10月29日，数理与金融学院在线上举办了“金融科技与金融工程”专题系列报告会，会议邀请南京大学博士生导师杨学伟教授、东北财经大学博士生导师李凤羽教授、西南交通大学博士生导师马锋副教授、中山大学博士生导师刘彦初副教授、广东工业大学博士生导师陈树敏副教授做了专题报告。校党委常委、副校长费为银教授出席了报告会。数理与金融学院教师及研究生等参加了本次报告会。

杨学伟教授做了题为《杠杆是一把双刃剑》的报告。利用期货市场账户级数据讨论了杠杆对投资绩效的影响。研究发现，高杠杆增加了投资组合的风险，同时降低了投资收益。利用监管变化进行的双重差分分析证实了这一定性结论。高杠杆带来的损失源于强制平仓以及由于杠杆增加而产生的额外交易成本。高杠杆放大了缺乏经验的投资者因处置效应和赌博偏好而造成的损失。另一方面，少数有经验的投资者通过积极择时和进行套利交易来利用杠杆；这些交易员每增加一单位杠杆，平均每天可赚取8个基点的额外回报。

李凤羽教授做了题为《修明渠、堵暗道：土地出让金划转税务部门征收如何影响城投债信用风险？》的报告。聚焦2021年7月实施的土地出让金划转税务部门征收试点政策，分析中央政府对土地出让收入实施“修明渠、堵暗道”如何影响城投债信用风险。研究发现，土地出让金划转税务部门征收显著降低了试点地区城投债的信用利差，这一现象在以土地开发为主营业务、信用评级较低、盈利能力较差、土地资产注入规模较少、地区财政缺口较小的城投平台中表现更加明显。经济机制分析显示，土地出让金划转税务部门征收主要通过强化地方政府隐性担保和改善财政信息透明度的渠道对城投债信用风险产生影响。

马锋副教授做了题为《Oil Shocks and Stock Market Volatility: A Comprehensive Perspective》的报告。从综合角度研究了石油冲击对股票市场波动的可预测性。实证分析表明，除了传统的经济变量和不确定性指标外，多种石油冲击测度还包含了预测股市波动的有价值信息。此外，最小绝对收缩和选择算子(LASSO)方法和机制转换模型共同实现了统计和经济角度预测精度的提高。在不同经济周期和市场条件(包括COVID-19大流行)下的稳健性检验证实了这些结果。

刘彦初副教授做了题为《Discrete-time Variance-optimal Deep Hedging in Affine GARCH Models》的报告。这项研究采用半显式和深度学习的方法解决了仿射GARCH模型的方差-最优对冲问题，采用拉普拉斯变换方法，导出了方差-最优对冲策略和初始禀赋的半显式公式，采用长短期记忆(LSTM)循环神经网络(RNN)体系结构求解了具有交易成本的均方误差损失函数下的最优套期保值策略。数值例子说明了不同方法、期权样式、套期保值频率和交易成本下的套期保值效果。

陈树敏副教授做了题为《Optimal Life Cycle Decisions with Time-Inconsistent Preferences》的报告。这项研究在平稳马尔可夫完美均衡框架下明确地得到了最优时间一致策略。研究发现，投资者立即增加消费以寻求快速满足。此外，在生命周期的后期，财富积累效应占主导地位，消费和人寿保险购买较低。

会后，专业教师及研究生与五位专家就报告进行了交流。最后，副校长费为银对报告会作了总结，并再次感谢五位教授的精彩报告。

本次报告会让与会青年教师与研究生对金融科技、金融工程的相关研究动向、研究热点有了更加充分的认识，拓宽了学术视野，将对今后的相关学习和研究产生积极的促进作用。 

（文/图：李琴、潘海峰；审核：吴小太）