办刊实践表明，研究的本质是创新，期刊建设与学科发展同为推动创新的重要实践，二者相辅相成。其中，顶级学术期刊肩负着更为重要的责任与使命。

　　学术期刊如何促进金融学科发展

　　第一，顶级学术期刊应该是前沿研究的“发源地”

　　毫无疑问，顶级学术期刊在现代科学体系中扮演重要角色。顶刊对学术创新的核心贡献，一是确立了严谨的研究范式与方法论基准，将学术探讨从“观点之争”锚定在“可验证的科学事实”之上，成为整个学术共同体继续向上探索的高信度基石。

　　二是凝聚学术共同体的集体注意力和资源。顶刊具有强大的议题设置能力，一旦新问题或新方法（如宏观经济与气候风险结合、AlphaFold 结构生物学预测、非传统高频因果推断）被顶刊重点刊发，会迅速调动全球范围内的顶尖学者、产业资本等资源，甚至引发二次创新和N次创新。

　　三是提供跨机构、跨国界的人才与成果定价体系。在高度细分的现代学术体系中，顶刊发表提供了“学术硬通货”信号，使得真正的高水平学者和研究项目能够在全球人才市场、教职评定及基金分配中脱颖而出。

　　同时，也要看到，目前的期刊编辑机制还有很多进一步改进的空间。比如， “颠覆性创新”与“同行评审共识”存在某种本质冲突。同行评审本质上是基于“现有知识范式”去评估手稿。颠覆性成果（即从0到1的创新）往往挑战甚至推翻审稿人赖以立足的旧范式或权威认知，极易因“违背常识”或“证据不够完备”而遭到一致性拒绝。

　　阿克洛夫的“柠檬市场”论文曾被AER、RES、JPE接连拒稿，最终是QJE当了这个“伯乐”。Rubinstein 关于共同知识（Common Knowledge）的论文Email Game，当时外审专家未能充分理解其研究价值，但AER主编基于其潜在的学术价值仍力排众议推荐其发表。这启示我们，顶级期刊要有做研究“天使投资人”的眼光和耐心，为有潜力的新思想提供发表空间。

　　我们看到，在支持前沿研究方面，审稿机制正在创新。RFS在推动金融科技研究时采用注册报告机制（Registered Reports）。作者先提交研究设计，评审通过后获得原则性录用，后续再审核研究是否按方案高质量完成。这既降低了探索新领域的发表风险，也有助于避免p-hacking等学术不端。

　　未来，我们也可考虑，选择部分重要议题，先征集研究方案，由编委组织论证，明确研究需补充的数据、方法和后续评审要求。同时，为有重要发现的理论短文、新事实和新数据研究设置合适的发表形式，支持不同类型的探索。

　　第二，期刊要成为学科知识的“聚集地”

　　金融学科进步需要把分散、观点各异的研究联系起来。通过比较、讨论和验证，不断澄清分歧、深化认识、积累知识。顶级期刊可以组织研究同一问题的学者展开讨论，厘清不同结论的依据和分歧。

　　国际期刊在这方面已经有一些探索。比如JEL（Journal of Economic Literature）前期发表的《经济学研究中的生成式人工智能：应用案例与对经济学家的影响》，通过综述梳理AI在经济学研究中的应用；JEP（Journal of Economic Perspectives）近年来也在通过专题讨论的形式呈现不同观点；JPE Micro更是在创刊时就明确倡导复现研究和学术辩论。这些期刊角度的尝试帮助学术共同体辨明已有认识、主要分歧和研究空白。

　　未来，我们也可考虑，围绕AI时代的金融监管等重要问题，定期组织研究综述。对争议较大的结论，刊发专题评论和作者回应。例如，一项政策可能降低银行风险，但不利于企业融资，研究者从不同角度出发会形成不同评价。期刊可以组织相关作者共同讨论，厘清各项研究的对象、条件和证据，更完整地认识政策效果及其作用边界，为后续研究提供支撑。

　　第三，期刊要成为学术与实践的“连通桥”

　　这座桥要双向通行，既要把现实问题转化为研究议题，也要把可靠结论转化为决策参考。

　　在选题阶段，可以组织专家座谈会，邀请政策和实务工作者介绍制度安排、业务流程等具体情况，由学者与实务人员共同梳理值得研究的问题。例如，长期资金可能面临短期考核，耐心资本的研究就可以从这一矛盾入手，分析考核机制对投资期限和风险承担的影响，使选题既有现实基础，也有可以检验的研究内容。

　　在成果发表后，可以借鉴欧洲CEPR通过VoxEU传播研究的做法，为有明确政策含义的论文配一页研究简报，讲清主要发现、适用条件和政策选择的利弊。围绕相关成果组织小范围交流，听取政策和实务人员的反馈，将尚未解释清楚的现象整理为后续研究议题。通过这样的双向交流，让中国实践提出新问题，让学术研究提供可靠依据。

