“My heart is in the work”（我全身心投入工作）——卡内基梅隆大学的这句校训，是陈辰最喜欢的座右铭。这份近乎纯粹的全情投入，使她从纯数学的殿堂出发，“误打误撞”地闯入金融学的未知丛林，以数学独有的思维密钥，解锁了复杂金融网络中隐藏的秩序与风险。

“误打误撞”走近金融学

对陈辰而言，金融学曾是一片完全陌生的领域。“从小学起，我最擅长的一直是数学，参加过大大小小的数学竞赛。”考大学时，她顺理成章选择了数学专业，并成功进入以理工科和科研实力著称的中国科学院大学。

尽管一直在数学方面成绩突出，但进入国科大才是她真正喜欢上数学的起点，这里纯粹的科研环境点燃了她心底对纯数学的热爱。当时她最喜欢的一篇文章就是英国数学家G·H·哈代在1940年写的带有自传色彩的《一个数学家的辩白》。哈达将数学家视为与画家和诗人一样的“模式创造者”，这种对数学的信仰与追求让她产生强烈共鸣。“我渐渐感受到数学的美就在于它既单纯，又能揭示世界上很多事物的本质。”

在打下扎实的纯数学基础后，她前往芝加哥大学攻读应用数学硕士学位，将视野拓展至机器学习、数值分析等领域。当站在申请博士的十字路口，她希望延续对数学核心的探索，同时寻找更具实际价值的研究方向。此时，芝大的导师修大成向她提出了一个出乎意料的建议：尝试金融方向。“他对我说，你会发现金融的科研其实很不一样，也许你能找到你想要的既有美感又有实际价值的科研。”导师的话语点燃了她的好奇心，于是带着一点冒险精神，毫无金融学基础的陈辰就这样踏入了伊利诺伊大学厄巴纳-香槟分校（UIUC），开启了金融学博士的旅程。

博士生涯伊始，一个现实的难题便让她措手不及：很少有教授愿意主动带她。“他们担心我只是一个‘会数学的工具’，缺乏真正的金融思维。”这种无形的压力，反而成为她快速成长的催化剂。在一两年时间里，她如饥似渴地补全了金融学的基础知识，并努力尝试将自己独特的数学思维融入金融研究的创新中。幸运的是，她遇见了学术道路上的伯乐——Dana Kiku教授。Kiku教授拥有非常规的思维方式，更重要的是，她真正理解陈辰。“她不仅很懂我，能接受我跳跃式的思维，更能敏锐地捕捉到我表达观点背后的闪光点。”在陈辰心中，Kiku教授对她的欣赏与帮助，正如当年哈代慧眼识才接纳了“非传统”的天才数学家拉马努金一样。Kiku教授愿意承担风险，给予她信任，并不断激发她的创新灵感，让她充满冒险的金融学研究之路不断收获惊喜，并在2025年取得了金融学博士学位。

用数学思维解决金融问题

在全球芯片短缺、贸易摩擦等复杂环境下，如何来看企业间的相互关系？数学思维，尤其是拓扑学的视角，为陈辰研究金融问题提供了独特的钥匙。

本科时对拓扑学的浓厚兴趣，促使她在金融研究中聚焦网络分析这一领域。在深入思考资产定价时，她提出了一个颇具突破性的观点：“如果将每个公司视为网络中的一个点，公司间的各种关联则构成连接线。在这个动态网络中，单个公司的异质性风险就会沿着连接溢出。”她认为，当企业通过错综复杂的网络紧密互联时，这些原本看似孤立、可通过分散化消除的异质性风险，会被扩散、聚合，最终转化为影响全局的系统性风险。这意味着，在一个网络结构显著的经济体中，异质性风险本身就可能被市场直接定价——这个想法对传统金融理论中关于异质性风险可完全分散的假设构成了有力挑战。

