有方学者 高中生科研 经济金融方向

关于学者项目

有方学者科研项目致力于为有志于申请美国前50名大学的中学生提供高质量的科研机会。

学者项目是有方科研教学体系的一个重要环节，主要帮助学生在其感兴趣的领域中，获得原创性研究成果，发表论文或参加科研科创竞赛。（关于有方科研教学体系的具体介绍请见文末）

 

教学成果

成果一：课题研究定制化

1、根据自身兴趣选择具体课题
2、根据自身情况和导师协商定制课程时间表
3、可获得导师一对一研究指导

 

成果二：高效备战具有高影响力、高含金量的科研竞赛

学生可以直接使用有方学者项目的论文成果冲击多项全球顶级的科研赛事，其中包括：被誉为“中国青年的诺贝尔奖”的东润丘成桐科学奖、谷歌科学奖和达特茅斯大学举办的ISEC论文比赛。

 

成果三：在英文期刊中发表学术论文

有方学者项目保证为学员在正规的英文学术期刊中发表论文。有方学者最优秀的学生，不但可以冲击EI、SCI等高级别期刊，甚至有机会参与全球顶级的学术会议。

 

成果四：第一作者身份

有方学者项目坚持帮助学生以第一作者身份发表论文。在申请过程中，第一作者顺位恰恰是学生在科研项目中参与程度的最佳证明。

 

成果五：美国顶尖院校导师的推荐信

有方学者项目将为学生提供项目科研导师撰写的推荐信。这些导师都来自于美国顶尖学府的科研团队，他们作为推荐人，极大地保证了推荐信的可信度。

适合学生

1. 有志于申请前50名美国大学的9-12年级学生
2. 有一定的英语阅读和写作能力
3. 有较强的逻辑思维和抽象思维能力
4. 对于经济、金融、商科感兴趣
5. 对于学生在专业领域的基础没有要求，我们会提供学术知识培训帮助学生入门相关专业

 

教学安排及费用

每位学生55000-75000元，包括：

1. 预备课程
2. 核心科研
3. 学术写作指导
4、保证英文期刊第一作者发表
5、全程督导跟进

（1）时间跨度：3 - 6个月
（2）每周投入：4 - 6小时

 

众所周知，经济金融相关专业是留学中最火热专业之一，也是大家眼中最有“钱”途的专业。有方根据不同的学科和研究方向，准备了经济金融方向的不同课题，以下我们选取了其中三个课题作为示例，可供参考：

学者项目 | 课题示例一

机器学习算法探究宏观经济与不动产估值关系

哥伦比亚大学科研课题

 

课题概览

 房价是当前中国经济领域的热点问题，不仅牵动着广大中国人民的神经，也受到了学术界的密切关注。
近年来，国家统计局等机构全面地统计了大量的宏观经济数据，如：GDP（国内生产总值）、CPI（居民消费价格指数）、PPI（生产价格指数）。本课题试图从这些数据出发，利用机器学习的方法，寻找房价与各个宏观经济指数之间的关系，并构建数学模型，从而对未来房价的走势进行预测。

 

相关学科

1、经济学；
2、计算机、人工智能、机器学习；
3、应用数学、统计学、数据科学；

 

研究方向：宏观经济学

宏观经济学（Macroeconomics）是经济学的一个分支，主要使用一些总体性的统计概念和指数对经济运行的规律进行分析，解释国民收入、失业、通货膨胀等现象。随着经济数据体量的加大和可靠性的增强，机器学习也开始被广泛地应用于经济现象的学习和预测当中。

 

授课内容

预备课程：
1、Python语言入门
2、概率统计基础知识
3、线性代数基础知识（行列式、矩阵运算）
4、多元函数、微分、函数极值
科研辅导：
1、学习几种重要的机器学习算法
2、了解几种重要的宏观经济指数的概念
3、并掌握搜索相关信息的方法
4、运用机器学习算法
5、寻找中国房价和宏观经济指数之间的关系
6、学习使用R语言编写程序，处理相关数据
论文写作与发表：
1、学术论文的写作和排版
2、科研论文的答辩
3、期刊发表事宜（有方全面负责）
4、论文在英文学术期刊上正式发表

