编辑前言：人类—人工智能交互在金融决策中的应用；金融风险管理、波动率与预测；绿色金融、可持续发展与气候经济学；金融科技、数字金融与金融体系创新；以及资本市场、公司金融与金融效率——特刊导言

《Financial Innovation》：Editor’s Introduction: special issue on human-AI interaction in financial decision-making; financial risk management, volatility & forecasting; green finance, sustainable development & climate economics; FinTech, digital finance & financial system innovation; and capital market, corporate finance & financial efficiency

　　

《Financial Innovation（FIN）》第12卷第3期（2026年，总第57期）特刊共收录35篇论文，划分为五大主题：人类—人工智能交互在金融决策中的应用（特刊）、金融风险管理/波动率与预测、绿色金融/可持续发展与气候经济学、金融科技/数字金融与金融体系创新、资本市场/公司金融与金融效率。 本期特刊第一部分聚焦人类—人工智能交互在金融决策中的应用，包含7篇论文，第二部分将于未来刊出。这7篇论文共同将金融中人工智能（AI）的讨论从模型性能转向混合决策系统设计，关注人类、算法、组织、市场与监管者如何共同产生金融结果。 金融系统由决策塑造。近期机器学习（ML）、可解释人工智能（XAI）、大语言模型（LLM）、模糊决策系统与强化学习（RL）的发展，使AI逐步参与信息处理、风险评估、推荐生成、解释支持乃至自动执行。 本特刊从多视角推进该前沿：（1）《Human-AI Hybrid Finance: From AI Tools to Decision Systems》提出从孤立模型转向人类—AI混合金融决策工作流，构建委托边界、依赖楔、决策有用可解释AI、有意义监督与自省AI回路五要素框架；（2）《Designing Green Artificial Intelligence (Green AI) Models for Finance》系统综述绿色AI在金融中的负责任采用，提出覆盖ML全生命周期的绿色AI分类及与ESG、监管对接的框架；（3）《Multi-dimensional data fusion for enterprise debt maturity risk assessment: A stacked autoencoder-based deep learning approach》以2000–2023年中国上市公司数据，用CancelOut层与栈式自编码器（Stacked Autoencoder）融合公司治理/杠杆/流动性/盈利指标，提升债务期限错配风险识别与可解释性；（4）《Multi-source information fusion for credit risk assessment of local government financing platforms using PSO-XGBoost and SHAP》针对地方政府融资平台（LGFP），以粒子群优化（PSO）调参、XGBoost分类、SHAP解释的框架评估3876家LGFP与275起违约事件，发现区域财政风险、LGFP信用风险与政府支持依次重要，高危LGFP集中于高债弱省与强省隐性债务区；（5）《Machine Learning-Enhanced Fuzzy Framework for Prioritizing Financial Risk Management Techniques in Renewable Energy Projects》用ML赋权专家权重，Fermatean模糊MEREC赋权准则，Fermatean模糊RATGOS排序，指出现金流率为首要准则，金融衍生品为最可持续可再生能源项目风险管理工具；（6）《Financial Innovation in Oil Price Volatility Assessment: An AI-Integrated Fuzzy Decision Framework》以AI决策矩阵算专家权重，认知地图+量子球面模糊数筛选油价波动因子，WASPAS比较E7国家，发现生产消费水平最重要，中国/俄罗斯/印度表现较优，巴西/土耳其较弱；（7）《A Hybrid Adaptive Trading Strategy Integrating Investor Sentiment for Precious Metal ETFs》将SVR价格预测与PPO（Proximal Policy Optimization）强化学习结合，融入新闻情绪与波动率，在GLD/SLV/PPLT/PALL上优于买入持有与移动平均。 其余四大主题简况：金融风险管理/波动率与预测含6篇，涉及RCM-NBEATSx、CNN-LSTM、银行复杂网络、递归最小二乘汇率建模、非对称波动率改进混合模型、半非参数矩交互分布及数字化转型对系统性风险影响等；绿色金融/可持续发展与气候经济学含7篇，覆盖欧盟生物燃料与绿色金融增长、可持续金融对碳减排效率的非线性影响、OECD生态足迹的资源诅咒与生态创新缓解、中国绿色技术/投资与洗绿检验、澳大利亚金融发展—技术—环境调节、G20绿色经济与Fintech对生态可持续性、日本绿色债券/数字经济与能源转型；金融科技/数字金融与金融体系创新含7篇，涉及FRE全栈教学平台、战略计划—金融营销—Fintech接受度—仆人式领导中介调节模型、SovChain将ML嵌入SSI（Self-Sovereign Identity）以提升FG API 2.0安全、数字金融文献计量两阶段筛选法、欧洲国家Fintech对绿色公共采购的促进、CBDC+DeFi多准则评价、一带一路溢出调节颠覆性Fintech与绿色发展；资本市场/公司金融与金融效率含7篇，涉及股权众筹投资者文献综述、MENA银行技术效率与数字化/政策角色、奖励型众筹混合综述、竞争与互补风险模型修正农业土地估值、土耳其IPO公司分阶段绩效混合评价、新金融市场效率与股价趋势预测模型、ASEAN-5股市与三大经济体经济政策不确定性的R2分解连通性。 研究人员指出，金融AI核心正从预测转向决策架构：价值取决于工作流位置、权限分配、人类解释与监督及事后监测；可解释与可问责AI在债务期限、LGFP信用、可再生能源与油价场景中尤为关键；AI驱动决策嵌入更广系统并产生反馈。未来需关注人类—AI权限在推荐/批准/执行/推翻/监测/学习中的分配、依赖合理性、解释决策有用性、有意义监督及AI重塑数据/激励/市场的反馈效应，并将公平、可审计、可持续性与稳健性纳入负责任金融创新。 综上，研究人员希望这7篇论文推动人类—AI交互在金融决策中的研究，表明金融AI已从更好预测工具走向混合人类—AI决策系统的设计、治理、解释与评价，连接概念基础、可持续AI采用、可解释风险评估、模糊决策支持、能源金融政策与自适应交易，弥合技术发展同负责任金融决策间的鸿沟。

