8月19日至23日，上海纽约大学再度主办金融计量经济学会（Society for Financial Econometrics，简称SoFiE）暑期研讨班，来自欧洲、北美和亚洲的98位青年学者相聚一堂。这是上海纽约大学金融波动研究所（Volatility Institute at NYU Shanghai，简称VINS）第七次主办该暑研班，也是其首次在前滩校园举办。今年的暑研班以“金融机器学习”为主题，正反映了机器学习和人工智能在金融研究与实践的转型方面日益重要的作用。
为期一周的暑研班由三位领域内世界知名专家主讲，分别为芝加哥大学的修大成教授、耶鲁大学管理学院的Bryan Kelly教授和洛桑联邦理工学院的Semyon Malamud教授。课程内容丰富，通过密集的讲座、讨论和与会者的展示，探讨了包括机器学习因子模型、高维回归、随机矩阵理论，以及神经网络在金融中的应用等主题。
修大成教授
修大成教授的讲座聚焦通过机器学习模型，利用文本和图像等替代数据源测量预期收益，激发了金融机器学习领域的新思考。他还探究了机器学习在处理弱信号和罕见的alpha学习率时的局限性，帮助与会者批判性地理解该新兴领域的优势与挑战。
Bryan Kelly教授
Kelly教授讲解了金融机器学习的基础，并探讨了如工具主成分分析和自动编码资产定价模型等复杂主题。他还分享了自己关于复杂性在收益预测中的优势的研究，并探讨了文本分析在金融与经济中的应用。
Semyon Malamud教授
Malamud教授则主讲了高维回归和随机矩阵理论，将理论概念与相关编码实例有效结合，促进与会者更好地理解。其后，他展示了自己在神经正切核、神经网络、维度灾难、投资组合切线核和大因子模型方面的研究。
暑研班由线上回归至线下，与会者和授课教师们对此反响热烈。上海纽约大学金融波动研究所执行所长周欣表示：“在前滩校园举办暑研班不仅提升了学习体验，还培养了与会者的归属感。”他补充道，线下形式促进了更多互动、合作和思想交流，而成功的学术聚会，离不开这些核心要素。
今年，暑研班的学员构成多元，他们来自康奈尔大学、剑桥大学、卡内基梅隆大学、莫纳什大学、北京大学和上海交通大学等知名院校，以及旧金山联邦储备银行等机构。学术研究者与行业从业者共同参与，丰富了讨论内容，并提供了多元的视角。
与会者对课程结构和讲师们的专业水平给予了高度评价。华威大学金融学助理教授Zhao Liu表示：“课程结构非常严谨，深入探讨了机器学习和人工智能在金融中的应用。教授们分享的实践方法对理解高级金融模型尤其有益，这对我未来的研究工作至关重要。”来自悉尼科技大学的博士生Vladislav Pyzhov则强调了课程的实用：“课程关注实际研究论文，而非纯理论内容，令人耳目一新、受益颇丰。”
金融计量经济学会（SoFiE）每年开展为期一周的暑研班，以研究为基础，涉及统计学、计量经济学和金融学，面向博士生、研究人员和初级教师。今年是上海纽约大学第七次举办该暑研班，往年的主办方包括牛津大学、哈佛大学和西北大学凯洛格管理学院等世界各地的学术机构。