9月7日，由太阳成集团tyc7111cc邹至庄经济研究院、太阳成集团tyc7111cc、王亚南经济研究院联合主办的“人工智能与数据科学前沿问题研讨会”在太阳成集团tyc7111cc隆重召开。本次研讨会旨在探讨人工智能与数据科学在现代经济学中的应用，以及该领域教学体系和人才体系的建设问题，国内兄弟院校多位知名学者参会。会议伊始，太阳成集团tyc7111cc党委书记高忠华致开幕词，表达了对与会嘉宾的热烈欢迎，并强调了人工智能与数据科学在推动经济学发展中的重要作用。他指出，对于高校来说，我们应该紧紧跟踪和研究最新技术，用新的技术赋能学生培养的全过程，以持续地为创新工作提供源源不断的优秀人才。开幕式由太阳成集团tyc7111cc陈坚教授主持。
主题演讲首都经济贸易大学李鲲鹏教授、北京大学刘瑜教授、西南财经大学兰伟教授、太阳成集团tyc7111cc姜富伟教授、中山大学刘彦初教授、深圳大学祝赵波教授、暨南大学陈创练教授依次带来精彩主题演讲。三个主题演讲环节分别由太阳成集团tyc7111cc王中雷副教授、马国良助理教授和韩晓祎教授主持。
李鲲鹏：One Binds All: Dimension Reduction with Single Factor
降维在现代实证资产定价理论中起着核心作用，李鲲鹏教授介绍了数据降维的方法，深入分析高维数据分析中的维度约简问题，研究了单一因子降维方法在理论与金融的应用，分享了高维因子分析领域的最新研究成果。过去几十年来，有监督的降维方法在实证资产定价文献中受到越来越多的关注，李鲲鹏教授等的成果在现代实证资产定价理论方面对现有研究进行了补充与完善。李教授强调降维的本质是权重的选择，研究的主要理论发现包括两点：首先，在因子结构设置下，PLS方法不具有一致性，这是因为相关因子可识别，导致双向正交限制条件失效；其次，任何线性因子增广回归模型都存在等价的单一相关因子模型表示。最后，基于这些发现，李教授提出了监督期望最大化（SEM）方法来提取单一相关因子，SEM算法包括构建初始值、迭代更新参数、构造SEM权重和计算预测值四个主要步骤。
刘瑜：时空大数据与社会感知
在地理学研究中，获取自然地理特征的传统遥感技术无法有效感知社会经济环境，大数据的出现为定量研究社会经济环境提供新的契机。刘瑜教授从时空大数据感知出发，介绍了当前时空大数据实例和应用。借助于各类大数据研究人类时空间行为特征，刘瑜教授团队首先提出了“社会感知”概念并构建了其研究框架，从而为地理大数据分析和应用提供指导。刘瑜教授利用地理研究思路建立社会感知研究方法体系：场所语义感知、空间交互感知和动态演化感知。根据社会感知的概念，对于地理大数据的研究可以分为“人”和“地” 两个层面。前者关注人的空间行为模式，以及模式所受到的地理影响；后者则侧重于在群体行为模式的基础上，探讨地理环境的相关特征。刘教授团队利用街景图像大数据观测城市物质环境，结合人工智能技术进行定量化分析，并提出了一系列研究分析方法，探讨了场所尺度的人地关系，并为城市研究和智慧城市建设提供了理论基础。最后，刘教授分享了个体移动模式分析、活动时间变化特征分类、场所情感及语义分析、空间交互分析等社会感知分析应用。
兰伟：大规模金融因子评估与选择
在资产定价领域，因子模型被广泛用于解释横截面收益。兰伟教授从风险因子和异常因子的区别出发，指出现有的因子选择方法通常忽视了异常因子的影响。他指出，不充分的因子模型往往无法通过资产定价检验，而过于充分的因子模型中存在的异常因子并没有带来额外的收益。随着金融市场的复杂化，有大量的潜在因子被提出，因此准确识别关键的风险因子对理解金融系统和进行资产定价至关重要。为了解决这一问题，兰伟教授将因子选择问题转化为统计问题，并提出了一种逐步评价的方法。具体而言，该方法在给定基准模型的基础上，通过向前逐步评价来逐渐增加因子的数量，使模型更加充分；同时，通过向后逐步评价来减少因子的数量，避免冗余因子的存在。该方法使用GRS检验作为评价标准，并利用HDA检验来作为算法停止的条件。兰伟教授在理论上证明了，在特定理论假设下，该方法具有相合性，能够筛选出所有相关的风险因子。最后，兰伟教授指出，虽然HDA检验作为统计检验方法在该方法中发挥了重要作用，但其金融含义有限。因此，提出一种具有金融含义的检验并用于该方法是未来的一个研究方向。
姜富伟：政策沟通、市场预期与金融稳定：来自证券监管的证据