论文解读：《Financial Innovation》第12卷第3期特刊导言

一、研究背景与意义

金融系统的核心由资本配置、风险分布与价格形成等决策构成，涵盖投资、放贷、交易、风控、公司融资及监管行动。传统上这些决策由人类专家在统计模型与分析工具辅助下完成。近年来，机器学习（Machine Learning, ML）、可解释人工智能（Explainable AI, XAI）、大语言模型（Large Language Model, LLM）、模糊决策系统与强化学习（Reinforcement Learning, RL）快速发展，使人工智能（Artificial Intelligence, AI）逐步承担复杂信息处理、风险评估、推荐生成、解释支持甚至自动执行功能。在此背景下，人类—AI交互成为金融创新的核心研究议题：关键问题不再仅是算法能否预测收益或违约，而是AI如何嵌入决策流程、权限如何分配、人类依赖如何校准、解释如何支撑问责、监督如何保持意义，以及AI介导的行动如何反馈至未来数据、价格与组织惯例。换言之，金融AI正从预测性能问题转向决策架构（Decision Architecture）问题。

为系统呈现上述前沿，《Financial Innovation（FIN）》推出“人类—AI交互在金融决策中的应用”特刊，本期为第一部分（共两部分），同时整合金融科技、绿色金融、风险管理与资本市场等关联方向的最新进展。本导言由期刊编辑组织，研究人员（即编辑团队）围绕35篇录用论文展开结构化综述，旨在为学界与业界提供概念框架、方法图谱与实证发现的总览，并推动负责任的金融创新研究。

二、主要关键技术方法概览

研究人员通过特刊征稿与同行评审，遴选出35篇论文，分五大主题。其中人类—AI交互主题7篇，其余四大主题各约7篇。核心方法包括：混合决策系统概念框架构建与系统综述、绿色AI（Green AI）全生命周期分类与ESG对接框架、深度学习方法（栈式自编码器 Stacked Autoencoder、CancelOut特征选择、CNN-LSTM、RCM-NBEATSx等）、集成学习（XGBoost、PSO-XGBoost）与博弈/进化优化（粒子群优化 Particle Swarm Optimization, PSO）、可解释AI（SHAP: SHapley Additive exPlanations）、模糊多准则决策（Fermatean模糊MEREC/RATGOS、量子球面模糊数、认知地图）、强化学习（近端策略优化 Proximal Policy Optimization, PPO）与支持向量回归（Support Vector Regression, SVR）、复杂网络建模、半非参数分布建模、R^{2分解连通性、两阶段文献计量筛选等。样本来源涵盖2000–2023年中国上市公司、3876家地方政府融资平台（Local Government Financing Platforms, LGFP）及275起违约、E7国家、贵金属ETF（GLD, SLV, PPLT, PALL）、MENA银行、ASEAN-5股市、G20与OECD面板等。}

