2020年6月3，10日，芝加哥大學布斯商學院教授修大成應邀參加由bevictor伟德官网、北京工商大學bevictor伟德官网和bevictor伟德官网互聯網經濟研究院聯合主辦的“海外學者前沿短期課程”，通過線上連線，為師生講授“金融經濟學中的機器學習方法”專題研究。課程由bevictor伟德官网黃乃靜副教授主持，百餘名師生以及來自香港中文大學，複旦大學，中國人民大學、浙江大學、北京工商大學、中山大學的專家和學者參加了課程。

修大成先後畢業于中國科學技術大學數學,獲得理工學學士，于美國普林斯頓大學應用數學碩士、博士。主要研究領域為Financial Econometrics, Empirical Asset Pricing, Machine Learning in Finance, High-Dimensional Statistics, Quantitative Finance等。其研究成果發表于Econometrica，Journal of Econometrics，Review of Financial Studies，Journal of Finance，Annals of Statistics，Journal of the American Statistical Association等國際知名期刊。同時，修教授擔任以下頂尖學術期刊的主編或編委，Journal of Financial Econometrics, the Journal of Econometrics, Journal of Business & Economic Statistics, Management Science, Journal of Applied Econometrics, Journal of Empirical Finance, and Statistica Sinica.

随着技術的進步，機器越來越在工作和生産活動中扮演起了人的角色。例如，Facebook能在照片中識别出人臉，Siri能夠理解人的語言，谷歌能夠直接翻譯網頁上的文字等。上述新興科技實際上都依賴于機器學習（Machine Learning）技術的發展。什麼是機器學習？從狹義的角度理解，所謂的機器學習就是一類算法，屬于計算機科學的一個子領域（Alpaydin，2014），但從廣義的角度來看，它又是一種綜合了計算機科學、工程學、統計學等多學科知識的新技術。機器學習的方法不僅被廣泛地應用于理工醫學等領域，并且越來越受到社會科學研究者的重視。許多經濟學家都認為機器學習會對經濟學的發展産生廣泛且深遠的影響，以至于在不久的将來，機器學習将改變經濟學的研究方式（Athey, 2017a; Varian, 2014；Belloni et al, 2014；Brynjolfsson & McAfee，2014）。本次課程從金融經濟學的視角出發，介紹機器學習方法在其中的應用，主要包括機器學習方法在實證資産定價領域的預測，和文本信息的應用。

在課程講授結束後，修教授熱情、耐心地解答了專家學者與師生的提問，并分享了目前有關機器學習方法在經濟金融研究的最新動态和潛在研究方向。最後，黃乃靜老師對課程進行簡要總結和點評，并向修大成教授的辛勤教學表示感謝。參與課程的師生紛紛表示修老師講課形象生動，課程内容詳盡，受益匪淺。

本課程受到“北京高等學校卓越青年科學家計劃資助”。