2024年9月25日，庆祝建校75周年系列学术讲座第58期暨保险学院双周学术论坛在沙河校区学院楼13号215举行。麦考瑞大学商学院Lei Shi博士，为师生们带来了题为“Enhancing return forecasting using LSTM with agent-based synthetic data”的学术讲座。讲座由保险学院副院长郑苏晋教授主持，吸引了众多师生的关注和参与。

针对在金融预测领域，传统的深度学习模型常因历史数据的局限性而难以适应市场新变化的挑战，Lei Shi博士提出了一种创新的迁移学习框架。他首先使用历史数据对长短期记忆网络（LSTM）进行预训练，随后通过代理人模型（ABM）生成合成数据，并采用微调方法进一步训练LSTM来校准模型。Lei Shi博士通过调整代理人的行为模式，创造出历史数据未能覆盖的新场景，从而显著提升了模型对市场新情况的适应能力和预测的准确性。

Lei Shi博士在报告中不仅展示了如何利用合成数据增强LSTM模型的预测能力，还强调了在金融预测模型中使用多样化合成场景进行微调的重要性。这对于模型快速适应与历史数据不同的市场动态具有重要意义。此外，他还就如何改进金融市场中的深度学习应用提出了自己的见解。

在互动环节中，Lei Shi博士与在场师生进行了深入的讨论，耐心地回答了与会者的问题，并就基于代理人模型产生合成数据的LSTM方法在适应性、局限性以及未来研究方向等方面进行了广泛而深入的交流。

这场学术报告不仅加深了参会师生对金融预测模型和市场行为的理解，也为与会师生提供了丰富的学术见解和实用的建议。

撰稿：郑敏  审稿：王立勇