三、研究结果

人类—AI交互在金融决策中的应用

研究人员组织7篇论文，从概念、治理、模型到应用展开。

• •
  《Human-AI Hybrid Finance: From AI Tools to Decision Systems》：研究人员将分析单元从孤立模型转向人类—AI共同参与的信息获取、解释、预测、推荐、审批、执行、监测、审计与学习工作流，提出混合金融决策系统框架，核心构念包括委托边界（delegation frontier）、依赖楔（reliance wedge）、决策有用可解释AI（decision-useful XAI）、有意义监督（meaningful oversight）与自省AI回路（reflexive AI loop）。强调人类—AI互补是有条件的，取决于任务结构、私有信息、反馈质量、激励、解释设计与治理。
• •
  《Designing Green Artificial Intelligence (Green AI) Models for Finance: A Novel Approach for Sustainable and Responsible Adoption》：研究人员通过系统综述指出，金融大规模AI带来能耗与碳足迹问题，目前缺乏标准化Green AI基准。提出覆盖数据准备、架构设计、开发、评估与部署的Green AI分类，并构建连接能耗监测、ESG报告与监管的框架，将责任创新扩展至资源使用与可持续问责。
• •
  《Multi-dimensional data fusion for enterprise debt maturity risk assessment: A stacked autoencoder-based deep learning approach》：研究人员以2000–2023年中国上市公司为样本，融合公司治理、杠杆、流动性与盈利指标，用CancelOut层筛选特征，栈式自编码器重构去噪，构建DFFSR模型。结果显示其优于基线与传统预测，且可解释风险因子重要性，说明深度学习可嵌入管理层决策并保持决策有用性。
• •
  《Multi-source information fusion for credit risk assessment of local government financing platforms using PSO-XGBoost and SHAP》：研究人员针对LGFP构建区域财政风险—LGFP财务风险—政府支持强度三维指标体系，以PSO调优XGBoost分类，SHAP解释全局/局部输出。基于3876家平台与275起违约，模型AUC优于SVM、Logistic与RF。区域财政风险最重要，其次LGFP信用风险与政府支持；高危LGFP同时集中于经济较弱高债省与经济较强但隐性债务突出省份。
• •
  《Machine Learning-Enhanced Fuzzy Framework for Prioritizing Financial Risk Management Techniques in Renewable Energy Projects》：研究人员分三阶段：ML赋权专家、Fermatean模糊MEREC赋权准则、Fermatean模糊RATGOS排序工具。发现项目现金流率为首要准则，金融衍生品为最可持续工具，展示ML+模糊逻辑+专家知识在高度不确定场景的整合价值。
• •
  《Financial Innovation in Oil Price Volatility Assessment: An AI-Integrated Fuzzy Decision Framework》：研究人员用AI决策矩阵算专家权重，认知地图+量子球面模糊数识别关键因子，WASPAS比较E7。生产消费水平最重要，宏观经济增长次之，量化甚于定性；中国、俄罗斯、印度管理表现较优，巴西、土耳其较弱。
• •
  《A Hybrid Adaptive Trading Strategy Integrating Investor Sentiment for Precious Metal ETFs》：研究人员将SVR价格预测与PPO强化学习结合，融入市场波动率、新闻情绪与关键变量，应用于GLD/SLV/PPLT/PALL。SVR提供可解释预测，PPO在波动中调整动作。实证显示加入情绪提升样本外精度与方向预测，混合SVR-PPO在累计收益、夏普比率与胜率上优于买入持有与移动平均，体现市场信号—ML—RL的集成。

