日前，2025第三届亚洲会计学者论坛在香港中文大学（深圳）经管学院圆满落幕。论坛吸引了包括北京大学、范德堡大学、南方科技大学、南京大学、乔治·梅森大学、上海交通大学、香港中文大学、西安交通大学、西南财经大学、中山大学（依校名拼音排序）等在内的多所顶尖高校会计学者参与。与会学者聚焦会计领域热点，分享前沿研究，并展开了多维度、富有深度的思想碰撞与学术对话。

张田余教授致辞

港中大（深圳）经管学院会计学领域负责人、深圳数据经济研究院副院长张田余教授致欢迎辞。他热烈欢迎并衷心感谢远道而来的嘉宾，并简要介绍了学院会计学科的发展成就。张教授表示，这些瞩目成绩的取得离不开各界支持与合作。面向未来，张教授强调学院将持续举办高质量学术论坛，深化区域会计学者间的交流合作，促进思想碰撞与知识融合，以共同驱动会计学科的长远进步。

论文研讨

《The Importance of Pay Information Accessibility to Corporate Innovation: Evidence from Salary History Ban》

南京大学袁涛教授及其合著者的研究探讨了雇主在招聘过程中获取求职者薪酬历史信息的能力如何影响其创新绩效。该研究利用美国各州分阶段实施的薪资历史禁令（SHBs）（该禁令禁止雇主询问求职者的过往薪资）进行实证分析。研究发现，SHBs 对企业创新具有显著的负面影响。研究证据表明，SHBs 主要通过两个渠道影响创新：（1）削弱男性发明者的工作激励；（2）加剧发明者劳动力市场的摩擦。对于发明者流动性较高、女性发明者比例较低、拥有更多高职级发明者的公司，以及在 SHBs 执法力度更大的州，SHBs 对创新的负面影响更为显著。总体而言，研究结果表明，限制雇主获取求职者薪酬历史信息可能扭曲劳动力市场，并对企业创新产生不利影响。

点评人：香港中文大学周晓路教授

《Government Support and the Term Structure of Yield Spreads for Chinese SOEs》

近期文献指出，中国国有企业（SOEs）相比非国有企业（NSOEs）具有更低的收益率利差，这可以通过政府救助来解释。北京大学吕元稹教授及其合著者的研究将这一现象拓展至地方政府融资平台（LGFVs）发行的债券。LGFVs 是一种比普通国有企业（SOEs）更依赖政府补贴和注资的特殊类型国有企业。研究发现，这两类国有企业的利差均显著低于非国有企业，且在较短期限内，LGFVs 的利差甚至低于 SOEs；但随着期限延长，LGFVs 的融资优势减弱，导致 LGFV-SOE 利差呈现上升的期限结构特征。这一期限结构特征受 LGFV 相关政策周期影响，反映了市场对未来政府支持力度的预期。在经济发展水平较低的城市，这一特征更为明显，因为在这些城市 LGFVs 发债后，政府支持力度往往大幅下降，这可能源于其自身财政状况较弱。为深入揭示这种“断奶”机制，研究发现，在中央政府允许省级政府代发市级政府债券后，在发行债券较多的省份，其下属城市对 LGFVs 的支持力度下降幅度更小，相应地，LGFV-SOE 利差的期限结构也更为平坦。最后，研究指出，LGFVs 的融资优势在近几年已基本消失，这与房地产市场长期低迷导致地方财政承压相吻合。上述研究结论无法用企业信用状况、债券流动性、政府救助概率、地方官员更替或对政治不确定性的敏感性等因素完全解释。

