报告题目：Forecasting crude oil market volatility: Machine learning to variable selection and common factor
报告时间：2023年6月16日上午10：30
报告地点：X30425
报告人：张耀杰
摘要：论文提出了一种基于变量选择和数据降维的预测模型。在大数据环境下，该方法可以显著提高对原油市场波动率的样本内及样本外预测能力，并同时具有统计意义（预测精度）和经济意义（投资组合）上的显著性。论文进一步提供了丰富的变量选择证据。在众多预测变量中，我们的监督学习模型总是倾向于选择股票市场的相关变量，并呈现出逐年递增的趋势；这与原油商品的金融化过程是吻合一致的。此外，期权的隐含波动率在所有监督学习模型以及所有预测周期上都表现出最强的竞争力；这与股票和原油市场之间极强的波动风险溢出效应是吻合一致的。
报告人简介：张耀杰，南京理工大学经济管理学院副教授、硕士生导师、院长助理、系副主任。本科毕业于BG电子，博士毕业于西南交通大学经济管理学院，研究领域为资产定价、金融工程、气候金融、大数据与机器学习等。目前共发表学术论文90余篇，其中累计6篇入选ESI高被引/热点论文，谷歌学术引用达2000余次。以一作/通讯发表50余篇论文，其国内外期刊包括《Journal of Empirical Finance》、《International Journal of Forecasting》、《Journal of International Financial Markets, Institutions and Money》、《Quantitative Finance》、《Journal of Futures Markets》、和《系统工程理论与实践》、《管理评论》等。主持国家自然科学基金青年项目1项，主持教育部产学合作协同育人项目1项。担任《Bulletin of Economic Research》（SSCI, ABS2）副主编；《China Finance Review International》青年编委；中国能源金融联盟副秘书长；中国“双法”研究会气候金融分会理事。获得2022年度爱思唯尔“中国高被引学者”，江苏省哲学社会科学优秀成果奖三等奖，南京理工大学首批“党员示范岗”、“科技成果奖”二等奖和“科研新锐奖”等荣誉称号。
主办：研究生院
承办：BG电子
