2021年11月26日下午，中国人民大学商学院财务金融系教授，博士生导师孟庆斌教授在北综合楼330教室为同学们带来了主题为“大数据，机器学习等资产定价研究的新趋势”的财经前沿讲座。此次讲座由商学院党总支书记何辉老师主持，线上线下同时进行，主办方为中国社会科学院大学商学院。

孟庆斌，中国人民大学商学院财务金融系教授，博士生导师。主要研究方向为资本市场与公司财务。到目前为止在国内外高水平期刊发表和接收论文60篇，其中包括European Journal of Operational Research，Journal of Corporate Finance，Journal of Empirical Finance，Journal of Financial Market，Quantitative Finance，SIAM Journal on Control and Optimization等国际主流期刊（SSCI,SCI）20余篇，国内《经济研究》《管理世界》《经济学（季刊）》《管理科学学报》等期刊30余篇，出版专著3部。长期以来在人民大学讲授《证券投资学》，《金融衍生工具》等课程。

本次讲座中，孟教授以大数据与机器学习应用在财务金融领域的研究潮流为开端，通过举出AlphaGo打败柯洁等事例，引出了大数据与机器学习的概念。随后他又通过对财务金融发展及资产定价趋势的分析，阐述金融研究核心，说明了该领域大数据与机器学习应用的重要性。

接着，孟教授把机器学习与大数据技术在财务金融领域的主要应用与影响逐级讲解，在公司财务、资本市场、风险防范和利益相关者这四方面展现了机器学习与大数据技术应用之广。紧接着孟教授推究原理，又介绍了知识图谱、自然语言处理、语音技术和生物技术等关键技术的应用。之后，孟教授再层层深入，对机器学习与大数据技术分别进行分析。

在机器学习方面，首先孟教授点明了机器学习的分类，并通过通俗易懂的例子，让同学们理解了机器学习中监督学习与无监督学习的区别，并进一步引出将二者相结合的半监督学习模式。然后孟教授又利用超级玛丽的例子解释了何为强化学习，再结合神经网络模型、贝叶斯模型、决策树等，透彻地说明了深度学习。最后孟教授通过结巴库、讯飞输入法和火车站人脸识别等事例表现了未来机器学习的潜力。

在大数据方面，孟教授以2019NBER-RFS冬季会议中的定义向同学们阐释了金融研究中大数据的特征：一是大规模，即数据量大；二是维度多，即对样本进行分类依照的分类标准较多；三是结构复杂，即包含了传统结构化数据和非结构化数据。随后孟教授通过与传统的投资者关注和情绪度量方法进行对比，向同学们一一阐释了大数据度量速度较快，数据多样，规模较大，容错率、准确率高等特点，充分体现了大数据的巨大优势。

随后孟教授介绍了当今大数据度量的主要数据来源——网络新闻数据、搜索引擎数据、社交网络数据和网络论坛数据，并进一步说明了当今大数据度量投资者关注与情绪的主要方法。之后孟教授以数理方法引入机器学习算法的不同模型，介绍了预测收益的模型和方法，论述了两者对于资产定价的重要作用。最后，孟教授指出了当前机器学习算法存在的不足——具有黑箱性质、易陷入过度拟合等，也指明了未来的努力方向是推动经济理论发展与机器学习的有机融合。

本次讲座深入浅出，孟教授以专业化的视角，展示了在财务金融领域机器学习与大数据技术应用的巨大潜力，并以跨学科融合的视野， 为同学们提供了一个研究资产定价的新思路。经过本次讲座，同学们受益匪浅，反响热烈。

文案：学生会学习部

摄影：本科生团总支宣传部