教材内容简介及特色 《大数据金融计量学》系统构建了“数理基础—机器学习—经典模型—因果推断—前沿应用”的知识框架，深度融合传统计量方法与现代大数据技术。教材以金融实证问题为导向，从线性代数、概率统计等基础理论出发，逐步深入经典线性回归模型（CLRM）的核心假设、OLS估计及诊断检验（如异方差、自相关、内生性处理），并创新性地引入机器学习方法（判别式模型如决策树、随机森林、神经网络；生成式模型如LDA、概率图模型）。在因果推断部分，重点解析DID（含交错DID、广义DID）、PSM、综合控制法、熵平衡法及双重机器学习（DML）等现代计量技术，辅以LASSO、流形学习等高维数据处理方法。特色在于：1.理论-技术-应用三重融合：突破传统金融讲学的教材边界，将计量经济学、机器学习、文本分析与金融场景结合，提供全流程实证解决方案。 2.前沿方法覆盖全面：详解DID的异质性处理、DML的混杂因子控制、企业全要素生产率（OPLP法）估计等前沿主题，以及文本分析的量化分析案例（如企业文化测度、初创企业战略量化）。 3.问题驱动式编排：每章以“核心问题-方法原理-金融应用-验证逻辑”为主线，强化问题导向展开理论方法介绍（如White检验、BW检验、熵平衡权重优化）。 定位：高校金融专业本科及研究生专业课教材，同时可供金融科技、量化投资、政策评估领域的研究者与从业者参考，兼具教材的系统性与工具书的实用性。

方立兵，男，南京大学工程管理学院副教授、博士生导师、金融科技与工程系主任。李威，男，现为南京大学工程管理学院管理科学与工程专业硕士研究生（学术型），南京大学新金融研究院金融大数据与人工智能研究中心科研助理，主要研究兴趣为金融科技创新与风险防控。