2022年3月18日，上午10：00-11：30，由上海市数据科技与决策前沿科学研究基地，商务分析研究中心，上海财经大学商学院主办的“量化方法与数据分析讲座系列”（Quantitative Methods and Data Analytics Seminar Series，QMDA）第4期在线上如期举行。中科院数学与系统科学研究院/中科院预测研究中心张新雨教授受邀做了主题为“Prediction using many samples with models possibly containing partially shared parameters”的的精彩学术讲座。本次讲座由上海财经大学商学院王文斌教授和谢天副教授主持。

在报告的文章中，张教授等人提出了一种新颖的基于多个模型的预测思路。作者们将参与预测的模型分为主模型和辅助模型。当主模型与其他几个辅助模型共享部分参数时，辅助模型提供的额外信息，会提高主模型的预测精度。

具体而言，张教授等人提出了一个名为MAP (Model Averaging Prediction)的算法。该程序可以在使用与主模型相关的数据的同时，引入与辅助模型相关的数据进行预测计算。该算法具有很高的灵活性，可以允许与不同模型相关的数据遵循不同的结构，前提是数据之间具有一些共同的协变量效应。 研究结果显示，当主模型误设时，MAP 会在预测方面产生最佳权重。 此外，如果主模型设定正确， MAP将渐近地自动排除所有不正确的辅助模型。

在蒙特卡洛模拟实验中，MAP在多种设定下都有卓越的预测表现。在实证研究中，张教授等人使用MAP方法来分析与信用卡违约概率相关的数据集，并得出了稳健且精确的预测结果。

报告的过程中以及报告最后，参与讲座的同学老师都与张教授进行了热烈的互动与讨论。谢天老师认为MAP的思路与金融市场中的溢出效应模型有异曲同工之妙，可以将辅助模型理解为受到主模型溢出效应影响，进而可以通过量化溢出效应来提升预测精度。浙江大学的曾涛教授与张新雨教授围绕着不同参数收敛速度的假设表达各自的看法。王文斌教授结合大型品牌不同门店之间的合作与竞争的关系，展望了MAP方法的未来可能应用场景。最后，讲座在大家的热烈研讨中圆满结束。