论文指导

论文指导 #

博士研究生 #

荷兰丁伯根研究所研究型硕士 #

  • 程明（Ming Cheng），
    A Guided Neural Network Approach to Volatility Forecasting（一种用于波动率预测的引导式神经网络方法），2023 年 8 月。

  • Hans Ligtenberg，
    Explaining the unconditional value premium using neural networks（利用神经网络解释无条件价值溢价），2021 年 8 月。
    Python 代码见：GitHub

硕士研究生 #

阿姆斯特丹大学（University of Amsterdam） #

  • Daan van den Heuvel，
    High-Frequency ESG Shocks in High-Dimensional DCC-GARCH: Modeling Firm-Level News in Multivariate Volatility
    （高维 DCC-GARCH 中的高频 ESG 冲击：多元波动率下的公司层面新闻建模），2025 年 7 月。

  • 陈嘉豪（Jiahao Chen），
    A Ridge-Regularized ACM Model for Robust Term Premium Estimation in Short Samples
    （短样本下稳健期限溢价估计的岭正则化 ACM 模型），2025 年 7 月。
    （现任百度实习生）

  • Robin Bildirici，
    A comparative analysis of machine learning models for lease approval prediction with missing data
    （含缺失数据条件下租赁审批预测的机器学习模型比较分析），2025 年 7 月。

  • Vincent Brandsma，
    Volatility Modeling and Risk Management Through Machine Learning
    （基于机器学习的波动率建模与风险管理），2025 年 7 月。

  • Mina Bibi，
    Big Five Personality Traits as Predictors of Career Success: A Machine Learning Approach
    （大五人格特质作为职业成功预测因子：一种机器学习方法），2025 年 7 月。

  • Xinmeng Lu，
    Volatility Forecasting for WTI: What Works Best—Parametric, Non-parametric or Implied Volatility?
    （WTI 原油波动率预测：参数方法、非参数方法还是隐含波动率更优？），2025 年 7 月。

  • Julian Kerssens，
    Innovating market sentiment analysis with natural language processing
    （利用自然语言处理创新市场情绪分析），2024 年 8 月。
    （REmagine Award 获奖者）

  • 权子晓（Zixiao Quan），
    Causal Impact of the Chinese Plastic Import Ban on Global Warming Trends
    （中国塑料进口禁令对全球变暖趋势的因果影响），2024 年 8 月。
    （现为香港大学博士生）

  • Jiangcheng Li，
    Modeling Volatility with Machine Learning for Quantile Forecasting of Natural Gas Consumption: A Comparative Study with Econometric Models
    （基于机器学习的波动率建模用于天然气消费分位数预测：与计量经济模型的比较研究），2024 年 8 月。

  • Thomas van der Zijden，
    Optimizing Cryptocurrency Portfolio Tail Risk: An Extreme Value Theory Approach
    （加密货币投资组合尾部风险优化：极值理论方法），2024 年 8 月。

  • Ruowen Liu，
    A Time-Dynamic Movie Recommendation System for Capturing User Preference Drift
    （捕捉用户偏好漂移的时间动态电影推荐系统），2023 年 8 月。

  • Gijs W.M. de Bruin，
    Synthetically Extending a Dataset to Improve Machine Learning Prediction
    （通过合成扩展数据集提升机器学习预测性能），2023 年 8 月。
    （阿姆斯特丹 AI 论文奖提名）

  • Jiachen Zhong，
    Comparing Machine Learning Methods with Traditional Methods in the Context of Demand Sensing in a European Postal Industry
    （欧洲邮政行业需求感知背景下机器学习方法与传统方法的比较），2023 年 8 月。

  • Viktoria Akpan，
    Decoding Brainwaves for Thought-Controlled Movement Using Deep Learning
    （利用深度学习解码脑电波以实现意念控制运动），2023 年 8 月。

  • Marcin Galas，
    Comparison of national and global data for VaR estimation of real estate prices
    （用于房地产价格 VaR 估计的国家级与全球数据比较），2023 年 8 月。

  • Nguyen Hoang Minh Trang，
    The Impact of Feature Selection on Deep Recommender Systems
    （特征选择对深度推荐系统的影响），2023 年 7 月。

