2019年12月19日上午，香港中文大学经济系史震涛教授应邀到访s36沙龙会，讲授题为Advancements of Machine Learning in Econometrics的短期课程。本次课程由黄乃静老师主持，在沙河校区主教303教室举行，s36沙龙会及校内多名师生参加了此次课程。

史震涛，香港中文大学经济系助理教授。耶鲁大学博士，师从Peter Phillips教授。他的研究领域为计量经济学理论和应用计量，特别是关于机器学习方法在计量应用中的估计和推断，曾在Econometrica、Journal of Econometrics、Journal of Applied Econometrics、EconometricReviews等国际顶级期刊上发表论文。

史震涛教授从机器学习对经济学研究的意义出发，强调机器学习处于当今技术进步的前沿，它影响着我们进行经济学研究的方式。由于统计软件的广泛使用，机器学习方法在经济上的应用逐渐增多，然而，机器学习距离成为主流实证研究方法，仍有很大的差距。这是因为机器学习理论主要是建立在一般的统计模型上，而不是为经济环境量身定制的。接下来，史震涛教授从First Generation出发，介绍了非参数估计、SeriesEstimation、Lasso方法；然后史震涛教授又对不依赖于DGP的“黑匣子”类模型进行了讲解，就决策树、随机森林、梯度提升等几个常见的模型进行了介绍。在课程的最后一部分，史震涛教授介绍了自己的研究成果，研究领域集中于机器学习和传统计量经济学之间的衔接，尤其是如何把机器学习的方法应用在经济环境中，比如在非平稳时间序列和面板数据中机器学习方法的应用。

这次短期课程，史震涛教授展示了自己对机器学习和计量经济学的深刻理解，并用生动的语言介绍了自己的相关研究。最后，黄乃静老师对本次课程进行总结，参加人员均表示受益匪浅。