授课导师

Jay Zhu
1、哥伦比亚大学工程力学博士；
2、北京大学理论与应用力学、经济学双学位学士；
3、曾在高盛集团旗下的GS Bank工作，负责基于宏观经济数据的银行账户模型的开发；
4、曾任哥伦比亚大学助教，哥伦比亚大学、香港中文大学助理研究员，开发并完善过多种模型。

 

学者项目 | 课题示例二

中国老年人福利的计量经济分析

麻省理工科研课题

 

课题概览

 随着经济社会的发展和人均寿命的提高，中国的人口老龄化问题也日益凸显。如何使老人老有所养、老有所依、在晚年享受有质量的生活越来越成为中国千万家庭和政府所共同关心的重要问题。要解答这一问题，不仅需要深入了解中国老年人当前的福利状况，更需要通过扎实的经济分析识别出影响老年人福利状况的潜在因素，进而为政府和家庭决策提供依据和支持。

本课题将使用中国健康与养老追踪调查（CHARLS）数据（http://charls.pku.edu.cn/en），通过梳理文献，利用统计编程语言STATA构造变量、开展描述性统计分析，绘制图表对数据进行可视化，提出假设并利用各类回归分析手段进行假设检验，从而分析总结影响中国老年人福利的因素，进而为政策制定和家户决策提供指导。
本课题是典型的计量经济学实证研究，使用了有关中国老年人口信息最为丰富的数据库，因此也是使用大数据进行经济福利分析的一个典型应用。通过本课题的学习和训练，学员不仅能够熟练应用当前最主流的计量经济编程语言 – STATA – 进行计量经济分析，更能够收获利用真实世界数据进行经济学实证研究的第一手经验，从而建立对经济学研究完整而深入的理解。

【关键词】中国老年人、福利分析、计量经济学、STATA

 

相关学科

1、福利经济学、健康经济学、劳动经济学、计量经济学、大数据分析；
2、计算机、人工智能、机器学习；
3、应用数学、统计学、数据科学；

 

研究方向：福利经济学

福利经济学（Welfare Economics）是研究社会经济福利的一种经济学理论体系。在个体层面，福利经济学的研究对象通常是个体的福祉（Well-being）。其作为主流的经济学分支，与其他经济学分支比如健康经济学和劳动经济学有着密切联系，比如研究健康情况或工作关系对个体well-being的影响。计量经济学是经济分析中最为重要的研究手段，其以经济生活中各类事物为研究对象，以经济理论为基础，通过建立统计模型分析总结数据的规律。当前最主流的研究范式是从大数据中发现有趣的现象并利用计量经济学的手段加以分析和解释，最大限度的从数据中发掘信息（Let data speak）。

 

授课内容

预备课程：
1、数学建模、线性代数和概率统计入门
2、学习R编程语言，机器学习相关库的了解应用
3、对机器学习初步介绍理解
科研辅导：
1、概率统计、线性代数（向量和矩阵）、计量经济学（随机变量、回归分析、假设检验等）基础知识
2、STATA编程基础（构造变量、绘制图和表、描述性统计、回归分析、假设检验等）
3、了解CHARLS数据库，对不同数据库进行合并、拆分，改变数据库形状（长型数据和宽型数据）
4、应用计量经济学知识分析CHARLS数据，开展统计分析；先使用一些描述性统计的办法对变量进行描述，观察变量的分布，均值、方差等特性；进一步可以做一些PCA分析；接下来做回归分析，根据变量特点选择OLS、Logit、Probit、Tobit模型；然后分析统计结果的稳健性，比如F-test、BIC、LASSO等
5、解读统计分析结果，汇总结论撰写论文
论文写作与发表：
1、学术论文写作和排版
2、科研论文答辩
3、期刊发表事宜（有方全面负责）

授课导师

T.Feng
1、MIT环境科学博士在读；
2、本科获得北京大学环境科学与工程、经济学双学位；
3、两次在American Geophysical Union Fall Meeting发表学术演讲；
4、获得荣誉：The Callahan Dee Fellowship(MIT, 2016), The Warren G. Klein Fellowship(MIT, 2015)；
5、研究方向：空气污染对急性健康影响的经济评估。

 

学者项目 | 课题示例三

基于时间递归神经网络的股票市场预测

杜克大学科研课题

 

