一文速览国际顶级期刊10篇FinTech领域论文

2019年5月，《金融研究评论》（Review of Financial Studies）出版了题为“To FinTech and Beyond”的特刊，其中包含10篇区块链、技术与大数据应用于金融的文章。中国人民大学金融科技研究所（微信ID：ruc_fintech）将陆续编译及推送这10篇论文，敬请关注。本次推送节选自本刊卷首语，为文章综述。

作者 | Itay Goldstein, Wei Jiang, G. Andrew Karolyi

编译 | 李锦璇

来源 | Review of Financial Studies

编辑部将这十篇论文研究的领域分为三类：第一类是区块链在商业与金融领域的应用；第二类是金融服务中的技术，包括P2P借贷、网上借贷和机器人顾问；第三类是大数据在金融中的运用。

区块链机制相关研究

Biais et al（2019）从他们称为“区块链佚名定理”（Blockchain Folk Theorem）的理论出发，来说明比特币区块链上矿工之间的协和谬误。尽管正如Nakamoto（2008）指出的那样，预期的均衡是最长的没有分叉的链，比特币区块链协议容易由于矿工行为的策略互补性形成有分叉的多重均衡。作者提出了产生分叉的条件，并且将区块链分叉与与实际情况联系起来，例如信息延迟和软件升级。

Chiu and Koeppl（2019）关注的是资产交易中基于区块链的结算问题。一方面，区块链通过工作量证明（proof-of-work）协议将资产转移与付款联系起来，从而确保交付与付款，可加快速度并降低成本。另一方面，参与者可以分叉链以消除交易损失。作者确定了阻止分叉所需的条件，包括最小交易量、足够强的速度偏好以及受限制的风险头寸。最后，作者认为区块链将为结算系统带来成本节省，尽管计算能力的过度投资可能导致采矿的无谓成本增加。Cong and He（2019）从智能合约角度探讨区块链中的协调问题。智能合约下的支付是由对意外结果的防篡改共识触发的。作者发现了一个去中心化共识和区块链中信息分发之间的基本矛盾。与传统的合同相比，区块链可以形成更好地反映突发事件真相的共识，这些突发事件与商务活动密切相关，因此区块链提高了订立合同的效率。然而，生成去中心化公式同时不可避免地导致对区块链上总体商业状况的更加深入的了解，从而在任何共谋均衡的偏差变得可观察时促进参与者之间的默认共谋。总体而言，该研究是一个“警示性的故事”，即区块链使可行的智能合约通过减轻信息不对称和鼓励进入而提高合约效率，但它们也可能导致更大的串通行为。

Foley, Karlsen, and Putnins（2019）的论文则是一个标定比特币交易服务非法活动程度的实证研究。这篇论文开发了一种新颖的网络聚类分析应用程序，以识别基于事后执法的参与非法活动的用户和与非法社区进行不成比例交易的用户。作者估计，约46％的比特币交易与非法活动有关，但是随着主流社会对比特币的兴趣提升以及更多不透明的加密货币的出现，比特币交易中非法活动所占的份额随着时间的流逝而下降。

技术给金融服务带来的变革

Fuster et al.（2019）发现金融科技贷方在2010年至2016年期间将其在美国抵押贷方中的市场份额从2％增加到8％。通过贷款数据，作者发现，金融科技贷方处理申请的速度比全能银行或者专业的抵押银行快20％，并且因需求冲击而导致瓶颈的可能性较小。令人惊讶的是，金融科技贷方不针对传统融资渠道较少的借款人，这表明他们主要是在与传统抵押贷方竞争，而不是扩大融资渠道。

通过研究2010年监管机构强制银行收紧贷款标准的变化，Tang（2019）发现P2P贷款可以替代银行贷款服务于边际银行借款人，对银行小额贷款则形成补充。Vallee and Zeng（2019）则关注平台与投资者共同生产信息的问题，这一模式挑战了银行作为代表投资者的独家信息生产者的传统角色。作者研究了在经验丰富的投资者进行更好的筛选与投资者之间进行逆向选择之间的权衡。他们的理论模型和实证研究均表明，随着平台的发展，它们可以最优地提高平台预筛选强度，但会减少向投资者提供的信息。

D’Acunto, Prabhala, and Rossi（2019）对机器人顾问或者自动投资组合优化器能否改善投资者收益进行了实证研究。在他们来自印度的样本中，使用机器人顾问和投资者和没有使用机器人顾问的投资者在和真人顾问的互动方面表现相似，但是使用了机器人顾问的大部分投资者的投资组合更分散，并且降低了投资组合的波动性。重要的是，机器人咨询在减轻最突出的行为偏见方面展现出明显优势，例如处置效应和追涨行为（momentum chasing）。但是，作者警告说，机器人咨询不应被视为万全之策，它的承诺和陷阱在很大程度上取决于针对不同类别投资者需求而设计的机器人干预措施。

大数据与金融

Zhu（2019）认为在股价中引入关于公司基本面的微观信息可通过降低信息获取成本来提高信息含量，尤其是对于那些经验丰富的投资者具有更大动力来得到信息的公司来说。实时数据似乎对管理人员施加了约束，因为随着价格信息含量的提高和管理动机的改善，他们减少了机会交易并提高了投资效率。

Chen, Wu, and Yang（2019）估算了金融科技创新的价值。作者运用基于文本的机器学习算法，使用包含2003-2017年专利申请的数据集，根据其关键基础技术对创新进行识别和分类，结合股票价格反馈与估计的专利申请数量强度进行估值。根据这一衡量标准，对于金融行业而言，物联网（IoT）、机器人咨询和区块链是最有价值的金融科技创新类型。作者还说明，当金融科技创新涉及来自非金融初创企业的破坏性技术时，对行业的破坏效应更大。作者为当下的市场领先企业提供了重要的建议：他们需要大量对自身企业的创新进行大量投入，以避免初创企业带来的破坏。

以下为文章部分截图

……

获取完整文章

请后台回复“金融科技研究”

获取下载链接

END

编辑/李锦璇

责编/齐庆武

【延伸阅读】

关于我们

中国人民大学金融科技研究所（以下简称 “研究所”），英文名“FinTech Institute of Renmin University of China”，简称“RUC FinTech Institute” ，是专注于金融科技理论、应用与政策的新型智库和研究机构，也是人民大学金融科技学科“双一流”建设的延伸科研平台。研究所充分利用中国人民大学在金融、经济、管理、统计、法律以及计算机科学等方面的跨学科优势，打破学科壁垒，加强交叉融合，不断推进金融科技的前沿研究。研究所坚持理论联系实际，注重应用成果转化，不断加强学界、业界和政策部门的良性互动，重点打造一个“产学研政”四位一体的多元化平台，为推动金融科技行业健康可持续发展提供决策参考。

加入群聊

为了增进与粉丝们的互动，研究所建立了金融科技微信交流群，欢迎大家进群参与。

入群方法：后台回复“加群”，加小助手为微信好友,添加时备注个人姓名（实名认证）、单位、职务等信息，经群主审核后，即可被拉进群。

中国人民大学金融科技研究所

扫码关注我们

Research portal for all FinTech trends and policies.