2026年4月27日上午，金融学院金融科技系Seminar第25期在沙河校区学院楼3号楼127会议室顺利举行。北京大学光华管理学院金融系助理教授蒲定磐应邀做客，以“Autonomous Market Intelligence: Agentic AI Nowcasting Predicts Stock Returns”为题进行了精彩报告。讲座由金融科技系张翔宇助理教授主持。

蒲定磐老师作报告

蒲定磐助理教授围绕“全自主智能体（agentic AI）是否能够实时预测股票收益”这一前沿问题，介绍了其最新研究成果。该研究基于具备实时联网搜索能力的大语言模型，对罗素1000指数成分股进行逐日评估，构建了一个严格“无前视偏差”（no look-ahead bias）的nowcasting预测框架。与既有文献不同，该框架不依赖人工筛选的信息输入，而是由AI自主完成信息检索、筛选与整合，从而实现对复杂信息环境下资产定价能力的直接检验。

研究结果表明，agentic AI在股票横截面中具有显著的选股能力，但这一能力呈现出明显的不对称性：模型能够有效识别未来表现最优的股票，但对未来表现较差股票的区分能力有限。具体而言，基于AI评分选取排名前20的股票构建投资组合，可获得显著的风险调整后收益，其日频Fama-French五因子加动量alpha约为18个基点，年化Sharpe比率达到2.43，且交易成本占比相对较低 。然而，当投资范围从最优个股扩展至更大集合时，超额收益迅速衰减，而排名靠后的股票组合收益则与市场整体无显著差异。

针对这一不对称预测能力，蒲定磐助理教授提出了一种基于“信息结构”的解释机制：正面信息通常具有一致性和清晰性，易于被AI模型识别与整合；而负面信息则往往受到企业信息披露策略及社交媒体噪声的干扰，从而降低其可识别性。这一发现不仅对资产定价研究具有重要意义，也为理解人工智能在复杂信息环境中的能力边界提供了新的视角。

在交流讨论环节，现场师生围绕AI预测机制、信息获取路径、模型可重复性以及结果的经济含义等问题与蒲定磐助理教授展开了深入交流，现场气氛热烈。

本次Seminar加深了与会师生对人工智能与金融市场交叉领域前沿问题的理解，拓展了在大语言模型与资产定价研究结合方面的学术视野。

撰稿：张翔宇

审核：苟琴