博士二年级时，陈辰将这种挑战传统思维观点的思考写到了她的论文“Network Factors for Idiosyncratic Volatility Spillover”（特质波动率溢出的网络因素）中，并在后续几年持续完善其模型与理论。该研究系统地探究了企业之间的相互关联以及特质波动率的溢出效应，并探讨了它们对总体波动率和资产价格的影响。她创新性地开发了一个基于生产的多部门模型来捕捉各部门之间的波动率溢出效应，并根据股票数据构建了这些网络因素，证明了它们对总体波动率的预测能力，并证实它们的定价与模型的预测相符。

随着网络在金融学领域日益成为重要研究课题，这篇文章相继入选美国金融协会年会（AFA）、北方金融协会年会（NFA）等顶级国际学术会议进行报告或展示，并荣获2023年伦敦商学院跨大西洋博士会议（LBS TADC）AQR资产管理奖。

以这篇奠基性工作为起点，陈辰的研究沿着应用与理论两个维度纵深拓展。

在应用拓展方向，她与合作者撰写了“Attention-based Graph Neural Networks in Firm CDS Prediction”（基于注意力机制的图神经网络在企业违约风险预测中的应用）。该研究将企业网络分析延伸至机器学习前沿，专注于对企业违约风险预测的探索。认识到违约风险本质上是异质性风险的一种重要形式，且企业间存在显著的违约关联，她与研究者创新性地采用图神经网络（Graph Neural Networks, GNNs）将非对称、动态的企业间联系特征纳入模型，并成功利用这些复杂的网络特征来预测由信用违约互换（Credit Default Swap, CDS）利差所隐含的违约概率在横截面上的差异，成为率先在预测场景中应用此类动态、非对称网络特征的研究团队之一。

在理论深化方向，她与合作者共同撰写的另一篇工作论文“Network Dynamics and Macroeconomic Tail Risk”（网络动态与宏观经济尾部风险），则深入追溯了宏观经济极端风险（尾部风险）的微观起源。这项研究证明了通过企业网络的动态传导与风险聚集机制，即使那些服从正态分布、看似微小的企业层面特异性冲击，也能在时间推移中不断积累、放大，最终触发诸如国内生产总值（GDP）大幅下滑等极端宏观经济事件。

心之所向 志之所驱

在UIUC攻读博士学位期间，陈辰还承担了为本科生教授公司金融课程的任务。这对于本科阶段未曾系统学习过金融学的她来说，无疑是一个独特的挑战。为了胜任教学，她每周都提前两三天潜心自学课程内容，融会贯通后再传授给学生。作为讨论课的主持者，她带领学生梳理核心概念，并指导他们完成习题集。面对学生背景多元、基础不一的情况，她不断精进沟通技巧，灵活调整教学方法，力求将复杂的金融知识化繁为简，帮助学生能更有效地掌握。

这段教学经历被她视为“一段愉快而激动人心的旅程”。正是在与学生深度互动、答疑解惑的过程中，她不仅锤炼了教学能力，更由衷地爱上了将抽象概念清晰传递的挑战，并深刻体会到教学互动带来的深层价值与满足感。这份对教学的热忱，让她期待在未来的讲台上，继续深化与学生的连接。

博士毕业之际，陈辰选择回国，加入上海交通大学上海高级金融学院（高金/SAIF）。一方面，高金拥有她所向往的顶尖学术环境，为从事高质量的研究提供了理想平台；另一方面，学院地处上海，也让她能离家乡苏州更近，更好地平衡工作与生活。她对高金充满活力的教授团队尤为敬佩。“比如潘军教授的研究扎实而富有洞见，成果极具价值，更可贵的是她给予年轻学者无私的支持和帮助。高金的许多教授都和她一样，致力于引领年轻一代学者，共同推动中国金融学走向世界前沿。”

展望未来的学术道路，陈辰计划深入探索交易商网络的结构与动态，并致力于将网络理论创新性地应用于人工智能主体行为分析及公司金融决策领域。她目标明确，将在聚焦网络研究这一核心方向的同时，保持对广泛金融议题的敏锐洞察与深厚积累，以跨领域的视野推动金融学研究的创新发展。她将在此延续那句铭刻于心的信念——“My heart is in the work”，以谦逊之心沉潜热爱，步履不停，探索不止。