2022年5月14日至15日，第六屆北京大學(xué)(PKU)-新加坡國立大學(xué)(NUS)數(shù)量金融與經(jīng)濟(jì)學(xué)國際學(xué)術(shù)會議在線上舉行。此次會議由北京大學(xué)匯豐商學(xué)院、新加坡國立大學(xué)風(fēng)險管理研究所、北京大學(xué)數(shù)量經(jīng)濟(jì)與數(shù)理金融教育部重點(diǎn)實驗室聯(lián)合舉辦，北京大學(xué)數(shù)學(xué)科學(xué)學(xué)院承辦，百余位學(xué)者圍繞數(shù)量金融經(jīng)濟(jì)最新的學(xué)術(shù)研究成果展開研討，線上累計觀看849人次。

在14日的開幕式中，北京大學(xué)光華管理學(xué)院李辰旭教授，北京大學(xué)深圳研究生院副院長、匯豐商學(xué)院院長王鵬飛教授，新加坡國立大學(xué)風(fēng)險管理研究所所長陳逸群（Yi-Chun CHEN）教授先后致辭。李辰旭對與會嘉賓表示歡迎，他希望此次會議能推動更深入廣泛的校際學(xué)術(shù)交流與合作。王鵬飛在致辭中對本次會議的合作方表示感謝，分享了北大匯豐在2021年取得的學(xué)術(shù)成果，回顧了北大匯豐與新加坡國立大學(xué)的合作歷史，希望線上學(xué)術(shù)會議可以增進(jìn)學(xué)者友誼，追蹤學(xué)術(shù)前沿。陳逸群在致辭中回顧了PKU-NUS數(shù)量金融與經(jīng)濟(jì)國際學(xué)術(shù)年會的歷史，并對參會嘉賓表示歡迎，他期待北京大學(xué)與新加坡國立大學(xué)繼續(xù)保持緊密的合作關(guān)系。

本次會議邀請普林斯頓大學(xué)經(jīng)濟(jì)系Yacine Aït-Sahalia教授、西交利物浦大學(xué)Xuezhong (Tony) He教授、哥倫比亞大學(xué)劉慶民教授分別作主旨演講。Tony He對其論文《定量投資與價格信息性》（Quantitative Investing and Price Informativeness）做了介紹。文章建立了一個關(guān)于量化投資的資產(chǎn)管理市場的均衡模型以研究量化投資對市場效率和穩(wěn)定性的影響。研究表明，量化投資對價格信息的影響有兩方面：一方面，帶來了更多的信息資本和優(yōu)越的價格信息；另一方面，不完善的價格解釋間接地給均衡結(jié)果注入了系統(tǒng)噪聲。在市場結(jié)構(gòu)內(nèi)生決定的均衡狀態(tài)下，價格信息的降低吸引更多的資金流向量化基金，且進(jìn)一步促進(jìn)了量化基金的形成。Yacine Aït-Sahalia、劉慶民分別作了題為“高頻價格在何時可預(yù)測及如何預(yù)測？”（How and When are High-Frequency Prices Predictable?）、“雙邊匹配市場的穩(wěn)定性和效率”（Stability and Efficiency of Two-Sided Matching Markets）的演講。

本次會議組織者還從眾多投稿中評選出45篇高質(zhì)量的學(xué)術(shù)論文，邀請作者與會宣讀并分組研討。這些論文涉及微觀經(jīng)濟(jì)學(xué)、數(shù)理經(jīng)濟(jì)學(xué)、宏觀經(jīng)濟(jì)與金融、金融工程、金融建模、金融科技、投資組合選擇等主要領(lǐng)域。其中，匯豐商學(xué)院有7篇文章入選。

香港科技大學(xué)博士研究生董丁介紹了與王鵬飛、美聯(lián)儲舊金山分行劉錚教授合作撰寫的論文《動蕩的商業(yè)周期》（Turbulent Business Cycles）。作者基于對數(shù)據(jù)的分析，發(fā)現(xiàn)生產(chǎn)擾動（即企業(yè)生產(chǎn)率在行業(yè)內(nèi)排名的自相關(guān)性）具有逆周期性，對宏觀經(jīng)濟(jì)有重要影響，與經(jīng)濟(jì)衰退密切相關(guān)。在微觀層面上，生產(chǎn)擾動會使資源向低生產(chǎn)率企業(yè)傾斜。基于以上事實，作者通過一個有異質(zhì)性企業(yè)和借貸限制的真實商業(yè)周期模型研究了生產(chǎn)擾動對于宏觀經(jīng)濟(jì)和資源錯配的影響，并分析不同政策帶來的效果。研究結(jié)果表明，生產(chǎn)擾動將沖擊宏觀經(jīng)濟(jì)，放大資源錯配，而金融摩擦增強(qiáng)了這一沖擊帶來的影響。借貸補(bǔ)貼和信用寬松放松了企業(yè)的借貸限制，有助于緩解生產(chǎn)擾動的沖擊。前者穩(wěn)定經(jīng)濟(jì)的能力更強(qiáng)，但會帶來更大范圍的資源錯配，而后者可以提高資源配置效率。

