《普之已廣，惠之精準——服務業小型市場主體普惠金融需求調查報告》是微眾銀行We研究出品、財新智庫提供研究支持、由微眾銀行、中國郵政儲蓄銀行聯合發起完成的一項課題研究成果。該課題立足對我國小微企業和個體工商戶（合稱“小型市場主體”）的經營現狀和融資需求的關注，洞察市場特征。

為深入剖析ESG理念和實踐在中國信托行業的發展，五礦信托在財新智庫的學術支持下，組織專項課題報告組，集合中國ESG30人論壇相關專家、綜合數據分析、輿情分析等數據化手段，對ESG的發展脈絡、草蛇灰線以及中國信托行業的轉型機遇進行全面研究，并在業內率先形成《中國信托業的ESG發展之路》報告，以期為信托行業“探路”轉型提供借鑒。

為深入剖析家族信托服務在中國信托行業的發展之路和未來趨勢，中國外貿信托在財新智庫的研究支持下，組織專項課題報告組，集合政策分析、行業專家訪談、綜合數據分析等手段，對國內家族信托領域過去十年的發展脈絡以及家族信托行業的轉型機遇進行全面研究，并在業內率先形成《中國家族信托可持續發展報告》，以期為家族信托行業未來可持續發展提供行業前瞻洞察。

2022年10月，財新智庫聯合亞馬遜全球開店發布《2022中國出口跨境電商產業集群發展白皮書》，從4大維度，5年數據剖析出口跨境電商產業趨勢，聚焦17個代表產業群，賦能電商實現數字化轉型、拓展全球市場，把握機遇，觸達更多的消費者。

財新智庫作為出品方，聯合洪泰基金、三峽智慧能源和霖和氣候科技共同發布了《由碳達峰向碳中和：中國低碳發展行業展望年度白皮書（2021）》，對年內中國在低碳發展的政策、技術、金融、產業等方面做了系統調研和歸納。

立足商業銀行視角，探求在“雙循環”格局下的金融創新和服務實體經濟的新路徑。聚焦產業鏈供應鏈金融，深度調研相關產業鏈中的“難點”、“痛點”，總結商業銀行服務產業鏈企業的應用和實踐，尋找商業銀行轉型升級和更好服務實體經濟的新模式，尤其為區塊鏈技術在供應鏈金融領域的研究與應用提供了借鑒。

“第三屆中國改革橫琴論壇”正式發布。報告結合財新智庫和財新傳媒長久積累的宏觀研究及市場策略方面的數據經驗，最終形成 “以粵港澳大灣區副中心為定位，以國際化和跨制度為破局”的產業發展建議。

聯合百融金服，基于特有數據對城市商業銀行整體發展環境和競爭格局的深度分析，旨在從多角度為城商行提出方向性規劃和建議，并對監管方出臺政策起到積極作用。

財新智庫聯合加拿大養老保險基金投資理事會、高瓴資本、財新國際開展的首個旨在了解中國企業對于“長期主義”的調研。報告對來自28個行業的逾180家國企和私企進行了調研，受訪企業總市值超過2.41萬億美元。

小微企業和個體工商戶的健康發展對于國計民生至關重要?；谌珖秶∥⑵髽I和個體工商戶調研，深入總結其融資現狀與需求，為普惠金融行業發展和政策制定獻計獻策。

隨著網絡技術和數字經濟蓬勃發展，央行數字貨幣和私人數字代幣風起云涌，穩定幣發展尤為迅速。報告積極探索法定數字貨幣和穩定幣如何從理論走向現實，圍繞穩定幣的法律屬性和運營模式，探討了穩定幣的監管體系和潛在影響，以及穩定幣在普惠金融、人民幣國際化、金融穩定性等領域的重要應用。

從經濟、金融、技術、社會、政治、法律等六個維度衡量了特定國家與中國的相似度，指標得分越接近于1，表明該國與中國相似度越高。該項目可為中國資本走出去，加強中國與其他國家的經貿關系提供參考。

中國新經濟系列報告：沿新經濟的發展脈絡，從人口與城鎮化角度刻畫新經濟發展圖像，歸納總結新經濟發展趨勢，并為行業發展和政策制定提供有價值的參考。

消費與大健康：從中等收入群體的焦慮視角入手，分析了醫療改革、社會保障、商業保險等多個方面，對醫療保障的方向提出了政策建議。

平衡競爭與壟斷：聚焦于互聯網平臺的壟斷行為研究，對新興的互聯網行業的巨大市場中保持有序的競爭環境進行了深度關注和研究。了解詳情

報告從供給、需求在城市化的進程中不同時期的變化，對中國住房演化分期，并通過房產價值形成鏈要素的租賃房屋分類模型、資產與資本回報率比較模型、資本市場與固定資產市場的價格關系比較模型、土地權利結構模型等研究框架的分析，論證租賃住房運營模式的可行性、資本市場與固定資產市場的價格關系以及土地類型的可利用范圍，探究集體土地入市對土地、房地產市場以及解決住房問題的積極作用。

人工智能技術對投資管理行業正掀起顛覆性的變革。

人工智能已經廣泛用于圖像識別、語音識別和自動駕駛等領域并且已經趨于成熟。在組合投資的分析和構建中，投資者能否受益于類似的機器學習算法？我們的研究表明，機器學習的算法與多因子資本市場理論基礎完全一致，雖然預測Alpha（超額收益）從根本上不同于機器學習獲得成功的許多業務環境，但是通過引入非線性函數模型和納入因子相關作用，機器學習算法可以更準確地預測因子組合的超額收益，并且幫助構筑更高收益風險比的智能貝塔策略。另外，不論是國內還是國際市場，針對投資管理行業的機器學習的研究應用才剛剛開始。

人工智能通過使用大數據和機器學習來“破解金融市場的代碼”，結合人類智慧和機器智能，提供了SmartBeta因子組合構建的一種新思路。金融市場是復雜多變的，任何新的見解或優勢都會被快速復制。相比線性模型，機器學習模型的復雜程度大幅提升，模型對于歷史數據的擬合能力變強。但機器學習的應用也面臨很多挑戰：金融數據受頻率和時間的限制，相比于機器學習在其他領域的應用（如視覺和語言識別），數據的密度隨著時間的推移增長得慢得多，頻繁交易也有帶來交易費用的增加。

我們以經過可持續發展逆向排除的大中型A股上市股票為投資對象，應用人工智能中的機器學習算法構造策略，長期系統化獲得A股市場高回報。策略目標是相對滬深300指數更高的期望收益風險比，選取預測Alpha顯著的組合，建立多空倉位。策略具有符合可持續發展理念、高策略容量、大市值、高流動性、低ESG風險等顯著特征。

一月、二月、三月份中，投資組合分別獲得了相對滬深300指數3.94%、2.16%以及2.41%的超額收益Alpha。截至4月22日，投資組合在四月獲得了2.55%的超額收益Alpha。年初至今，投資組合已累計獲得相對滬深300指數11.28%的超額收益。