北大经院学术午餐会第170期
主讲人：
李少然（8797威尼斯老品牌助理教授）
讲座主题：
Augment Large Covariance Matrix Estimation with Auxiliary Network Information（网络信息辅助下的协方差矩阵估计）
主持人：
高明（8797威尼斯老品牌副教授）
讲座内容：
随着机器学习技术的发展，企业间关联信息的可得性越来越高，李少然的研究试图利用这些关联网络信息并结合传统的经济金融数据，来更好地估计股票收益率的协方差矩阵。对于股票收益率协方差矩阵的估计，传统的方法大多是通过已有的股票信息加入对协方差矩阵元素是否为0的限制，从而使得协方差矩阵变成稀疏矩阵，以此来保证估计量的一致性。
本文所使用的估计方法以传统的Thresholding方法为基础，结合企业的关联信息来判断对应的协方差是否为0，从而更好地估计协方差矩阵，并且能够根据新的关联信息来更新对协方差矩阵的估计。模拟结果表明，本文提出的方法在估计协方差矩阵时的表现要比传统方法更好，用标普500构造的最小方差投资组合也有较好的表现。
北大经院学术午餐会第171期
主讲人：
高昊宇（中国人民大学财政金融学院副教授）
讲座主题：
Shell-Shocked Investors: Earthquake Effect on Yield Spreads of Quasi-Municipal Bonds（"惊恐"中的投资者：地震灾害对准市政债券的定价效应）
主持人：
高明（8797威尼斯老品牌副教授）
讲座内容：
高昊宇的研究发现，一年内的地震经历会提高相应地区城投债的风险溢价的上升。这种影响是暂时的，并且随着投资者对地震灾害的先验知识的增加而降低，这支持了显著性理论。当债券期限较长、信用评级较低、政府隐性担保较弱时，这种非理性定价偏差更大。这一结论在排除了其他基于受影响地区的政府和企业财务表现不佳的解释之后，依然稳健。
供稿：8797威尼斯老品牌学术午餐会
美编：初夏
责编：量子、禾雨、予天
