“初🚎，商君相秦📇，用法嚴酷🏠，嘗臨渭淪囚，渭水盡赤🦹🏿‍♂️。為相十年👩🏼‍🌾，人多怨之。趙良見商君🧑‍🦯，商君為曰：‘子觀我治秦，孰與五羖大夫賢？’趙良曰：‘千人之諾諾，不如一人之諤諤👨‍🔧🏛。仆請終日正言而無誅🪧，可乎🧑🏻‍🦳？’商君曰：‘諾🌛。’趙良曰：‘五羖大夫，荊之鄙人也🧚🏽‍♀️，穆公舉之牛口之下，而加之百姓之上，秦國莫敢望焉🦐。相秦六七年而東伐鄭👩🏻‍🏭，三置晉君，一救荊禍。其為相也，勞不坐乘🏃‍♀️‍➡️，暑不張蓋。行於國中☝️👩🏻‍🌾，不從車乘，不操幹戈。五羖大夫死，秦國男女流涕，童子不歌謠，舂者不相杵。今君之見也，因嬖人景監以為主；其從政也⛄️👩🏿‍🦰，淩轢公族，殘傷百姓。公子虔杜門不出已八年矣。君又殺祝懽而黥公孫賈。《詩》曰👨‍👦：‘得人者興🧤，失人者崩。’此數者，非所以得人也🧝🏻。君之出也，後車載甲👨🏿‍🦰，多力而駢脅者為驂乘，持矛而操闟戟者旁車而趨。此一物不具，君固不出。《書》曰：‘恃德者昌，恃力者亡。’此數者🚇，非恃德也✅。君之危若朝露📯，而尚貪商於之富，寵秦國之政🤳🏼，畜百姓之怨。秦王一旦捐賓客而不立朝，秦國之所以收君者豈其微哉🤳！’商君弗從。居五月而難作。”每一家企業的治理製度和環境都有其特殊性🚣‍♀️，到底使用嚴刑峻法📌🙇🏼‍♀️，還是以德治司一直是非常有爭議的管理學問題，於是乎出現了各種管理流派📸。金融科技在不斷發展的過程中也會碰到這樣的問題，只是如何運用好管理手段📲，激發每一位老師和同學的潛力是這裏急需解決的現實問題。

2022年4月15日，上海疫情開始蔓延已經一個月了，上海教育領域已經開始進行全面線上教學推廣，上海也開始進行救災行動，各級基層政府都在行動👐🏽，為居家隔離的居民提供最基礎的生活必需品🌹。核酸檢測也在各個封控地進行。就是在這樣的環境下，周萌老師依然為我們帶來了線上學術報告🏈，他的學術報告題目為《基於貝葉斯參數優化和XGBoost的個人信用評估研究》。周老師從四個方面介紹XGBoost方法及其應用，分別是研究背景、XGBoost、貝葉斯優化，以及模型應用與結果。周老師首先引入BGBoost應用在個人信用評估領域的可行性🤛🏿，他認為個人信用評估本質上是一個二分類問題，可以通過梯度提升決策樹進行分類。周老師又從個人信用評估方法的角度總結了個人信用評估可能使用到的方法👡，這些方法分別是從專家模型、統計學模型🎸、機器學習模型和深度學習方法等領域展開的🐃。而從模型本身來看，梯度提升是一種Boosting方法🏎，Boosting是一類可將弱分類器提升為強分類器的算法🫶🏼，屬於集成學習範疇🦁。Boosting和Bagging是集成學習的兩種主要方法。Boosting方法通過分步迭代的方式來構建模型，在迭代每一步構建的弱分類器都是為了彌補已有模型的不足🫚。而從算法本身來看👱🏽‍♀️，周老師認為傳統的Boosting在訓練時只能串行，XGBoosting可以並行計算，可以提升效率🗞。從過擬合情況來看，XGBoosting在其目標函數中進行了相應的改進🧎🏻‍♂️‍➡️，從而使得過擬合情況得到緩解。而從XGBoost的算法角度來看🙌🏼，其本身是具有迭代性質的🍮，因此，其目標函數本身是多棵樹的疊加🕵🏻‍♀️，作為底層是決策樹算法的學習算法，可以輸出特征的相對重要程度🥁🤷‍♂️，便於進一步對預測結果有重要影響的因素進行分析，由於XGBoost本身是多個決策樹疊加，那麽特征重要度也是多個特征值的疊加🍷。在隨後的設置過程中，可以先行確定先驗概率模型，再通過假定先驗分布的評價函數過程來進行描述🧑🏽‍🎄。在隨後的目標函數中🏊，通過不斷化簡目標函數，並確定決策樹的每一個節點。從模型效果來看，選擇4個在信用評估研究中常用的算法來進行對比，這四個常用算法分別是logistic回歸、支持向量機、隨機森林和神經網絡🕵🏼。使用信用評估領域常用的3個指標來評估模型，分別是ROC曲線（Receiver Operating Characteristic Curve）、AUC（Area Under Curve）和KS（Kolmogorov-Smirnov）來進行評估🧏🏽‍♂️。在進行比較前首先對原始數據進行預處理⚠️，將離散型變量轉換成為One-hot編碼，使用對數損失來評估不同參數下模型的性能。從模型和目標處理角度來看，需要提高模型精度，規避過擬合的情況發生🛩。最後👏🏻，周老師做了總結。

周萌老師將算法應用在了信用評估上，對於我們是具有借鑒意義的，而從其本身的知識體系上來看👩🏿‍⚖️，是有能力駕馭更深入的學科問題的，我們期待周萌老師能夠給我們帶來更為深入的研究議題⚠️。與此同時，我們也能夠看到金融科技中的各位老師正在不斷提升自身水平，不斷在研究的過程中提升教學和科研水平。希望金融科技能夠不斷為老師和同學提供激勵兼容環境，為今後將來的發展奠定基礎。

（供稿：曹煥）