点评人：上海交通大学夏立军教授

《AI (ChatGPT) Democratization and Trading Inequality》

西南财经大学周长运教授及其合著者的研究首次探讨了人工智能（如 ChatGPT）普及化（民主化）对投资者交易活动的影响。研究基于财报电话会议文本开发了一项 AI 情绪指标。研究发现，在 ChatGPT 推出前，做空交易者的活动与 AI 情绪指标高度正相关，而散户投资者的交易则无此相关性。然而，在 ChatGPT 被广泛应用后，散户投资者的交易活动与 AI 情绪指标的正相关性显著增强，而做空交易者的相关性则减弱。这表明 AI 有助于缩小散户投资者和做空交易者之间的信息处理能力差距（或“信息鸿沟”）。进一步分析显示，AI 普及化对散户交易的主要影响机制在于其能够降低散户投资者的信息处理成本。最后，研究发现，无论 AI 普及化前后，AI 情绪指标都能正向预测股票未来收益，且长期内未出现显著的价格反转（或“收益反转”）。这表明该指标能够有效反映基本面信息，且散户交易与 AI 情绪指标相关性的提升并未对市场定价效率产生可观测的显著影响。为增强因果推断力度，研究还分析了 ChatGPT 服务中断事件的影响。结果显示，这些中断事件显著降低了散户交易活动与 AI 情绪指标之间的相关性，为结论提供了进一步支持。

点评人：港中大（深圳）经管学院申睿教授

《Informative Price Pressure》

香港中文大学（深圳）经管学院林文威教授及其合著者的研究指出：拥有信息优势的投资者通常会在美联储联邦公开市场委员会（FOMC）会议前夕对其股票头寸进行对冲。这种对冲行为所产生的价格压力，在加总至全市场层面后，能够反映投资者对股市的长期看法（方向相反）。与此一致，研究发现，最近一次 FOMC 会议前一天的市场平均收益率，虽然在会议当天出现完全回撤，但能显著地负向预测未来长达两年的市场收益率。这种市场收益的可预测性在加入其他控制变量、采用不同样本期以及将分析拓展至其他重要宏观经济公告时依然稳健。研究还发现，在 FOMC 会议前一天，市场上知情交易的强度较低，这解释了为何知情投资者选择在这一天进行对冲。同时，这一天的芝加哥期权交易所波动率指数（VIX） 通常较高，从而导致可观测的上述价格压力。

点评人：范德堡大学Bin Li 教授

《Predicting the Unpredictable: Representative Bias and Speculative Trading in Stock Market》

中山大学张新一教授及其合著者的研究探讨了代表性偏差如何驱动金融市场中的投机交易，并导致资产价格扭曲。利用中国独特的股票送转机制，研究识别出一个关键的代表性特征——“送转来源”（即留存收益与资本公积的构成比例），投资者常用其预测股票送转行为。研究发现，投资者普遍将送转来源的规模与股票送转的概率和比例相关联，却忽视了企业决策时很少仅依据该指标的事实。这种认知偏差是投机交易的主要驱动力：投资者倾向于提前买入送转来源较高的股票，导致股票送转预案公告前股价大幅上涨，而在公告后则出现完全的价格反转。这一收益模式在多种研究设计和稳健性检验下均成立，并且在小市值、低流动性、低机构持股比例的股票中更为显著。来自散户净买入需求和社交媒体讨论的直接证据进一步表明，散户投资者对股票送转可能性的预期确实显著受送转来源的影响。

点评人：南方科技大学杨世杰教授

《Strategic Disclosure of Hiring Information and Insider Trading: Evidence from Job Postings》

西安交通大学司毅教授及其合著者的研究以2010年至2020年近乎全量的招聘信息数据为样本。研究发现，管理者会在进行内幕卖出交易前披露有关职位需求的正面消息，旨在于信息披露后立即以更高价格卖出证券。然而，研究未在内幕买入交易前发现统计上显著的类似策略性行为。进一步分析表明，这一效应在管理者获利动机更强和信息披露自主权更高时更为明显；而在企业专有性信息成本较高、劳动力市场摩擦较大以及公司治理水平较好时减弱。补充测试显示，在进行内幕交易期间，公司会披露更高的人力资本投资水平，但实际并未进行相应招聘。同时，管理者还会采取“双管齐下”的策略，同步操纵应计项目和招聘信息以最大化交易收益。然而，若内幕人反复使用该策略操纵招聘信息，投资者能够识破其意图。上述研究结论在多项稳健性检验下依然成立，包括采用双重差分研究设计、运用不同匹配方法、计算替代性衡量指标、以及考察不同交易窗口和样本期。

点评人：乔治·梅森大学Yi Cao教授

聚焦前沿热点，激荡思想火花！2025第三届亚洲会计学者论坛圆满落幕，感谢所有与会嘉宾的深度分享与智慧碰撞，期待明年再聚首，共探学术新知。