2026年8月10日晚7点半，第十二届NSD-Baruch MFE暑期夏令营项目正式启动。开营仪式上，纽约市立大学Baruch学院 MFE 项目主任 Dan Stefanica教授 首先代表项目方致欢迎词。他回顾了 Baruch 与北京大学国家发展研究院长期以来的合作，并特别感谢了为暑期项目以及双方合作作出贡献的老师和工作人员。随后，他邀请北京大学国家发展研究院本科教学主任黄炜教授 致辞。

 

 

黄炜教授 代表北京大学国家发展研究院欢迎参加本届暑期项目的同学们。他表示，多年来这一项目已经成为国发院本科教育的重要组成部分，为来自不同院系和学术背景的优秀学生提供了交流与学习的平台。同学们将在项目中接触金融工程、机器学习及其在金融领域的应用，并有机会与金融行业专业人士、教师以及其他同学深入交流。他同时指出，在金融市场和新技术快速发展的背景下，优秀的金融人才不仅需要扎实的技术能力，也需要保持求知欲、良好的判断力以及理解现实问题的能力，并鼓励同学们充分利用此次机会，积极提问、开放交流。

 

紧接着，Dan Stefanica教授 进一步介绍了本届项目的课程安排与职业发展相关内容。他提到，项目期间还将安排在读学生交流及招生信息分享，围绕国际学生当前面临的政策环境、申请和职业发展等问题进行讨论。对于同学们普遍关心的就业前景，他表示，金融行业对于优秀量化人才的需求依然十分强劲，量化岗位也具有良好的职业发展和薪酬前景。即使外部政策和监管环境不断变化，真正具备扎实能力和专业素养的学生仍然会拥有广阔的职业机会。

接下来，出席开营仪式的Baruch MFE项目的Warren B.Gordon教授向参加项目的同学们表示了热烈的欢迎。Giulio Trigila教授介绍了本次机器学习课程设置的安排及相关学习资料。

 

 

 

随后,课程邀请到拥有近二十年量化投资经验的业界嘉宾Zicong Wang 先生进行分享。Zicong Wang 先生曾在大型资产管理机构与知名对冲基金长期担任投资经理,专注于中频股票策略与量化基本面相结合的研究方向,即将加入 Millennium 组建新团队。

 

Zicong Wang 先生结合多年招聘与带教研究员的经验指出,量化研究员之间的技术差距远小于想象,真正决定职业发展的是软技能:懂得如何做研究、始终保持怀疑并对自己诚实、注重细节,以及用平实语言解释模型的沟通能力。他还分析了过拟合、p-hacking 与策略拥挤等行业挑战,并指出随着老一代策略逐渐失效,资深研究员与新人之间的差距正在缩小,这为年轻人提供了难得的机遇。

在问答环节,Zicong Wang 先生就人工智能对行业的影响与同学们进行了深入交流。他认为 AI 已能胜任编程、文献综述等大量执行性工作,但研究的"最后一英里"——理解、判断与提出好的假设——仍须由人来完成。他鼓励同学们充分拥抱 AI、学会与其高效协作,同时通过独立承担研究责任来磨炼自己的判断力。

 

 

 

Giulio Trigila教授 随后介绍了机器学习相关课程的学习思路，并以线性回归为例系统讲授了统计学习的基本框架。他指出，尽管生成式人工智能近年来发展迅速，并越来越多地进入金融应用场景，但经典的统计学习与机器学习方法依然是理解现代人工智能的重要基础，也仍然被广泛应用于金融行业。课程因此不仅会涉及生成式人工智能等前沿内容，也会系统回顾线性回归等经典方法，并特别强调模型的可解释性（interpretability）。在具体讲授中，他从估计量的统计性质讲起，围绕模型复杂度的选择阐明了欠拟合与过拟合之间的权衡，并介绍了正则化与交叉验证等应对方法，同时结合量化金融的行业实践强调了统计思维的重要性。他还向同学们推荐了 The Elements of Statistical Learning 和 Pattern Recognition and Machine Learning 等经典教材，希望大家在关注最新技术的同时，也能打好统计学习和机器学习的理论基础。