姜纬 | 金融研究与技术：机器学习与计量经济学的融合

主要观点总结

该文章介绍了2024数字金融暑期学术研讨会的相关内容。会议由清华大学孵化的学说平台主办，并得到了康奈尔大学商学院金融科技中心的学术支持。会议吸引了超过300位国内外的老师、学生以及业界人士参加，并有18篇论文进行展示。其中，姜纬教授的演讲深入探讨了机器学习与传统计量经济学方法在金融研究中的融合与应用，以及技术对公司金融和公司治理的影响。

关键观点总结

关键观点1: 会议基本信息

会议由清华大学孵化的学说平台主办，康奈尔大学商学院金融科技中心提供学术支持。会议吸引了大量参与者，包括来自不同高校的师生和业界人士。共收到超过300位申请，约200位来自103所高校的师生和数位业界人士同时在线上和线下参会。

关键观点2: 姜纬教授的演讲内容

姜教授深入探讨了机器学习与传统计量经济学方法在金融研究中的融合与应用，包括预测模型的演变、参数方法和非参数方法的改进策略、机器学习与非参数估计的联系、过拟合风险管理、因果推断的重要性以及因果随机森林的概念等。此外，她还讨论了技术对公司金融和公司治理的影响，包括代币化、信息不对称、合约的不完整性以及智能合约等方面。

关键观点3: 姜纬教授演讲的主要观点

姜教授指出，在应用机器学习技术时，要注重其可解释性，并强调理解数据生成过程背后的经济机制仍然至关重要。她认为技术正在深刻影响公司金融和治理，但同时也带来了新的机遇和挑战。姜教授的演讲展示了机器学习在金融研究中的潜力、局限性以及与传统的互补性，为金融研究的未来发展指明了方向。