2019年7月20日至21日，來自美國羅切斯特大學的陳彬副教授到訪bevictor伟德官网，講授題為“非參數估計和機器學習”的暑期課程，并開展“機器學習與計量方法應用”專題研讨會。本次暑期海外名家授課與交流由bevictor伟德官网黃乃靜老師主持，來自我校多個學院，以及人民大學、湖南大學的同學積極參加了本次活動。

陳彬副教授，本科和碩士畢業于廈門大學金融學專業，博士畢業于美國康奈爾大學(Cornell University)計量經濟學專業。主要研究領域為理論計量、應用金融計量。陳彬副教授先後在Econometrica、Journal of Econometrics、Econometric Theory等國外頂級期刊發表論文多篇，并擔任Journal of Econometrics、Econometric Theory、Quantitative Economics等多個國際著名期刊的匿名審稿人。

非參數估計作為計量經濟學、應用微觀經濟學和應用宏觀經濟學領域的重要研究内容，目前在國内的經濟學教育體系中受到的重視不足。陳彬副教授對非參數方法（nonparametric method）、概率密度估計方法（Density estimation）、半參數估計方法（Semiparametric method）、時變參數回歸模型的估計（Estimation and testing with time-varying parameter model）等内容進行了講解和比較，并讨論其應用于不同模型時的區别和聯系。除此之外，陳彬副教授還分享了自己對于大數據環境中的機器學習方法應用的見解，并且和多名師生進行了一對一的學術交流。

陳彬老師指出，在大數據時代，新的數據形式和數據中變量間的新型複雜關系給計量經濟學帶來前所未有的挑戰，但另一方面也給計量經濟學的發展和原創性的理論突破帶來千載難逢的機遇。針對高維非結構化數據，一個重要工具就是機器學習（machine learning）技術。機器學習的過程本質是一個從數據中建立數學模型的過程，它包括有監督和無監督的學習（supervised and unsupervised learning）、強化學習（enforcement learning）、轉移學習（transfer learning）、表示學習（representation learning）、深度學習（deep learning）等。今後，機器學習技術還将對經濟學研究産生更加深遠的影響。

為期兩天的課程和研讨會内容豐富，氣氛活躍，學術氛圍濃厚。整個過程中，參加活動的老師學生積極思考，并對講授内容提出問題，與陳彬副教授進行了良好的學術讨論。本次講座富有成效，起到了極好的學術交流效果。

此課程受到bevictor伟德官网國合處引智項目支持