演讲者：李鲲鹏教授，首都经济贸易大学统计与数学学院
此次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。研讨会联席组委由康奈尔大学约翰逊商学院Rudd家族管理学讲席教授、金融学终身教授及《Management Science》金融主编䕺林（丛林），与清华大学五道口金融学院副院长、金融学讲席教授张晓燕组成。
本次会议共收到超过300位国内外的老师、学生以及业界人士的热情申请，最终共有约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，并有18篇论文在本次会议上进行展示。
在2024数字金融暑期学术研讨会上，李鲲鹏教授围绕着"One Binds All: Dimension Reduction with Single Factor” 的主题阐述了他的研究成果，指出维度降低在现代实证资产定价理论中扮演核心角色，而偏最小二乘法（PLS）作为主流监督式降维方法在金融、管理和会计等领域得到广泛应用。
单一因子降维方法：
理论与金融应用
李鲲鹏，首都经济贸易大学党委常委、副校长、教授，国家级人才计划入选者，2017 年和 2022 年分别获批国家“优秀青年”和杰出青年“科学基金项目”。研究领域:高维因子分析、交互效应面板模型、空间网络计量模型门限模型和断点模型、分位数模型、非平稳时间序列分析以及实证资产定价。
线上&线下参会人员扫描二维码（或点击“阅读原文”）
即可观看演讲视频回放
首先，在因子结构设置下，PLS方法不具有一致性，这是因为相关因子可识别，导致双向正交限制条件失效；其次，任何线性因子增广回归模型都存在等价的单一相关因子模型表示。基于这些发现，李教授提出了监督期望最大化（SEM）方法来提取单一相关因子。SEM算法包括构建初始值、迭代更新参数、构造SEM权重和计算预测值四个主要步骤。
在实证分析部分，研究将SEM方法应用于多种金融和宏观经济预测任务，包括S&P500回报率、美国国债回报率、S&P500实现波动率、月度通胀率、月度工业生产增长率和月度失业率变化的预测。研究比较了SEM、PCA和PLS方法在固定因子数量和估计因子数量情况下的表现。
此外，李教授还进行了模拟实验，设计基于具有5个因子的潜在因子模型，其中只有前两个因子与目标相关。研究结果显示，在多数情况下，SEM方法的预测性能优于PCA和PLS方法，特别是在样本外R²指标上，SEM方法在多个预测任务中表现最佳。
李教授的研究为金融领域的降维问题提供了新的理论基础和实用工具，对提高资产定价和风险管理的预测准确性具有潜在影响。这项研究展示了金融计量方法在大数据时代的创新发展，为处理高维金融数据提供了新的思路。
作者简介：
阮启宏，康奈尔大学经济系五年级博士生，研究数字经济、金融科技和人工智能，是（AI, Digital Economics, Financial Technology) 成员，个人网站qihongruan.github.io。
张蓝尹，IC3 - The Initiative For Cryptocurrencies & Contracts 和（AI, Digital Economics, Financial Technology) 实验室研究员，青年创业者。
