，介绍了规模发现的产生背景。他以暗池交易和检测交易等两个规模发现为例，说明了规模发现的应用，并在给出静态和动态规模发现模型的基础上，对规模管制效率进行了实证分析，进而相应提出政策建议。
达雷尔·达菲表示，规模发现有利于提高原始库存分配。在没有检测交易和暗池交易条件下，买卖双方需求与供给相差很大；在引入检测交易之后，买卖双方的需求和供给缩减。当下规模发现在国债和利率互换交易中应用比较广泛，大约一半的交易量都使用检测交易。他提出，目前在资本市场，关于规模管制对市场的深度、价格信息影响的政策相关实证分析是有限的和复杂的。理论发现规模发现可以减少短时间大量交易的订单，这会推迟不同投资者资产重组均衡的时间，从而降低市场深度和市场有效性。他进一步通过建立静态和动态规模发现模型发现，在可观测总库存的情况下，无论是实施规模发现还是没有实施规模发现，供给和需要的差距都在缩减。大量的规模发现降低了市场效率，在高于最大可行平均频率的规模发现条件下，交易市场清空是不可能的。他认为，在有竞争平台条件下的操作者，实施规模发现是有利润的，但对社会是不利的，因为信息会集中在频繁使用规模发现的交易者手中，导致信息不对称和市场效率的降低。另外，随着价格发现变得越来越频繁，交易量和交易深度下降。在可以实施规模发现交易的条件下，实施规模发现的交易者比不实施规模发现的交易者要好，因此分散的不同交易场所可以使用规模交易进行市场管制。针对在论坛中有学者提出的关于规模发现在中国和美国交易市场的不同应用和区别，他认为，中国债券市场持仓规模较大，债券市场是时间优先，可以把规模发现引入交易机制。在美国，规模发现在交易市场的应用已经普及，目前问题是频繁规模交易者优先获得信息从而导致信息不对称，降低市场效率，可以通过规模发现推迟交易时间提高市场效率。
彭实戈分析了在G布朗运动框架下的随机微积分及其在金融领域的应用，在提出未来风险测度新方向的同时，成功解决了大数据金融领域的核心问题。
彭实戈介绍了次线性期望空间和次线性期望满足条件，列出了分布不确定性的两种情况，并指出，通过次线性期望覆盖概率不确定性的风险是一个非常有用的参数化次线性模型，其中次线性是覆盖概率不确定性的必要条件。他还介绍了如何在次线性期望空间中定义随机变量的G-正态分布，并详细解释了如何在次线性期望空间上定义非线性布朗运动，从而能在次线性期望空间中建立Itô积分、Itô微分、G-鞅、上鞅和非线性期望等。他表示，我们不需要为这些类型的非线性期望改变随机微积分，很多Wiener度量和由非线性期望支配的鞅测度在这个固定的G框架中很好地工作。他进一步分析了中国金融期货交易所从VaR到GVaR 挑战问题，在不确定性下使用BSDE进行超额套期保值管理。
钱军就中国资产市场如何助推科技和新兴产业发展进行了深入的探讨，主要论述了中国经济增长、金融系统及其贡献，中国新经济增长模型和新金融需求。
钱军通过比较中国与不同国家经济生产总值给出了中国股票市场发展的大致轮廓，先后阐释了旧的和新的中国经济增长模型及中国金融系统在经济增长中的角色。他表示，旧的经济增长主要依靠投资拉动型、劳动密集型和出口导向型。中国成功加入WTO之后，金融系统以传统大型国有银行为主，为国有企业提供资金支持；新经济增长主要依靠需求和创新推动，如由数据支持的金融平台等中国金融体系改革。其中，影子银行和新金融均为创新企业服务的新金融模式。他进一步通过比较不同国家股票市值和成交量，指出了在股票市值和成交量上，上海证券交易所已经超过日本成为第二大股票交易市场；然而在股票指数收益的买与卖上，中国股票交易所并不乐观。他结合实证分析发现，中国企业在股票市场上市后，业绩普遍下滑。