11月26日上午，中央财经大学管理科学与工程学院采用线上、线下相结合的方式，成功举办第13期龙马奋进-中国投资论坛。本次论坛邀请到武汉大学经济与管理学院李斌教授、中山大学岭南学院曾燕教授以及中国人民大学汉青经济与金融高级研究院高昊宇副教授作为本次论坛的主讲嘉宾。中央财经大学管理科学与工程学院院长刘志东教授、李爱华教授、荆中博副教授、郭健副教授、刘赫博士和40余名研究生参加研讨。

会议由投资系主任荆中博主持。刘志东代表中央财经大学管理科学与工程学院向三位主讲嘉宾以及参会师生表示了热烈的欢迎与感谢，并从学院的人才培养、学科建设的角度阐述了举办本次论坛的重要意义。刘志东希望各位嘉宾能够从各自研究视角出发分享精彩的观点，参会师生积极讨论，并预祝会议取得圆满成功。

李斌发表了题为“Selecting Mutual Funds From the Stocks They Hold: A Machine Learning Approach”的演讲。文章在传统资产定价模型的基础之上，通过创新性地引入机器学习方法，利用股票特征进行公募基金的选择。李斌首先从文献发展的理论和选择基金的实践两个角度说明了选题的重要意义，接着介绍文章使用美国1980年到2008年间2980支公募基金，按照公募基金权重加权的方法构建了94种股票特征变量，分别观察滞后不同期的股票特征变量对于公募基金表现的时变影响。方法方面，李斌对比分析了传统线性模型和机器学习的优劣，从数据拟合、变量选择和解释性三个角度阐释了增强回归树算法的优势。结果表明，股票特征与公募基金表现之间的关系是非线性的；机器学习模型，特别是回归树算法对这种关系的捕捉力度最强。另外，股票特征中最具重要性的两个变量分别是交易摩擦和动量因子。

曾燕分享了题为“电商平台救助入驻企业的最优策略与救助效益”的研究成果。该论文基于电商平台运营以及危机救助的主要特征，构建理论模型分析危机冲击下平台对旗下入驻企业的救助策略与救助效益，旨在阐述不同救助策略的差异及其相互作用。结论表明，若只考虑单一救助策略，当入驻企业受危机影响较大时，只有“输血”才能救助入驻企业；反之当入驻企业受危机影响较小时，“不抽血”的救助策略将起到更好的救助效果。若考虑组合救助策略，当平台资金充足时，平台收益和救助比例均随入驻企业受危机影响程度的加深而上升；当平台面临资金约束时，平台收益和救助比例均随入驻企业受危机影响程度的加深而下降。相较于银行等外部资金机构，平台是更高效的救助主体：考虑到平台与入驻企业呈共生关系，平台愿意牺牲部分短期贷款收益以换取入驻企业持续经营带来的佣金与租金等长期收入。该文章提供了对平台经济的救助策略和救助效益的评估分析框架，为理解平台经济起到的危机稳定器作用提供了新视角和新见解。

高昊宇发表了题为“Shell-Shocked Investors: Earthquake Effect on Yield Spreads of Quasi-Municipal Bonds”的演讲。近年来以地震为代表的极端自然灾害风险越来越受到各界重视，这种风险如何被金融市场感知、定价，是具有很高价值的研究问题。高昊宇基于对现有关于地震经济损失与风险感知后果文献梳理，重点介绍了行为金融领域中的“Salience bias”与“Projection bias”理论，生动阐述了论文的理论机制并提出研究假设。研究表明，过去一段时间的破坏性地震会显著提高当地城投债的风险溢价，但该作用只在短期内有效，且该效果会随着投资者对当地地震预期的提高而降低，进一步论证了“Salience bias”在该作用机制中的核心地位。

主题演讲后，主持人荆中博进行了总结发言。荆中博指出，本次三位与会专家的主题演讲对于各位研究生同学的研究写作具有非常好的示范意义。李斌关注机器学习方法的实际应用，在当今的大数据时代背景下，通过对数据的筛选、挖掘探索背后隐含的机制。曾燕教授基于我国经济发展特征通过构建经济模型，探究了电商平台与企业间的理论联系，从而确保未来实施救助的有效性。高昊宇通过严谨的数据收集与逻辑论证，使用基础的方法阐明了自然灾害提高风险溢价故事背后的机理。最后，荆中博再次向所有主讲嘉宾与参会人员表示了感谢。