姜富伟教授的研究以市场预期对金融稳定的重要性为切入点，深入探讨了政策沟通、市场预期与金融稳定之间的相互关系。已有文献指出，前瞻性政策指引作为央行沟通的一种手段，能够通过影响市场预期，有效缓解市场波动，避免经济恶化。基于这一发现，姜富伟教授通过分析中国证监会官网发布的证券监管政策沟通语料，重点研究了证券监管政策沟通对市场收益与波动的影响。他运用Word2vec算法挖掘文本中的关键信息，构建了适用于证券监管政策分析的专业词典。随后，通过事件研究法和面板分析，量化了证券监管政策沟通对股票市场收益率和波动率的具体影响。此外，姜教授还分析了不同沟通倾向、货币政策背景、货币政策效果，以及定期与非定期沟通机制对市场反应的差异，并对研究结果进行了稳健性检验。研究表明，正面的政策沟通在短期内能够显著推动股价上升，并大幅降低市场波动率，尤其是在非定期沟通的情况下效果更加显著。最后，他从投资者情绪、投资者分歧以及投资者过度关注三个角度，进一步探讨了政策沟通对市场预期和市场行为的影响机制。研究结果明确指出，政府应通过合理、有效的政策沟通来引导市场预期，进而维护金融市场的稳定。
刘彦初：Teaching Economics to the Machines
经济学结构模型可以提供深刻的见解，但有时与数据拟合不佳。而另一方面，机器学习模型具有较强的灵活性，但往往存在过度拟合的问题。刘彦初教授以期权定价这一典型的金融资产定价问题为例，应用迁移学习技术，将结构模型中有用的经济限制纳入机器学习模型，构造一个数据-理论混合模型。其核心思想是首先构建结构模型的神经网络表征，然后利用真实数据信息更新该神经网络。该研究的主要贡献与创新点在于首次描述了如何将经济学中的结构模型与机器学习系统地结合起来。作者团队经过大量实证研究发现，上述混合模型的样本外预测能力明显优于结构模型和传统的深度学习模型。当真实数据的样本量有限或金融市场波动较大时，混合模型的表现更为突出。最后，刘彦初教授为方法做了拓展，提出这一新框架不仅限于期权定价，而且适用于一般的经济预测问题。
祝赵波：In Search of Cryptocurrency Failure
人们通常关注加密货币带来的潜在的高投资收益，却很少关注其潜在巨大的失败风险。基于加密货币面临的高失败风险，祝赵波教授分析了影响加密货币失败的预测因素，并研究了失败风险与回报的关系以及市场参与度问题。他定义了加密货币失败为：若一种加密货币在未来连续26周内没有交易数据，该货币视为失败。祝赵波教授深入研究了加密货币的失败情况及其带来的经济损失，并建立了预测加密货币失败风险与回报之间关系的模型。研究发现，加密货币的失败概率令人震惊，这使得投资者在这个未受监管的市场中面临着巨大的经济损失；失败的预测因素在加密货币和代币中有所不同，需要针对市场和加密特定特征进行分析；在加密货币市场中，失败风险与收益之间的权衡呈正面关系，这表明投资者需要高额的正溢价来承担加密资产的高失败风险；此外，与其他机器学习模型相比，Logit模型和神经网络模型在预测表现上最为出色。
陈创练：Liquidity Trap and the Micro-Foundation of Government Policy
陈创练教授深入探讨了微观主体私人行为偏好对宏观政策的影响，将习惯形成和投资信心与两个微观行为主体的特征结合，纳入现代财政和货币政策调控框架。陈创练教授构建了基于新凯恩斯主义的动态随机一般均衡模型，将内生投资者情绪变量纳入其中，并扩展了习惯形成的类型和强度对乘数的影响的研究，同时引入了基于利差和产出波动识别的投资者信心渠道。研究结果表明，流动性陷阱对财政政策的影响由两部分组成：利率传导效应和预防性储蓄效应。前一种传导效应放大了财政乘数，后一种传导效应削弱了财政乘数；习惯形成的存在降低了居民调整消费的意愿，其增加的价值通过家庭资产组合的再平衡渠道在短期内显著放大了政府支出政策的乘数效应，同时显著削弱了消费税的全期政策效应，对收入税的影响较弱；另外，经验证据表明，由于泰勒规则的存在缩小了资本回报率与名义利率之间的差距，投资者信心与产出波动的相关性更高，而对利差的反应较弱。投资者信心渠道总体上放大了财政乘数，但由于资本积累滞后，初始效应较弱。
圆桌论坛当天下午，会议的最后环节——圆桌论坛如期举行。太阳成集团tyc7111cc薛涧坡教授首先介绍了厦大经济学科人工智能经济学/金融学方向的基本情况。随后，与会专家围绕“人工智能与数据科学教学模式与人才培养体系建设”进行了深入讨论，分享了各自的见解和经验，为未来的教育和人才培养提供了宝贵的建议。圆桌论坛由陈坚教授主持。
厦大经济学科历来重视发展交叉学科，本次研讨会为与会者提供了一个交流思想、分享经验的平台，为人工智能与数据科学在经济学领域的应用与发展开拓新的可能。会议在热烈的讨论和积极的互动中圆满结束。
（太阳成集团tyc7111cc 何永芳）