对此，他解释道，中国企业上市制度不完善，退市制度不完善，大型投资效率低下。具体表现在企业在上市之前会加快赊卖来提高盈利，中国很少去除已经上市的表现不好的企业，中国企业比其他国家企业资产消耗多、现金流较少，未上市公司比上市公司增长快，大量的关联交易伴随着低现金流，公司管理低效率，低收益率，A股上市公司现金流相比较其他企业在2007-2008年下降，并且收益差距也在扩大。此外，包括利率水平下降但是无法推动企业经济效益提高，企业估值下降，中国企业波动率高但是收益较低等其他经济因素也会导致这种情况。他提出，中国经济增长和股市增长发展不均衡，非上市企业比上市企业盈利水平好，建议鼓励更多私有企业上市，实行更严格的监管，限制关联交易。
廖世伟分享了其对当前比较前沿的数字货币和区块链领域进行的前瞻性研究，探讨了区块链的趋势、应用和挑战。
据廖世伟介绍，区块链是金融科技的一个领域，其他还包括人工智能和大数据，是计算机、社会科学、代币制三个领域的结合。比特币是区块链中的一个应用，主要用于汇款、手机信用卡支付、便携式去中心化数据黄金。区块链可以应用于金融、数据信息、互联网等方面的改革，其特点是多中心化，就像互联网一样，没有人完全拥有和掌控它。它是公开且大家都可以在上面创新，就如同互联网当初发展崛起的过程，大家都可以在区块链上创建能改变世界的新服务，鼓励市场竞争来改善现有系统。目前多国政府参与区块链建立和发展，区块链在资本、货币和数据资产领域有广泛应用，例如，美国证交所用区块链发行股票；英国用区块链服务公共部门；中国区块链技术在人民银行、银联等都有应用。他表示，区块链有利于建立网上社会和网上联合国，还有利于基础设施的建设。虽然区块链有很广泛的应用前景，但是也存在潜在威胁，这主要体现在虚拟货币，一旦交易系统遭到黑客攻击，虚拟货币会被立刻转走。比特币是区块链在货币领域的应用，它具有价格平稳、无风险利率、无套利行为等特点，主要适用于BTC投资平台，目前被少数国家如冰岛认可。由于虚拟货币短时间出现，交易市场秩序不规范， 2017年中国对虚拟货币交易所进行整治。区块链也在商业领域有广泛应用，如数位化货币、数位证券化应用、保险理赔、供应链产销履历、公民电子投票、健康医疗记录、智慧合约及商业登记等。他指出，区块链的发展也面临很多挑战，如规模控制、管制不健全、发展持续性和代币经济本身的危险性等。
邹昊介绍了人工智能产生的背景，阐述了人工智能在AI辅助决策、肿瘤防治与早期筛查、精准治疗、药物研发、智慧医院等领域的应用。
邹昊指出，中国的人工智能在金融科技领域应用前景乐观，主要因为传统银行业较弱，信用体系的建立和推进等金融监管进步，互联网和智能手机的广泛应用，以及人口和财富的分配。他通过比较传统银行和应用人工智能的蚂蚁金融发现，蚂蚁金融发展速度较快。他表示，目前中国的金融科技公司也开始从事银行业务，包括支付系统、消费与中小企业贷款、个人财富管理、保险平台、财富机构管理等。人工智能在传统银行中也得到广泛应用，如反诈骗、反洗钱、信用模型和风险控制、账户管理、量化投资（市场结构、价值投资、流动管制、指数套利和数据发掘）。他提出，人工智能可以促进中国市场的开放，从而提高市场效率。
与会嘉宾还对中美两国的国际投资、金融科技、金融安全、金融体系等展开了对话和讨论。本次论坛着力对科技创新、现代金融、金融监管以及防范系统性金融风险等重要问题进行深入研究，对我国传统金融、新金融及其风险将面临何种境况、未来将面临何种机遇和挑战提供清晰阐释。论坛对我国金融业的发展基础、运营模式和监管手段等给出了很多颇有具有参考价值的建议，是对新时代下新金融未来挑战和发展进行把脉的一次盛宴。
返回顶部
