Speaker: Prof. 范剑青 (Jianqing Fan)

Title: Structural Deep Learning in Conditional Asset Pricing

Schedule: Mar 11, Tu 10:00-11:30 AM

Location: 博远楼1号报告厅

Introduction: 范剑青教授是美国普林斯顿大学终身教授，Frederick L. Moore'18 冠名金融讲座教授，运筹与金融工程系教授和前任系主任，国际数理统计学会前主席，“中央研究院”院士,比利时皇家科学院外籍院士, 复旦大学大数据学院、大数据研究院创院院长，复旦大学金融研究院院长。他荣获 2000 年度的 COPSS总统奖， 2007 年荣获“晨兴华人数学家大会应用数学金奖”， 2012年当选“中央研究院”院士， 2013 年获泛华统计学会的“许宝禄奖”， 2014年荣获英国皇家统计学会的“Guy 奖”的银质奖章，2018年美国统计学会的Noether杰出学者奖， 2021年国际数理统计学Le Cam奖，2023年当选比利时皇家科学院外籍院士, 2024科学前沿奖，和2025年际数理统计最高奖Wald 奖。此外，他还是美国科学促进会(AAAS)、美国统计学会 (ASA)、国际数理统计学会 (IMS)，计量金融学会（SOFIE）的 会士，以及国际顶尖统计期刊 《Journal of American Statistical Association 美国统计学会杂志》的主编和《Annals of Statistics 统计年鉴》，《Probability Theory and Related Fields概率及其相关领域统》, 及《Journal of Econometrics 计量经济杂志》, 《Journal of Business and Economics 商务与经济统计杂志》等的前主编等。他的主要研究领域包括高维统计，人工智能，机器学习、计量金融、生物信息等, 并在这些领域著有4本专著, 三百多篇文章，引领这些领域的研究，是高被用的学者。

Abstract: We propose a period-by-period machine learning (ML) framework to estimate time-varying risk premia and asset pricing functions in factor pricing models. We develop a rigorous asymptotic theory to interpret the output of the ML procedures used in asset pricing. Our approach enables an economic interpretation by decomposing return predictions into risk-related components and mispricing while allowing for flexible, nonlinear, and time-varying models. One of our empirical findings reveals a time-varying correlation between the equity risk premium and macroeconomic variables, particularly real consumption growth. This dynamic relationship sheds light on the long-standing equity premium puzzle. These results show that our method enhances predictive performance and provides critical insights into the dynamic relationship between firm characteristics, risk exposures, and asset returns. (Joint with Tracy Ke, Yuan Liao, and Andreas Neuhierl)