2019年7月20日至21日，来自美国罗切斯特大学的陈彬副教授到访s36沙龙会，讲授题为“非参数估计和机器学习”的暑期课程，并开展“机器学习与计量方法应用”专题研讨会。本次暑期海外名家授课与交流由s36沙龙会黄乃静老师主持，来自我校多个学院，以及人民大学、湖南大学的同学积极参加了本次活动。

陈彬副教授，本科和硕士毕业于厦门大学金融学专业，博士毕业于美国康奈尔大学(Cornell University)计量经济学专业。主要研究领域为理论计量、应用金融计量。陈彬副教授先后在Econometrica、Journal of Econometrics、Econometric Theory等国外顶级期刊发表论文多篇，并担任Journal of Econometrics、Econometric Theory、Quantitative Economics等多个国际著名期刊的匿名审稿人。

非参数估计作为计量经济学、应用微观经济学和应用宏观经济学领域的重要研究内容，目前在国内的经济学教育体系中受到的重视不足。陈彬副教授对非参数方法（nonparametric method）、概率密度估计方法（Density estimation）、半参数估计方法（Semiparametric method）、时变参数回归模型的估计（Estimation and testing with time-varying parameter model）等内容进行了讲解和比较，并讨论其应用于不同模型时的区别和联系。除此之外，陈彬副教授还分享了自己对于大数据环境中的机器学习方法应用的见解，并且和多名师生进行了一对一的学术交流。

陈彬老师指出，在大数据时代，新的数据形式和数据中变量间的新型复杂关系给计量经济学带来前所未有的挑战，但另一方面也给计量经济学的发展和原创性的理论突破带来千载难逢的机遇。针对高维非结构化数据，一个重要工具就是机器学习（machine learning）技术。机器学习的过程本质是一个从数据中建立数学模型的过程，它包括有监督和无监督的学习（supervised and unsupervised learning）、强化学习（enforcement learning）、转移学习（transfer learning）、表示学习（representation learning）、深度学习（deep learning）等。今后，机器学习技术还将对经济学研究产生更加深远的影响。

为期两天的课程和研讨会内容丰富，气氛活跃，学术氛围浓厚。整个过程中，参加活动的老师学生积极思考，并对讲授内容提出问题，与陈彬副教授进行了良好的学术讨论。本次讲座富有成效，起到了极好的学术交流效果。

此课程受到中央财经大学国合处引智项目支持