摘要：在美国金融协会（AFA）颁发的Dimensional Fund Advisors Prizes中，来自芝加哥大学的修大成教授及合作者论文“Business News and Business Cycles”，以及来自上海科技大学的张亚佩助理教授及合作者论文“C
在美国旧金山举行的2025年美国金融协会（AFA）年会上，中国学者硕果累累、斩获颇丰。
在美国金融协会（AFA）颁发的Dimensional Fund Advisors Prizes中，来自芝加哥大学的修大成教授及合作者论文“Business News and Business Cycles”，以及来自上海科技大学的张亚佩助理教授及合作者论文“Countercyclical Income Risk and Portfolio Choices: Evidence from Sweden”，同时获得Dimensional Fund Advisors Prize年度杰出论文奖（Dimensional Fund Advisors Prizes for 2024 - Distinguished Papers）。
获奖荣誉证书
Dimensional Fund Advisors Prizes 年度杰出论文奖是全球金融学界极具权威性的奖项，由全球顶尖金融学术组织美国金融协会（The American Finance Association, AFA）从1989年发起，旨在表彰《Journal of Finance》中除公司金融领域外的最佳论文。该奖项由全球金融学术界公认的最具影响力顶级期刊之一《Journal of Finance》，从全年除公司金融领域外发表论文中评选得出，在国际学术界享有极高的声誉与含金量。
此外，来自长江商学院的金钊教授及合作者论文“Artificial Intelligence, Education, and Entrepreneurship”获得Brattle Group Prize年度杰出论文奖 （Brattle Group Prize - Distinguished Papers）。金钊教授成为自1999年该奖项设立以来首位获此殊荣的中国院校学者。（详情：首位获奖中国院校学者！长江商学院金钊教授荣获美国金融学会年度大奖）
修大成教授简介
修大成
芝加哥大学布斯商学院约瑟夫·桑德海默计量经济学和统计学讲席教授，同时也是美国国家经济研究局的研究员。他同时受邀担任清华大学五道口金融学院、上海交通大学高级金融学院和科技金融学院的特聘教授。修教授在Journal of Business & Economic Statistics, Journal of Financial Econometrics, Journal of Finance, Review of Financial Studies, Journal of the American Statistical Association, Management Science, Journal of Econometrics 等经济、金融和统计学期刊担任主编和编委。他的研究成果发表在Econometrica, Journal of Political Economy, Journal of Finance, Review of Financial Studies, Journal of the American Statistical Association, 以及Annals of Statistics等顶级学术期刊。他曾获得金融计量经济协会会士、Journal of Econometrics会士、瑞士金融学院杰出论文奖、AQR Insight Award、Bates-White Prize、以及多项最佳会议论文奖。他曾被Poets & Quants杂志评为全球最佳40岁以下 40位MBA教授之一。他目前的研究致力于结合机器学习方法，探索资产定价领域的大数据问题，同时深入剖析机器学习，尤其是深度学习在金融与经济学中的应用潜力及局限性。
获奖论文简介
Business News and Business Cycles
商业新闻与商业周期
作者
Leland Bybee
耶鲁大学
Bryan Kelly
耶鲁大学
Asaf Manela
圣路易斯华盛顿大学和赖克曼大学
修大成
芝加哥大学
摘要
We propose an approach to measuring the state of the economy via textual analysis of business news. From the full text of 800,000 Wall Street Journal articles for 1984 to 2017, we estimate a topic model that summarizes business news into interpretable topical themes and quantifies the proportion of news attention allocated to each theme over time. News attention closely tracks a wide range of economic activities and can forecast aggregate stock market returns. A text-augmented vector autoregression demonstrates the large incremental role of news text in forecasting macroeconomic dynamics. We retrieve the narratives that underlie these improvements in market and business cycle forecasts.
我们提出了一种通过商业新闻的文本分析来衡量经济状态的方法。通过对1984年至2017年期间《华尔街日报》的800,000篇文章的全文分析，我们估计了一个主题模型，该模型将商业新闻概括为可解释的主题，并量化了随着时间分配给每个主题的新闻关注度。新闻关注度紧密跟踪广泛的经济活动，并且可以预测股票市场的总体回报。一个文本增强的向量自回归模型展示了新闻文本在预测宏观经济动态中的重要作用。我们检索了这些改进市场和商业周期预测背后的叙述。
来源：学术圈