2026年10月26日下午，财务与人力资源管理系成功举办了题为“机器学习驱动的计算经济学研究”的学术讲座。本次讲座由系内教师王宗瑛主讲，深入探讨了数据驱动方法在经济均衡分析中的应用思路与实践路径，旨在为师生拓宽学术视野，探索跨学科研究的新方法。

讲座伊始，王宗瑛以一个问题切入：计算经济学传统上高度依赖数值求解和理论推导，但在面对复杂的非线性关系时，往往面临一定的计算挑战。近年来，机器学习方法在各类复杂系统建模中展现出强大的能力。如何将这一前沿方法引入计算经济学领域，成为本次研究关注的重点。

在主题分享环节，王宗瑛结合自身研究，以一般均衡理论为基础，生动展示了神经网络在均衡价格预测与多重均衡识别中的应用。她详细介绍了如何通过将经济学理论、数值模拟与深度学习相结合，构建多输出神经网络模型，从而实现对均衡价格的精准预测与均衡类型的有效识别。相关实验结果表明，机器学习能够有效捕捉初始禀赋与均衡价格之间的复杂关系，为经济均衡分析提供了全新的研究思路。

                                                             图1 王宗瑛老师展示数据模拟与均衡分类的具体思路

                                             图2 王宗瑛老师介绍多输出前馈神经网络的模型结构与特征提取机制

随后，王宗瑛围绕模型构建、数据处理及结果评估等核心环节分享了宝贵的研究经验。她特别指出，机器学习并非是对传统经济学理论与研究方法的替代，而是为复杂经济问题的分析提供了有益补充。通过将理论分析与数据驱动方法深度融合，有望进一步拓展计算经济学的研究思路与应用空间。

在交流讨论环节，与会师生围绕机器学习在经济学研究中的适用范围、模型可解释性，以及相关方法在教学科研中的实际应用等问题展开了热烈而深入的交流。

本次讲座采用理论讲解与方法展示相结合的方式，生动展现了计算经济学与机器学习交叉融合的研究价值。这不仅为教师开展相关科研探索提供了新思路，也为数据驱动方法在经济学领域的进一步应用带来了有益启发。