2018年12月24日上午，我院邀请美国芝加哥大学商学院副教授修大成做客迈伦·斯科尔斯金融论坛，为我院师生作了以《Empirical Asset Pricing Via Machine Learning》为题的学术报告，这是迈伦·斯科尔斯金融论坛第九十六讲。报告由李心丹教授主持。

 在当前大数据的时代背景下，机器学习已经在诸多工程领域取得了巨大成功。而在金融领域，由于数据拥有非常低的信噪比，机器学习能否应用以及如何应用在金融领域是全世界范围内的一个重要议题。对此，修大成教授从机器学习的视角研究资产定价，发现机器学习方法有助于资产价格的回归预测，并且神经网络以及回归树是表现最佳的方法。此外，修教授对个股和投资组合同时进行了研究，发现机器学习方法对于预测更大，更具流动性的股票收益和投资组合最有价值，研究还进一步发现最成功的预测因素是价格趋势、流动性、波动性和估值比率。修教授认为，机器学习对收益预测的成功有助于经济建模和投资组合的实际选择，更有助于证明机器学习会在新兴fintech行业的架构中发挥越来越大的作用。

 报告期间，在场师生认真聆听、积极思考，并针对报告内容与修教授进行了热烈的讨论。报告结束后，在场师生与修教授进行了更加广泛的学术探讨，互动交流十分热切，修教授更加深入地与大家分享了自己观点和看法。学院老师俞红海、杨学伟、刘烨、方立兵、赵雪舟、张科等参加了交流活动。

 修大成教授于2006年从中国科学技术大学获得数学学士学位，并于2011年获得普林斯顿大学应用数学博士学位，现任美国芝加哥大学商学院副教授。目前研究主要集中在发展机器学习方法来解决资产定价领域的大数据问题，已在Econometrica、the Journal of Econometrics和the Journal of Business & Economic Statistics等国际一流期刊发表论文近二十篇。目前担任国际顶级期刊the Journal of Econometrics, the Journal of Business & Economic Statistics, and Statistica Sinica等副主编。

                                                                                  （俞红海、刘升哲供稿）