  • Shihan Yu，
    Analysing the Ranking in Search Engine Keyword Bidding with Different Models and Strategies
    （基于不同模型与策略的搜索引擎关键词竞价排名分析），2022 年 8 月。

  • Jop van Hest，
    Detecting Ponzi-Scheme Fraud in Ethereum Smart Contracts
    （以太坊智能合约中的庞氏骗局欺诈检测），2022 年 8 月。

  • Wiebe van der Spek，
    How to Preserve Patient Privacy in Machine Learning Model Training?
    （如何在机器学习模型训练中保护患者隐私？）

  • Romy Ho，
    Scaling Federated Learning in Practice: How Heterogeneous Data Impacts Model Accuracy
    （联邦学习的实践扩展：异质数据如何影响模型精度），2022 年 7 月。

  • Liselotte van Dam，
    The effect of a sales promotion on revenue: An application of the causal forest in grocery retailing
    （促销活动对收入的影响：因果森林在食品零售中的应用），2022 年 1 月。

  • Alex Boosten，
    Should you invest in Bitcoin? A performance analysis of Bitcoin and reinforcement learning using bootstrap
    （是否应投资比特币？基于 Bootstrap 的比特币与强化学习绩效分析），2022 年 1 月。

  • Coen van der Meijs，
    Bitcoin intra-day return prediction and trading using LSTM
    （基于 LSTM 的比特币日内收益预测与交易），2021 年 8 月。

  • Jan Willem Nijenhuis，
    Application of generalizability theory to construct a reliability framework for machine learning
    （广义化理论在机器学习可靠性框架构建中的应用），2021 年 8 月。
    Python 代码见：GitHub

  • Eefje Roelfsema，
    How does industry-leading sentiment affect the probability of default of SMEs?
    （行业领先者情绪如何影响中小企业违约概率？），2021 年 8 月。

  • Wisse Bemelman，
    Evaluating the use of artificial neural networks for financial asset price forecasting
    （人工神经网络在金融资产价格预测中的应用评估），2021 年 7 月。

  • Dylan Houtman，
    The identification of personal data in semi-structured text
    （半结构化文本中的个人数据识别），2020 年 8 月。

  • Sophie Abrahamse，
    Bridging the gap between interpretability and predictability in customer churn modelling
    （客户流失建模中可解释性与预测性之间的平衡），2020 年 8 月。

  • Alessandro Peron，
    A deep learning approach for non-parametric instrumental estimation: an empirical study
    （非参数工具变量估计的深度学习方法：一项实证研究），2020 年 8 月。

  • Melle Gelok，
    Detecting fake job advertisements
    （虚假招聘广告检测），2020 年 8 月。

  • Stijn Mouris，
    Detecting social security fraud with an explanatory algorithm
    （利用可解释算法检测社会保障欺诈），2019 年 12 月。

  • Maarten de Haas，
    Predicting the direction of stock prices
    （股票价格方向预测），2019 年 12 月。

莫纳什大学（Monash University） #

  • Yuanjun Lu，
    Economic Forecasting with Big Data: A Simulation Study
    （基于大数据的经济预测：仿真研究），2019 年 6 月。

  • Balaji Dasari，
    Stock Predictability using Sparse Learning Approach
    （基于稀疏学习方法的股票可预测性研究），2019 年 6 月。

  • Thadeu Freitas Filho，
    Measuring Systemic Risk: Least-Squares versus Quantile Regression
    （系统性风险测度：最小二乘法与分位数回归的比较），2018 年 10 月。

  • Sombut Jaidee，
    Optimal Investment using High Dimensional Statistics: Theory and Simulation
    （基于高维统计的最优投资：理论与仿真），2017 年 10 月。
    （最佳论文奖）

  • Aishwarya Pillai，
    Optimal Investment using High Dimensional Statistics: An Empirical Study
    （基于高维统计的最优投资：实证研究），2017 年 10 月。

  • Yue Wang，
    Measuring Systemic Risk with Extreme Value Theory
    （基于极值理论的系统性风险测度），2017 年 6 月。