2018年6月9日至10日，由浙江大学经济学院和浙江大学工程师学院互联网金融分院共同主办，浙江大学金融研究院协办的首届金融计量与新金融国际会议（The 1st Financial Econometrics and New Finance Conference）在杭州金溪山庄隆重召开。来自海内外的专家学者、业界代表以及校内外师生共计80余人参加会议。
大会开幕式上，浙江大学经济学院副院长潘士远和新加坡管理大学终身教授余俊分别致辞。潘士远副院长首先对与会者的到来表示热烈的欢迎，随后简要介绍了浙大经济学院和互联网金融分院的基本情况，并预祝会议取得圆满成功。余俊教授在致辞中感谢了大会组委会的辛勤工作以及各位专家学者不远万里共聚杭州，共同探讨金融计量经济学、新金融、机器学习与互联网金融新发展等方面的问题。他指出在新金融背景下，大数据变得越来越重要，越来越多的人对此领域感兴趣，在金融大数据的背景下，金融计量经济学应当如何发展值得探讨。余教授也提到杭州已成为互联网金融的高地，大家也可以借此机会实地感受到互联网金融的发展。
潘士远副院长致辞
余俊教授致辞
会上，五位主讲专家分别作了精彩的主题报告：范剑青教授率先以“金融领域的统计机器学习”(Statistical Machine Learning in Finance)为主题进行演讲，针对在科技与金融领域频繁出现具有相关性和厚尾性的数据，介绍了因子调整稳健多重检验方法(Factor-Adjusted Robust Multiple testing)和因子调整稳健模型选择方法(Factor-Adjusted Robust Model Selection)。这两种方法提高了检验的功效，并提高了模型选择的一致率。范教授介绍了几种简单而有效的预测方法，并解释如何在协变量存在的情况下提取潜在因素，使用更优的方法来减少模型选择时的偏差，并使用高频交易数据和债券风险溢价等数据，通过理论分析、模拟和实证研究阐述上述方法的收益。
范剑青教授作主题报告
Yacine Ait-Sahalia教授的报告主题为“随机波动模型的封闭形式隐含波动率表面”(Closed-Form Implied Volatility Surfaces for Stochastic Volatility Models)。Ait-Sahalia教授提出了一种方法，能够无需采用计量处理方法，显示解决一个长期的实证难题，即哪一种随机波动模型能最好地拟合隐含波动率数据。他以S&P500指数隐含收益率表面为例进行研究，首先解释隐含波动率表面的一些代表性的典型化事实，并对当前主流的随机波动率模型进行比较和实证分析，阐述各个模型的优缺点。其次，无需通过探索更多典型化事实来评估更合适的模型，Ait-Sahalia教授基于观察所得的隐含波动率表面的市场形状特征，建立了一种新的数据驱动的隐含随机波动率模型。他提出了在随机波动率模型下对隐含波动率表面的形状特征的封闭形式的双变量-展开近似，为揭示随机波动率和隐含波动率之间的显式关系做出贡献。
Yacine Ait-Sahalia教授作主题报告
Graham Elliott教授以“误差序列相关情况下的趋势检验”(Testing for a trend with serially correlated errors)为题作了报告。考虑一个回归残差具有未知的序列相关性，甚至可能含有单位根的回归方程，对系数进行趋势检验。Elliott教授主要构造了一些接近最优的检验，并将上述回归模型进行延伸，探究检验以上假说的影响。这些检验相较于之前的文献更为有效，且能够被一般化到原始条件假设更为合理的情况。
Graham Elliott教授作主题报告
会议第二天，余俊教授作了题为“Bubble Testing under Deterministic Trends”（确定性趋势下的泡沫检验）的主题报告。余教授提出不同AR模型中的自回归系数的最小二乘估计量的渐近理论，此时数据是由不同形式的趋势平稳模型生成的。取决于自回归形式的不同，常用的右侧单位根检验可能会拒绝单位根检验的零假设。他提出了实施右侧单位根检验的新步骤，说明了当数据生成过程是趋势平稳的时候，基于该步骤的检验统计量并不能发现关于爆发性的证据。因此，该步骤能检验确定性趋势下的稳健泡沫检验。余俊教授使用美国的股票与房地产数据进行实证检验泡沫期数量，得到了不同结果。股票数据得出的结果与既有文献一致，但根据房地产数据得出的结果相反。
余俊教授做主题报告
最后一位主题报告人是Steven Lehrer教授，他的报告主题是“过度吹捧或值得炒作？对社交媒体数据和金融经济领域机器学习的价值的初始评估”(Overhyped or Worth the Hype? An Initial Assessment of the Value of Social Media Data and Machine Learning in Financial Economics)。Lehrer教授简要阐述3篇论文的内容，首先，他提出模型不确定性和社交媒体数据在预测方面仍十分重要，并且建立了一个新的模型筛选工具，发现在模型筛选阶段考虑异方差性不会带来很大提升。其次，Lehrer教授指出社交媒体内容能够提升预测效率，而对冲基金和金融机构在这类数据的应用中领先于学术界。但是该类新来源的数据的衡量存在误差，还有很多方法论改进空间，数据的统计学特征尚未被充分研究。
Steven Lehrer教授作主题报告
另外，来自浙江大学、复旦大学、中国人民大学、上海财经大学、武汉大学、厦门大学、香港中文大学、新加坡管理大学等高校的13位学者分别作特邀报告，向大家介绍了各自的研究成果。
与会学者作特邀报告
每场报告之后，在场师生积极提问，与各位专家展开热烈讨论。会议最后，余俊教授做总结发言，他再次感谢大家积极参与本次会议，希望每个人都能有所收获，不虚此行。
讨论交流
本次会议历时一天半，共有18场高水平的报告，内容丰富，议程紧凑，为国内外学者搭建了学术交流平台，共议计量经济学与新金融发展，具有重要的理论和现实意义。此外，会议的成功召开也进一步推动了浙江大学金融计量学科的发展，加强了我院师生与国内外同行的合作交流，为日后的合作研究打下了坚实的基础并提供了良好的机会。