殷臻達(dá)助理教授介紹了與康奈爾大學(xué)的Michael Jordan教授合作撰寫的論文：《晉升、逆向選擇和效率》(Promotions, Adverse Selection, and Efficiency)。論文考慮了勞動力市場的逆向選擇如何影響晉升決策的效率。在本文的模型中，當(dāng)由于缺乏足夠的管理崗位（職位限制）而無法晉升高技能員工時，對于該員工而言，將其轉(zhuǎn)到其他缺乏高技能員工的公司是更有效的。在雇主學(xué)習(xí)不對稱的情況下，由于工人當(dāng)前雇主的私人信息，逆向選擇可能會阻止這種類型的員工更替。我們發(fā)現(xiàn)為具有最高預(yù)期能力的年輕工人接受非升即走合同可以有效地解決這一逆向選擇問題，因為它迫使未晉升的員工離職，從而提高晉升決策的效率。本文還解釋了若干現(xiàn)實中與非升即走合同相關(guān)的公司行為。

Jeahyuk Choi副教授介紹了論文《用Karhunen-Loeve展開對Ornstein-Uhlenbeck驅(qū)動的隨機(jī)波動率模型的一個新的精確模擬》(A New Exact Simulation of the Ornstein-Uhlenbeck DrivenStochastic Volatility Model Using the Karhunen-Loève Expansions)。在Ornstein-Uhlenbeck驅(qū)動的隨機(jī)波動率（OUSV）模型下可以高效、準(zhǔn)確的完成蒙特卡羅模擬，但精確模擬計算量比較大。因此Choi使用Karhunen-Loève (KL) 展開式將波動路徑表示為無限正弦序列。新的方法比之前的計算速度更快，而且數(shù)值試驗驗證了新方法的正確性和有效性。

DuckKi Cho助理教授介紹了論文《工人力量的衰減如何影響對最低工資的投資敏感性？》(How Does Declining Worker Power Affect Investment Sensitivity to Minimum Wage?)�？紤]到美國工人力量下降的微觀經(jīng)濟(jì)影響，Cho探討了工人力量的減弱如何影響企業(yè)層面的投資決策。基于1983年至2017年期間最低工資的歷史變化，他發(fā)現(xiàn)文獻(xiàn)中提出的各種導(dǎo)致工人力量下降的因素會降低企業(yè)投資對工資的敏感性。這些因素包括全球化（1999年美中雙邊協(xié)議、中國于2001年加入世貿(mào)組織）、技術(shù)變革和工會力量削弱。

2018級博士研究生張悅琪介紹了與李凱副教授合作撰寫的論文《中國關(guān)鍵利率的仿射期限結(jié)構(gòu)模型》（Affine Term structure model of China’s Key Interest Rates）。文章運(yùn)用2015—2021年間不同期限的DRepo、Repo和SHIBOR利率觀測數(shù)據(jù)，利用五要素仿射期限結(jié)構(gòu)模型研究了中國銀行間市場DRepo和Repo、SHIBOR間的利差和利差期限結(jié)構(gòu)。研究表明，流動性因素主要影響DRepo和Repo間利差，且影響隨期限變長而減弱。信用因素主要影響超短期內(nèi)DRepo和SHIBOR間利差，且利差隨信用風(fēng)險上升而增加。若流動性風(fēng)險增加，DRepo和SHIBOR間利差將降低，但該影響隨期限增長而減弱。

2019級博士研究生李健介紹了與Jaehyuk Choi副教授、雎嵐副教授和涂志勇副教授合作的論文《信息提取與藝術(shù)品定價》（Information extraction and artwork pricing）。文章基于享樂定價模型，引入香農(nóng)信息論，提出了奇異值分解（SVD）熵度量的圖像信息量因子，使用FindArtInfo和wikiArt數(shù)據(jù)庫的數(shù)據(jù)，實證驗證了信息量對藝術(shù)品定價的正向影響并與現(xiàn)有研究中的其他內(nèi)容因子進(jìn)行了比較。

彭獻(xiàn)華副教授介紹了論文《隨機(jī)控制問題的機(jī)器學(xué)習(xí)算法》（A Machine Learning Algorithm for Stochastic ControlProblems），文章基于隨機(jī)梯度下降算法（SGD）和蒙特卡洛模擬提出了解決隨機(jī)控制問題的單調(diào)蒙特卡洛控制（MMCC）算法，以解決最優(yōu)策略非平穩(wěn)的有限期的隨機(jī)控制問題。該算法的迭代過程中保持目標(biāo)函數(shù)單調(diào)上升，且算法具有良好的收斂性質(zhì)，可以求解狀態(tài)維度超過100的高維問題。數(shù)值結(jié)果表明，該算法可以有效求解隨機(jī)波動率模型和遞歸效用下的投資組合問題。

此外，來自耶魯大學(xué)、密歇根大學(xué)、威斯康星大學(xué)麥迪遜分校、英屬哥倫比亞大學(xué)、劍橋大學(xué)、倫敦大學(xué)學(xué)院、新加坡國立大學(xué)、北京大學(xué)、清華大學(xué)、香港大學(xué)、香港科技大學(xué)、香港中文大學(xué)、香港城市大學(xué)、南京大學(xué)等高校及微軟研究院的學(xué)者參會并作了論文宣讀和討論。

PKU-NUS數(shù)量金融與經(jīng)濟(jì)學(xué)國際學(xué)術(shù)會議由北京大學(xué)匯豐商學(xué)院和新加坡國立大學(xué)風(fēng)險管理研究所共同發(fā)起創(chuàng)辦，會議每年一屆，旨在為學(xué)界和業(yè)界提供交流平臺，強(qiáng)化相關(guān)人員的量化金融技術(shù)，探索最新的投資策略，應(yīng)對金融領(lǐng)域的監(jiān)管變化。

轉(zhuǎn)自：北京大學(xué)新聞網(wǎng)