课程名称：

NonparametricMethod, Big Data and Machine Learning

授课专家：

陈彬（ChenBin）

教授简介：

陈彬（Chen Bin），美国罗切斯特大学（RochesterUniversity）经济系终身职副教授(AssociateProfessor with Tenure)。本科和硕士毕业于厦门大学金融学专业，博士毕业于美国康奈尔大学(Cornell University)计量经济学专业。主要研究领域为理论计量、应用金融计量。陈彬副教授先后在Econometrica、Journalof Econometrics、Econometric Theory等国外顶级期刊发表论文多篇，并担任Journal of Econometrics、EconometricTheory、Quantitative Economics等多个国际著名期刊的匿名审稿人。

学术主页链接：http://www.sas.rochester.edu/eco/people/faculty/chen_bin/index.html

课程简介：

对计量经济学中使用的非参数估计、概率密度估计、半参数估计以及时变参数模型等方法进行讲解，并介绍大数据中的机器学习方法及应用。此外，陈彬副教授还将分享实证研究和学术写作的经验。

课程安排（共8课时）：

7月20日（星期六）

第一讲：Introduction to nonparametricmethod, Density estimation

介绍非参数方法、概率密度估计方法

第二讲：Nonparametric regression, Semiparametricmethod

介绍非参数回归模型、半参数估计方法

7月21日（星期日）

第三讲：Estimation and testing withtime-varying parameter model

介绍时变参数回归模型的估计方法

第四讲：Big data and machine learning

介绍大数据中的机器学习方法及应用

授课地点：

沙河校区 1号楼201

推荐阅读：

Chen, B., & Hong, Y. (2012).Testing for smooth structural changes in time series models via nonparametricregression. Econometrica, 80(3), 1157-1183.

Chen, B., & Song, Z. (2013).Testing whether the underlying continuous-time process follows a diffusion: Aninfinitesimal operator-based approach. Journal of Econometrics, 173(1),83-107.

Chen, B., & Hong, Y. (2014). Aunified approach to validating univariate and multivariate conditionaldistribution models in time series. Journal of Econometrics, 178, 22-44.

Chen, B. (2015). Modeling andtesting smooth structural changes with endogenous regressors. Journal ofEconometrics, 185(1), 196-215.

Chen, B., & Hong, Y. (2016).Detecting for smooth structural changes in GARCH models. Econometric Theory,32(3), 740-791.

注：本课程受到国合处引智项目支持