概述

本课题组旨在解决机器学习赋能因果推断时产生的内生性偏差等关键挑战，致力于在利用数据驱动优势的同时，确保计量模型科学上的严谨性，为经济学研究提供新工具。

协调人

艾春荣，教授 (经管学院)

成员

艾春荣，教授 (经管学院)

陈齐辉，副教授 (经管学院)

黄建华，教授 (数据科学学院&人工智能学院)

人工智能与计量经济学的跨学科研究

机器学习与计量经济学均为数据分析提供了强大的工具。计量经济学侧重于因果推断，而机器学习则主要聚焦于预测。计量经济学采用基于模型的方法，可解释性强，且适用于中小规模数据，但其缺点是对模型设定错误较为敏感。相比之下，机器学习是数据驱动的，能有效处理大规模数据集，但其构建的模型往往可解释性较差，且不太适用于因果推断。两个学科各有其比较优势，将二者融合可以实现优势互补。

本研究组致力于将机器学习融入计量经济学，开发出可进行因果解释的半数据驱动模型，这些模型在商业和经济学领域具有广泛的应用前景。例如，在法玛的股票收益因子模型中，机器学习可以辅助进行因子选择和载荷函数的确定。再如，利用机器学习评估政策（或定价策略）的有效性，并从观测数据中设计最优政策；但在动态环境中，政策学习可能会引致行为驱动的内生性偏误。此外，机器学习还能辅助确定非参数或半参数模型中的函数形式。