研途拼搏，创新突破。2024年3月26日下午，财政与公共经济学院数量经济教研室第七期研究生学术沙龙于山西财经大学坞城校区立信楼202教室举行。线上线下共计16人与会。主讲人为2022级数量经济学硕士研究生笪文倩和许庆迪同学，潘美玲、张鸿琴和苏聪丽三位老师分别进行了点评。

作为互联网、大数据、区块链和人工智能等新科技与金融融合的崭新业态，数字金融的“创造性”和“破坏性”产生了广泛关注，也备受争议。亟须深入考察数字金融对碳排放的影响机制，引导其走上支持实体经济的健康轨道。

笪文倩同学《数字金融与碳排放：基于微观数据和机器学习模型的研究》一文，基于城市面板、工业企业数据库和瞪羚企业数据库等匹配的多维微观数据集，结合R语言地理坐标、爬虫、词频分析和企业生存分析等多项前沿技术构造重要变量，运用双向固定效应、工具变量和中介效应模型从多个角度实证研究了数字金融对碳排放的影响及其传导机制。更基于中国数字金融重点服务于需求端的现实，研究发现其主要通过数字科技的产业化和传统产业的数字化赋能两个渠道影响地区总体碳排放，这很好地统合了有关数字金融的争议。

张鸿琴、苏聪丽二位老师对笪文倩同学分享中的模型解读提出了问题，并给同学们提出了宝贵的建议：在阅读实证分析的文献时，首先需要明确计量模型的变量定义，既有利于对文章整体的框架进行把控，也有助于在自己今后的科研中借鉴学习。

数字化时代的到来意味着数据将在人类生活中扮演重要角色，大规模、高纬度、结构复杂是大数据的三个典型特征。20世纪发展起来的机器学习方法能够从大量复杂数据中提取有效信息，并通过不断学习以实现最优模型的构建。

许庆迪同学《机器学习方法在经济研究中的应用》一文，对近年来机器学习方法在经济研究中的应用进行回顾，从通货膨胀、汇率与货币、GDP、劳动力市场、社会稳定、政策评价等角度进行总结，比较了常用机器学习方法的优缺点，并展示了模型的评价准则。研究表明，在处理非平稳和非线性时间序列时，机器学习模型的表现优于传统统计模型，无监督学习方法也有助于从无序数据中找出集群和规律，为经济指标构建、政策信息分析等提供了新思路。

潘美玲老师针对机器学习的知识进行了简单归纳，并对同学们运用于毕业论文中的可行性提出了建议：机器学习的主题较为热门，但是种类繁多、难度较大，个人应根据自身的学习情况进行斟酌是否需要适用这个方法。

本次学术沙龙在三位老师的引领下，同学们交流分享更为积极踊跃，不仅促进了学术交流，也为科研创新提供了有力支持。第七期学术沙龙圆满落幕！