2020年6月3，10日，芝加哥大学布斯商学院教授修大成应邀参加由s36沙龙会、北京工商大学s36沙龙会和中央财经大学互联网经济研究院联合主办的“海外学者前沿短期课程”，通过线上连线，为师生讲授“金融经济学中的机器学习方法”专题研究。课程由s36沙龙会黄乃静副教授主持，百余名师生以及来自香港中文大学，复旦大学，中国人民大学、浙江大学、北京工商大学、中山大学的专家和学者参加了课程。

修大成先后毕业于中国科学技术大学数学,获得理工学学士，于美国普林斯顿大学应用数学硕士、博士。主要研究领域为Financial Econometrics, Empirical Asset Pricing, Machine Learning in Finance, High-Dimensional Statistics, Quantitative Finance等。其研究成果发表于Econometrica，Journal of Econometrics，Review of Financial Studies，Journal of Finance，Annals of Statistics，Journal of the American Statistical Association等国际知名期刊。同时，修教授担任以下顶尖学术期刊的主编或编委，Journal of Financial Econometrics, the Journal of Econometrics, Journal of Business & Economic Statistics, Management Science, Journal of Applied Econometrics, Journal of Empirical Finance, and Statistica Sinica.

随着技术的进步，机器越来越在工作和生产活动中扮演起了人的角色。例如，Facebook能在照片中识别出人脸，Siri能够理解人的语言，谷歌能够直接翻译网页上的文字等。上述新兴科技实际上都依赖于机器学习（Machine Learning）技术的发展。什么是机器学习？从狭义的角度理解，所谓的机器学习就是一类算法，属于计算机科学的一个子领域（Alpaydin，2014），但从广义的角度来看，它又是一种综合了计算机科学、工程学、统计学等多学科知识的新技术。机器学习的方法不仅被广泛地应用于理工医学等领域，并且越来越受到社会科学研究者的重视。许多经济学家都认为机器学习会对经济学的发展产生广泛且深远的影响，以至于在不久的将来，机器学习将改变经济学的研究方式（Athey, 2017a; Varian, 2014；Belloni et al, 2014；Brynjolfsson & McAfee，2014）。本次课程从金融经济学的视角出发，介绍机器学习方法在其中的应用，主要包括机器学习方法在实证资产定价领域的预测，和文本信息的应用。

在课程讲授结束后，修教授热情、耐心地解答了专家学者与师生的提问，并分享了目前有关机器学习方法在经济金融研究的最新动态和潜在研究方向。最后，黄乃静老师对课程进行简要总结和点评，并向修大成教授的辛勤教学表示感谢。参与课程的师生纷纷表示修老师讲课形象生动，课程内容详尽，受益匪浅。

本课程受到“北京高等学校卓越青年科学家计划资助”。