　　AI 时代学术期刊如何实现高质量发展

　　在大语言模型LLM 之前，生成式 AI 的代言人是 GAN（Generative Adversarial Network，生成性对抗网络）。GAN 的核心就是两个模型，一个生成器 （Generator），一个判别器（Discriminator）。GAN的输出成果，就是生成器与判别器之间互动的结果。既然是互动，一般就是两种情况：要么是判别器太强，生成器拿不到梯度，难以实现学习迭代；要么是判别器太弱，生成器便会蒙混过关。但前提是，生成器和判别器都在训练、都在更新，之后会形成一种纳什均衡。

　　之所以提到GAN，是因为今天的AI，生成器和判别器分别对应LLM和人。人作为新的判别器，是否在持续训练、持续更新。否则人的判断趋于保守，这样就相当于拿一个更新参数很慢甚至参数固定的判别器去对抗一个持续变强的生成器。结果很容易退化成：生成器学会的不是产出真实、理性的内容，而是越来越倾向产出符合人类偏好的内容，所以今天谄媚性正是大语言模型面临的一个突出问题。

　　因此，在AI时代期刊高质量发展的一个关键，是始终重视人的主体性（Agency）。不论是研究者，还是期刊编辑，都应当对研究有认知、有审美、有自主判断。

　　一是在研究选题上保持主体性，避免研究成为AI模型的“回声”。大语言模型从已有语料中学习，能够帮助研究者发现联系、提出假说。但如果研究者习惯于让相近的模型推荐选题、设计研究、评价成果，研究问题和解释就可能越来越相似。《Nature》2024年的一篇文章就提示，广泛使用AI可能使研究问题、方法和观点趋于单一，影响科学创新。

　　期刊应当鼓励研究者利用AI拓展研究范围，把节约的时间用于观察现实、发现新事实。例如，投资者把部分决策交给智能体后，委托关系、交易行为和风险传导都可能发生变化，原有理论的假设也需要重新检验。期刊可以围绕这些变化组织专题，邀请金融、计算机等领域学者共同研究。期刊在评价这类研究时，应当重视研究提出的新问题、发现的新事实，对有证据支持、挑战已有认识的研究保持开放态度。

　　二是在研究过程中坚持独立验证，避免错误在各个环节反复流转。值得警惕的是——AI写稿、AI审稿、AI修改，最后完成发表。如果这些环节都依赖相近的信息，又缺少独立核查，最初的错误就可能一路保留下来。流程看似完整，结论却未必可靠。模型重复给出同一个结论，并不意味着这一结论已经得到独立检验。

　　学术期刊需要把验证要求落实到关键环节。近年来许多国内外期刊都开始将数据和代码审查纳入文章录用后的常规流程。借鉴这一做法，对AI参与的文章，我们也应要求作者说明AI参与的具体环节，是数据收集、理论建模还是稳健性检验，同时保留必要的提示词与操作记录，便于其他研究者复现结果、核对过程。

　　例如，很多学者利用AI模拟金融市场投资者的反应，这可以帮助我们前瞻性地做一些沙盒实验，但模拟结果与真实投资者的行为还是需要明确区分，特别是涉及现实市场的判断，应当有可核实的证据支持，避免将AI生成的研究结论过度推广到现实。

　　三是在学术评价中落实判断责任，维护学术共同体的公信力。AI能够迅速列出一长串审稿意见，但哪些问题影响核心结论，哪些属于研究边界，哪些可以留待后续探索，需要审稿人结合具体领域作出判断。审稿意见应当帮助作者改进研究，也帮助编辑判断文章的贡献。

　　国际期刊已经开始探索这种分工。AEA今年宣布引入Refine开展AI辅助技术核查，同时明确，不用它评价论文的贡献和重要性。我们也可以借鉴这一安排，由AI辅助检查技术问题，由审稿人核实意见是否成立、修改要求是否必要，再由编辑综合判断论文的价值，作出录用决定。

　　工具使用越深入，越需要明确各个环节由谁核实、由谁负责。同时，期刊可以通过青年审稿人培训、研究复现和案例讨论，帮助青年学者提高核验证据、评价研究的能力。只有具备这些能力，人的主体性才能落到实处。

　　AI时代，期刊鼓励AI原生研究，支持学者借助新技术探索以往难以研究的问题，在提高研究效率的同时，推动学术共同体形成更可靠的知识。AI可以参与研究全过程，人的主体性也应贯穿全过程。

　　（作者系中国工商银行现代金融研究院院长、党委深改办主任、《现代金融研究》主编）