《金融创新》（FIN）第 12 卷第 5 期（2026 年第 59 期）收录了 23 篇论文，涵盖数字金融、加密货币和去中心化金融；金融市场、风险和投资管理；能源、大宗商品市场和宏观经济动态；可持续金融、气候风险和环境市场；以及数字化转型、人工智能和金融创新。本期贡献作者来自 23 个国家的机构：巴西、中国、丹麦、法国、德国、日本、约旦、黎巴嫩、马来西亚、新西兰、尼日利亚、挪威、巴基斯坦、秘鲁、波兰、俄罗斯、沙特阿拉伯、南非、大韩民国、西班牙、土耳其、英国、越南。总体而言，这些研究采用了多种理论视角和先进的分析方法，以探讨数字和传统金融市场、能源和大宗商品市场，以及金融、技术与环境可持续性之间日益增长的联系。借鉴发达国家和新兴经济体的证据，论文探讨了加密货币和数字支付的采用、去中心化金融、市场关联性和风险传导、能源和大宗商品市场不确定性、气候和环境风险，以及人工智能驱动的金融应用和数字化转型。为了便于阐述，论文大致分为五个主题类别。

数字金融、加密货币和去中心化金融

Abbass 等人（2026）使用分位数自回归分布滞后 - 误差修正模型（QARDL-ECM）和 2014–2020 年的数据，探讨了经济政策不确定性、石油和黄金因素如何影响比特币情绪。情绪显示出稳定的短期和长期模式，为政策制定者和投资者提供了洞察。Bhimireddy 等人（2026）利用 316 个 ICO 的推文数据，探讨了推特情绪与首次代币发行（ICO）融资之间的关系。积极情绪非线性地促进融资，而负面情绪的影响不一致。结果说明了社交媒体在 ICO 融资中的作用。Sun 等人（2026）调查了去中心化金融（DeFi）借贷中巨鲸带来的系统性风险。基于高频数据，研究发现巨鲸活动影响协议稳定性和总锁仓价值（TVL），反映了经济集中与 DeFi 的平等理想相冲突。Joia 等人（2026）探讨了巴西 PIX 支付系统的持续使用意向。问卷调查和结构方程模型结果显示，感知关键质量、信任、优势和成本驱动满意度和持续使用，为新兴经济体提供了参考。Geebren（2026）将偏最小二乘结构方程模型（PLS-SEM）应用于英国加密货币非用户的调查数据。研究发现，受多种因素塑造的初始信任决定使用意向，而感知风险显示无显著影响，提供了采用洞察。

金融市场、风险和投资管理

Sahiner 等人（2026）采用时变参数向量自回归（TVP-VAR）模型，考察了疫情期间各阶段旅游和风险指数的收益和波动性关联性，识别出时变溢出模式和风险传导特征。Bazán-Palomino & Winkelried（2026）采用异质自回归分布滞后（ARDL）模型，比较了美国和中国股市波动对六个拉美市场的溢出，发现尽管美国影响力下降，但仍占主导地位。Zhao 等人（2026）采用双重差分（DID）模型，以沪港通扩容为准自然实验，发现其通过治理弱化提高了中小企业的崩盘风险，且在某些特定企业群体中效果更强。Belyakov（2026）提出了 AlphaZeroBeta，一种用于市场中性组合的强化学习框架。2014–2024 年的回测验证了其优于传统策略的风险调整后收益和接近零的市场贝塔值。

能源、大宗商品市场和宏观经济动态

Basu 等人（2026）应用时频域修正红移（TFDMRS）和小波相干，考察了六个经济体在双重全球冲击下可再生/非可再生能源指数与大宗商品市场之间的联系。Syed 等人（2026）使用傅里叶增强的自回归分布滞后（ARDL）模型，探索了 1949–2016 年美国金融压力与能源消费的联系，识别出负面的短期和长期关联。Ozcelebi 等人（2026）使用多元分位数对分位数和双分位数格兰杰因果，探索了欧洲三个枢纽燃料油价格的状态依赖驱动因素，并识别出强烈的尾部放大效应。Jiang 等人（2026）应用多元分位数对分位数回归和五重小波相干（QWC），探索了非线性美国零售电力需求驱动因素及其与多个不确定性指数的时间变化联系。Salisu 等人（2026）采用广义自回归条件异方差 - 混合数据采样（GARCH-MIDAS）预测美国州级股市波动，显示能源不确定性指数（EUI）在大多数州表现优于石油价格不确定性（OPU）。

可持续金融、气候风险和环境市场

Hyde 等人（2026）采用时变参数向量自回归（TVP-VAR）分析美国和欧洲生物多样性与能源指数之间的溢出，证明生物多样性指数可作为能源风险的有效对冲工具。Wang 等人（2026）探讨了邻近碳排放如何影响中国公司的现金持有。使用回归分析，研究发现本地碳排放通过恶化 ESG 绩效和收紧融资约束提高了现金储备。Kassab & Gries（2026）为化石燃料进口低收入国家建立了一个增长模型，显示充足的气候融资加速可再生能源转型和长期福利，而资本挤出引发短期收入损失。Iftikhar 等人（2026）使用主成分分析（PCA）和两步系统广义矩估计（GMM）探索数字金融在能源转型中的作用，政策和气候风险在不同经济体中表现出异质性调节效应。Ramos-García 等人（2026）采用看似无关回归（SUR）考察气候变量与信用风险之间的联系。《巴黎协定》签署后，排放评级在评级评估中权重更大，而碳定价对基于市场的风险指标更为重要。

数字化转型、人工智能和金融创新

Choi & Chung（2026）使用格雷姆 - 利奇 - 布拉利法案作为自然实验调查联合贷款，显示加剧的信贷竞争促进了此类贷款并提高了借款人的融资成本。Kwon（2026）采用生成式深度学习解决信用风险预测中的类别不平衡问题，并提出了弹性过采样（Elastic Oversampling），一种结合生成式和合成采样的混合方法以平衡精确率和召回率。Trueba-Casta?eda（2026）采用结构方程模型（SEM）分析 400 家西班牙中小企业，发现经理人的积极财务风险态度促进数字和可持续投资，且金融可及性作为中介变量。Kocaarslan（2026）采用可解释人工智能（XAI）考察美国规模分层 ESG 组合。研究发现 ESG 组合与同规模基准强相关，且小盘 ESG 资产对信用市场条件更敏感。