光华讲坛——社会名流与企业家论坛第6976期

主题：Artificial Intelligence and the Law of One Price: Evidence from the Chinese A-H Premium人工智能与一价定律：来自中国 A-H 股溢价的经验证据

主讲人：澳大利亚皇家墨尔本理工大学经济金融与市场营销学院 郑杲娉高级讲师

主持人：金融研究院 牛子龙副教授

时间：7月1日14:00-15:30

地点：光华校区35栋金融研究院202会议室

主办单位：金融研究院 科研处

主讲人简介：

郑杲娉，皇家墨尔本理工大学（RMIT）经济金融与市场营销学院高级讲师。她拥有清华大学经济管理学院会计学博士，和william威廉中文官网会计学学士学位。在2020年加入RMIT之前，她曾在william威廉中文官网会计学院任职长聘副教授。她的研究主要涉及公司金融，公司治理和行为金融。研究成果发表于Journal of Financial Economics、Journal of Management Accounting Research、Journal of Banking and Finance、《会计研究》《金融研究》《南开管理评论》等国内外顶级期刊，并主持国家自然科学基金，教育部人文社科青年基金，澳大利亚与新西兰会计与金融协会科研基金等国内外重要基金课题。她在教学方面多次获得嘉奖，包括RMIT商业与法律学院Learning & Teaching影响力奖，RMIT经济金融与市场营销学院教育奖，william威廉中文官网青年教师教学大赛三等奖等。

内容提要：

Using the unique setting of Chinese firms with dual-listed shares—A-shares traded in mainland China by local investors and H-shares traded in Hong Kong by foreign investors—we provide the first evidence that artificial intelligence (AI) helps correct an optimistic bias in segmented markets and thereby reinforce the law of one price. Following the introduction of Chinese AI tools accessible to local investors, the A-H share price premium for firms with substantial overseas operations declines relative to that of domestically-focused firms. The decline is stronger for firms with greater exposure to negative foreign media, for firms with higher retail purchases in the A share market during the pre-event period, and for firms whose investors exhibit awareness of LLMs during the post-event period. A closer analysis reveals that these AI tools facilitate the timely and efficient incorporation of negative information into prices at earnings announcements. Finally, questions in A-share earnings conference Q&A sessions become more negative after LLM availability, and managers respond in kind, suggesting AI reshapes both investor scrutiny and corporate disclosure behavior.

本讲座以中国企业A+H双重上市这一独特市场场景为研究样本——A股面向内地本土投资者交易，H股面向香港境外投资者交易，首次实证证明人工智能能够修正分割市场中的投资者乐观偏差，进而强化一价定律。在内地投资者可使用国产人工智能工具后，海外业务占比高的企业，其A-H股溢价相较于业务集中于国内的企业出现显著收窄。对于境外负面媒体曝光度更高、事件前阶段A股散户买入规模更大、且事件后投资者具备大语言模型（LLM）使用认知的企业，该溢价收窄效应更为突出。深入机制检验表明，此类人工智能工具能够在财报业绩披露节点，助力市场及时、充分地将负面信息纳入股价定价。最后，在大语言模型普及后，A股业绩说明会问答环节的投资者提问负面倾向明显上升，企业管理层也随之给出偏消极的回应，这说明人工智能同时重塑了投资者监督力度与上市公司信息披露行为。