6月12日上午，“与主编面对面”系列讲座邀请到了美国德克萨斯大学达拉斯分校信息系统和金融学双聘教授、《MIS Quarterly》高级编辑（senior editor）郑志强围绕关于减少跟单交易非理性的机器学习方法的研究展开了深入探讨。讲座由数据科学与管理工程系黄鹂强教授主持。
郑志强教授首先为我们介绍了研究背景和理论基础。跟单交易使外行投资者能够评估和复制专家交易者的交易。然而，追随者往往很难确定要追随哪些交易者，从而做出非理性的选择。该研究开发了一种新的机器学习方法来解决投资者在跟单交易中的非理性问题。
接下来，郑志强教授介绍了该研究采用的研究方法。郑教授识别了跟单交易中跟随者面临的两个主要非理性行为来源：由认知负荷和显著信息引起的羊群行为，以及因过分强调与交易表现无关的身份信息而导致的身份偏见。郑教授收集了ZuluTrade平台的外汇市场跟单交易数据，开发了一种名为RXGBoost Contraction的机器学习方法，该方法结合了XGBoost算法和人类决策，通过在XGBoost的目标函数中引入正则化项来惩罚可能由非理性行为导致的选择。
随后，郑志强教授通过比较RXGBoost Contraction方法与原始跟随者决策、XGBoost Contraction方法以及随机选择交易者的性能，评估了其在减少损失率和提高交易成功率方面的效果。开发的RXGBoost Contraction方法在减少跟随者非理性决策方面表现出色，显著提高了交易的成功率。该研究通过将机器学习应用于克服人类决策中的非理性，不仅在方法论上丰富了机器学习文献，并通过识别交易非理性的来源并开发出减轻这种非理性的算法，为行为金融学文献做出了贡献，同时提供了对投资者选择交易者的实用指导，并强调了使用机器学习等分析工具帮助投资者避免决策陷阱的重要性。
这次讲座不仅拓展了与会者关于机器学习方法在金融领域应用的认知，同时也结合前沿研究为博士生们如何在高水平期刊发表文章提供了指导。在互动问答环节，师生们积极提问并表达了自己的观点和看法，郑志强教授耐心地解答了老师和同学们的问题，令大家受益匪浅。本次讲座在大家热烈的掌声中圆满结束。
文/戴方泽 图/王敏