金融风险管理、波动率与 forecasting

研究人员收录6篇。Leushuis & Petkov (2026)综述2000–2024已实现波动率预测，证明CNN-LSTM混合最优；Souto & Moradi (2026)提出RCM-NBEATSx多变量神经网络，在多数据集优于基准；Huang等(2026)构建银行复杂网络，总结杠杆与连接强度对系统性风险积累的规则；A??r?m等(2026)用递归最小二乘建汇率随机差分方程，降低误差并支持长期预测；Karlsson & Li (2026)分析2010–2023瑞典克朗对四大货币的不对称波动率，改进混合模型更优；Jiménez等(2026)将矩交互引入半非参数多元分布，回测风险测度有效；Huo & Li (2026)考察数字化转型对银行系统性风险的影响，发现监管与内控可缓释。

绿色金融、可持续发展与气候经济学

研究人员收录7篇。Hasan (2026)基于EU 2001–2022面板，研究生物燃料与绿色金融对增长的影响；Zhou等(2026)以城市面板分析可持续金融对碳减排效率的非线性与异质机制；Ahmad等(2026)考察OECD绿色金融/生态创新/自然资源对生态足迹的资源诅咒及缓解；Do?an等(2026)检验中国绿色技术/投资/能源投资与碳排放的因果，识别洗绿现象；Wijethunga等(2026)用澳大利亚数据分析金融发展对技术—环境关系的调节；Kashif等(2026)动态分析G20绿色经济与Fintech对生态可持续性的作用；Ali等(2026)用多计量方法验证日本绿色债券/数字经济/能源转型的正向互动。

金融科技、数字金融与金融体系创新

研究人员收录7篇。Tang (2026)介绍Python型FRE全栈金融应用教学平台；Molavi等(2026)以Fintech接受度为中介、仆人式领导为调节，建战略规划—金融营销—咨询质量模型；Behbehani等(2026)提出SovChain，将ML嵌入自我主权身份（Self-Sovereign Identity, SSI）以提升Financial-Grade API 2.0安全；Koch等(2026)提出两阶段文献筛选用于数字金融文献计量；?zcan & Tas (2026)用欧洲数据证Fintech提升绿色公共采购；Liu等(2026)用多准则决策评价CBDC+DeFi平台架构；Iftikhar等(2026)分析148国中一带一路溢出调节颠覆性Fintech与绿色发展。

资本市场、公司金融与金融效率

研究人员收录7篇。Barone等(2026)系统综述股权众筹投资者；Lassoued等(2026)分析COVID-19对MENA银行技术效率与数字化/政策角色；Alshater等(2026)混合综述奖励型众筹；Franco & Vivo (2026)用竞争与互补风险模型修正数据稀缺下的资产估值（农业土地案例）；Yal??n等(2026)用混合评价看土耳其IPO公司分阶段绩效；Mao等(2026)新模型预测股价趋势，支持行为金融；Hoque等(2026)用R²_分解连通性研究ASEAN-5与三大经济体政策不确定性的溢出。

四、讨论与结论翻译

研究人员讨论认为，本期特刊从三方面推进人类—AI交互主题：第一，金融AI重心从预测移向决策架构——价值取决于工作流位置、权限分配、人类解释与监督及事后监测；第二，可解释与可问责AI在债务期限、LGFP信用、可再生能源与油价场景中尤为关键，决策者需要排序、解释、情景分析与政策洞见而非黑箱预测；第三，AI驱动决策嵌入更广系统，交易算法、风险模型、Green AI与能源—金融模型重塑市场、信贷、组织与政策。

未来研究应进一步关注：人类与AI间权限在推荐、批准、执行、推翻、监测与学习等阶段的分配；人类依赖AI何时合理；解释何时真正决策有用；组织如何维持有意义监督而非象征性参与；AI介导决策的反馈效应——随着AI广泛用于放贷、交易、风控、公司金融与监管，其将重塑数据、激励、市场条件与组织惯例，进而影响后续决策。负责任的金融创新还需兼顾公平、可审计性、可持续性、稳健性与系统性后果。

研究结论（翻译）

综上所述，研究人员希望本期7篇论文能推动人类—AI交互在金融决策中的研究。这些论文共同表明，金融中的AI已不再仅仅是采用更好的预测工具，而正转变为：混合人类—AI决策系统应如何设计、治理、解释与评价的问题。通过连接概念基础、可持续AI采用、可解释风险评估、模糊决策支持、能源—金融政策分析与自适应交易，本特刊助力弥合技术发展同负责任金融决策之间的鸿沟。