课题概览

 股票交易市场为企业运作创造了有利的筹资环境，投资者可以根据自己投资计划和市场变更情况买卖股票。深刻了解股票变更并作出合理预测对于增强投资者和发行方资本的流动性和安全性都有着关键的作用。除此之外，股票价格还能灵敏反映出行业前景和政治形势的变化。学习和分析股票价格变化趋势在当今社会显得尤为重要。然而，通常情况下对股票做出合理预测需要一定的金融知识积累和对市场信息的深刻了解，这种传统办法不仅昂贵，并且需要耗费大量的人力。

本课题旨在运用机器学习对部分美股上市公司近年来股票变化趋势进行分析。使用深度学习和在自然语言处理领域广泛应用的时间递归神经网络的算法建立模型，建立一个高效且可靠的股票预测系统。可以预测该课题在金融经济领域将有着广泛的应用场景。
本课题是融合了计算机科学和金融学两大领域，借用自然语言处理的成熟算法，采用机器学习和深度神经网络对海量数据进行分析。研究者将获得使用Python处理时序信号、分析数据、训练深度神经网络的技能。同时还能积累机器学习处理实际问题的经验。

【关键词】机器学习，深度学习，神经网络，金融

 

相关学科

1、神经网络、深度学习、计量经济学；
2、计算机、人工智能、机器学习；
3、应用数学、统计学、数据科学；

 

研究方向：深度学习、计量经济学

深度学习 (Deep Learning) 是其中应用深度神经网络对数据进行表征学习的一种方法。

计量经济学 (Econometrics) 以数理经济学和数理统计方法为基础，对经济问题进行理论上数量接近和经验研究的学科。

 

授课内容

预备课程：
1、数学建模、线性代数和概率统计入门
2、学习Python编程语言，机器学习相关库的了解应用
3、对机器学习初步介绍理解
科研辅导：
1、概率统计、线性代数（矩阵相关）、微积分 （导数）基础知识
2、Python编程基础（包括Numpy, Matplotlib, Sklearn, Keras, Pandas库和Anaconda虚拟环境）
3、机器学习，自然语言处理等基础知识
4、神经网络的基础知识及应用Keras搭建和训练深度神经网络
5、应用机器学习知识处理和分析实验数据及结果
6、使用LaTex整合研究成果、完成学术论文的写作和排版
论文写作与发表：
1、学术论文写作和排版
2、科研论文答辩
3、期刊发表事宜（有方全面负责）

授课导师

B.Huang
1、导师博士现就读于杜克大学电子计算机工程专业；
2、研究方向为计算机视觉、卷积神经网络和卫星图像识别；
3、担任机器学习入门、数据挖掘和图像识别等多门计算机课程助教；

 

 

关于 有方科研教学体系

 

有方科研教学体系 是有方教育与麻省理工、加州理工、斯坦福大学等众多美国顶尖大学的科研团队在深度合作的前提下，为国内初、高中生提供物理、化学、生物、工程、统计、经济、金融等领域的探究课程和科研项目。

 

成功案例

美国本科录取
1. 2017年，第一届学员七位中有六位被全球排名TOP 35大学录取，包括一位同时获得哥伦比亚大学、宾夕法尼亚大学两所常春藤大学录取通知的学生。
2. 第二届学员的申请尚未结束，目前已有一位学员被斯坦福大学录取，一位学员被加州理工录取，此外两位被麻省理工顶尖暑期项目录取。

 

丘成桐中学科学奖获奖概况
1. 2018年全球金奖（全球第一）
2. 2017年全球铜奖（全球前五）
3. 2018年全球优胜奖（全球前3%）
4. 2018年全球总决赛入围（全球前第5%）

 

HiMCM美国高中数学建模竞赛获奖概况
1. 2017年 Outstanding 特等奖（全球前1%）一组
2. 2016年 Outstanding 特等奖（全球前1%）一组
3. 2016年National Finalist 特等奖提名奖（全球前2%）一组
4. 2017年Finalist 特等奖入围奖（全球前9%）一组

 

顶尖期刊发表
1. 多位学员以第一作者身份在 SCIE, EI, CPCI 所收录的期刊或会议上发表论文。

 

课程体系

1.第一阶段：科研集训营
（1）以 “PBL” 项目制学习的方法，
（2）掌握 “AI+X” 科研的核心知识和技能
2.第二阶段：探究项目
（1）在学生感兴趣的领域中，
（2）完成有一定难度的研究项目
3.第三阶段：学者项目
（1）在学生感兴趣的领域中，
（2）获得原创性研究成果，
（3）发表论文或参加科研科创竞赛