向上滑动阅览
第178次北大赛瑟（CCISSR）双周讨论会
责任险的不确定性：长尾风险与动态挑战
主讲人：
黄愔愔（慕尼黑再保险公司北京分公司原责任险核保负责人及创新保险产品开发主管）
主持人：
贾若（北京大学经济学院长聘副教授）
时间：
2025年3月24日（周一）
10：00-11：30
地点：
北京大学经济学院302会议室
主讲人简介：
黄愔愔，北美精算师（FCAS），拥有横跨北美、中国及欧洲保险与再保险领域的近二十年从业经验。曾任慕尼黑再保险公司北京分公司责任险核保负责人及创新保险产品开发主管，主导责任险核保策略制定、定价模型优化及创新产品开发。在瑞士工作期间，她深度参与责任险风险驱动模型（LRD）的研发与商业化应用，推动该模型在提升责任险定价精度与核保技术中的系统性落地。
她持有纽约大学统计学硕士学位及北京大学化学与经济学双学士学位，跨学科背景使其在风险量化建模与保险产品创新中展现出独特优势，擅长将数据科学与行业实践深度融合。
摘要：
责任险的独特之处在于其风险兑现的“长尾效应”——从保单生效到最终损失显现可能横跨数十年。在此期间，持续演进的法律框架、颠覆性技术变革与社会价值体系的重构，不断冲击着传统责任边界的确定性。这种不确定性既潜伏于工业时代遗留问题的延迟爆发（如数十年后追溯的产品缺陷索赔），更凸显于数字时代新兴变量对责任逻辑的重构（如自动驾驶伦理困境、数据主权争议等难以预判的“黑天鹅”因子）。
本次分享将贯穿“认知-解析-应对”的逻辑脉络：从长尾风险的时间延展特性切入，剖析多重动态因子对保险赔付成本的传导机制；进而以行业典型责任险产品为实践载体，探讨如何识别风险动因的演化规律，构建适应不确定性的管理思维。通过理论推演与案例沉浸，分析穿透保险条款的表层逻辑，洞察长尾风险中“变与不变”的博弈本质。
主办单位：
北京大学中国保险与社会保障研究中心
北京大学经济学院风险管理与保险学系
向上滑动阅览
北大经济史学名家系列讲座
第223讲
何以西北？区域环境视域下的西北经济史三个问题
主讲人：
张萍（首都师范大学历史学院教授）
主持人：
谢文瀚（北京大学经济学院经济史学系博士生）
评论人：
赵一泠（北京大学经济学院经济史学系助理教授）
周建波（北京大学经济学院经济史学系主任、教授）
时间：
2025年3月25日（周二）
10：00-12：00
地点：
北京大学经济学院301会议室
主讲人简介：
张萍，首都师范大学历史学院教授，历史地理研究中心主任，北京市特聘教授，国家“万人计划”哲学社会科学领军人才、享受国务院政府特殊津贴。兼任中国历史研究院学术委员会委员、中国地理学会历史地理专业委员会副主任、中国古都学会常务理事。主要研究领域：历史经济地理学、西北区域历史地理、GIS与数字人文。出版学术著作《地域环境与市场空间》、《区域历史商业地理的理论与实践》，主编《中国近代经济地理·西北近代经济地理》、《西北城市古旧地图集粹》等。先后在《中国社会科学》《历史研究》等期刊发表学术论文80余篇。主持完成国家社科基金重大项目“丝绸之路历史地理信息系统建设”。开发了“丝绸之路历史地理信息开放平台”。
主办单位：
北京大学经济学院经济史学系
北京大学社会经济史研究所
北京大学外国经济学说研究中心
向上滑动阅览
北京大学金融工程实验室
“金工首席谈量化”专题讲座
第33讲：以基本面量化追寻投资价值
主讲人：
刘凯（招商证券金融工程首席分析师）
主持人：
黎新平（北大经院）
时间：
2025年3月25日（周二）
19:00-21:30
地点：
北京大学经济学院107会议室
主讲人简介：
刘凯，中国人民大学硕士。9年量化策略研究经验，擅长研究方向为量化选股、FOF和CTA。先后任职于深圳道朴资本管理有限公司以及北京和聚投资管理有限公司，曾任量化策略经理。券商研究所工作先后任职于国信证券以及国投证券，曾任量化首席分析师。作为团队核心成员之一，曾获2021、2022、2023年新财富金融工程方向第5名、第1名、第2名。现为招商证券研究发展中心金融工程组量化首席分析师。
摘要：
当前市场环境对基本面量化有何影响？量化是主要基于数据挖掘还是应遵循一定基本面逻辑？如何把量化投资更好的与基本面分析框架相结合？本次讲座将从估值指标使用框架和财务风险两个角度，结合招商证券多年的投研经验以及当前的市场环境，探讨以基本面量化追寻投资的价值。
向上滑动阅览
北大经院工作坊第1056场
大学录取与大学前人力资本投资：来自中国的证据
经院-全健院
“健康与劳动经济学”工作坊
主讲人:
钟笑寒（清华大学经济管理学院经济系教授）
主持人:
（北大全健院）崔知涵
参与老师：
（北大经院）秦雪征、施新政、石菊、姚奕、袁野、王耀璟、梁远宁、庄晨
（北大全健院）刘国恩、黄成、孙宇、杨佳楠、潘聿航、林淑君、林昊翔、蒋少翔
时间：
2025年3月26日（周三）
10:00-11：30
地点:
北京大学全球健康与发展研究院科技园403会议室
主讲人简介:
钟笑寒，清华大学经济管理学院经济系教授，讲授经济学原理、博弈论等课程，国家级教学奖获得者、精品课主讲教师，清华大学中国经济研究中心主任。研究领域为微观经济理论、劳动经济学、教育经济学、应用微观经济学。论文发表在《计量经济学杂志（Journal of Econometrics）》、《博弈与经济行为（Games and Economic Behavior）》、《实验经济学（Experimental Economics）》、《中国社会科学》、《经济学（季刊）》、《世界经济》、《经济学报》、《数量经济技术经济研究》、《统计研究》、《中国工业经济》等国内外学术期刊。学术著作包括《中国农民故事》、《文物保护与旅游业发展》。
摘要:
We construct a model of pre-college human capital investment of students with heterogeneous abilities facing college admissions competition based on exam scores. Student incentive for study can be broken down into productive channel and competitive channel, and the latter is the source of overinvestment and efficiency loss. Using data from Chinese college admissions, we estimate the current system generates an efficient loss equal to 4-5 percent of post-college wage level, with competitive channel dominating productive channel at the margin. Resource-neutral policies through reducing quality gap or expanding high-quality college quota can moderately reduce deadweight loss.
向上滑动阅览
北大经院工作坊第1057场
Ricardian Comparative Advantage Redux: One Formula for Many Models
国际经济学与实证产业组织工作坊
主讲人：
黄汉伟（香港城市大学助理教授）
主持人：
（北大经院）莫家伟
参与老师：
