11月13日，中央财经大学2025年专题学术讲座在沙河校区学院3号楼127会议室举行。此次讲座邀请到清华大学经管学院王天宇副教授，分享题为“Different Opinion or Information Asymmetry: Machine-based Measure and Consequences”和“Large Language Model Disagreement”的精彩研究。本次讲座由金融学院田诗文助理教授主持。

王天宇首先分享了一项使用机器学习方法构建信念分歧的新兴研究。研究团队利用机器学习方法构建了信念分歧的度量方法，以区分“不同观点”（DO）和“信息不对称”（IA）。这些度量与基于人工判断的分歧指标高度一致，并且与经济结果的关联符合理论预期：DO 与市场流动性呈负相关，而 IA 与流动性呈正相关。此外，IA 可负向预测股票横截面收益；而 DO 在低估股票中正向预测收益、在高估股票中负向预测收益。研究结果调和了既有文献中关于“分歧—收益”关系的冲突观点，同时进一步表明，DO和IA的收益可预测性源自其各自独特的经济机制，强调了分歧的不同组成部分会通过不同路径影响市场均衡。

王天宇还分享了一项关于大语言模型之间的分歧（LLMD）及其经济影响的系统研究。研究团队基于六个前沿大模型（GPT、Claude、Gemini、DeepSeek-V3、DeepSeek-R1、Qwen-2.5）构建了一种新的大语言模型分歧指标，用以分析覆盖全面的财报电话会议文本。实证结果表明，大语言模型分歧指标与基于人工判断和机器学习的传统分歧指标均保持一致，并且在市值较小、波动性更高、过去收益更低的股票中表现更为显著。此外，大语言模型分歧指标与交易量负相关、与买卖价差正相关，表明不同大模型之间的分歧主要源自其训练语料差异所导致的信息不对称。

交流互动环节，与会者围绕机器学习模型选择、大语言模型进化等问题展开积极讨论。2则报告促进了我校师生深入理解信念分歧的影响、大语言模型的前沿应用，拓宽了学术视野。

撰稿人：田诗文、唐宝时

审核人： 张晓涛