（北大经院）杨汝岱、田巍、刘政文、吴群锋
（北大新结构）王歆、徐铭梽
（北大国发院）薛思帆
时间：
2025年3月26日（周三）
10：00-11：30
地点：
北京大学经济学院302会议室
主讲人简介：
Hanwei Huang is an Assistant Professor at the City University of Hong Kong, a Research Associate at the Centre for Economic Performance, London School of Economics, and a visiting scholar at Tsinghua University. He got his Ph.D. in Economics from the London School of Economics in 2018 and worked as a postdoctoral research associate at the University College London from 2018-2019. His main research interests include international trade, industrial organization, and economic development. He has published well-cited papers and policy reports on Brexit, which received coverage from leading media, including Bloomberg, the Economist, Financial Times, and Reuters. His current research focuses on how firms and workers deal with supply chain disruptions and buyer-seller networks. Dr. Huang’s research is supported by funding from the CityU and the Hong Kong Research Grant Council. He serves as the associate editor of Economica and co-organized the Hong Kong Online Trade Workshop. He teaches international trade and international finance regularly.
摘要：
This paper develops a sufficient statistics framework for identifying Ricardian comparative advantage. Our approach is widely applicable to models of monopolistic competition, as long as three macro restrictions are met: (i) aggregate profit is a constant share of aggregate sales; (ii) trade flows satisfy the structural gravity equation; and (iii) free entry of firms. We apply the method for a large set of countries and sectors and find that technology has played a minor but increasingly significant role in shaping trade patterns from 1995 -- 2011.
向上滑动阅览
北大经院工作坊第1058场
Deep Reinforcement Learning in a Monetary Model (深度强化学习在货币模型中的应用)
计量、金融和大数据分析工作坊
主讲人：
Mingli Chen（University of Warwick, UK）
主持人：
（北大经院）王法
参与老师：
（北大经院）王一鸣、王熙、刘蕴霆
时间：
2025年3月26日（周三）
10:00-11:30
地点：
北京大学经济学院107会议室
主讲人简介：
Mingli Chen is an Associate Professor in the Department of Economics at the University of Warwick, a Research Associate in CeMMAP, and a Turing Fellow at the Alan Turing Institute. Her research interests include Econometrics, Machine Learning, and AI in Economics. Her papers have been published in leading journals such as the Journal of Econometrics, the Journal of the Royal Statistical Society: Series B, and the Annals of Statistics. Starting in January 2024, she serves as an Associate Editor of the Journal of Econometrics.
摘要：
We propose using deep reinforcement learning to solve dynamic stochastic general equilibrium models. Agents are represented by deep artificial neural networks and learn to solve their dynamic optimisation problem by interacting with the model environment, of which they have no a priori knowledge. Deep reinforcement learning offers a flexible yet principled way to model bounded rationality within this general class of models. We apply our proposed approach to a classical model from the adaptive learning literature in macroeconomics which looks at the interaction of monetary and fiscal policy. We find that, contrary to adaptive learning, the artificially intelligent household can solve the model in all policy regimes.
供稿：科研与博士后办公室
责编：度量、雨禾、雨田