一、学科简介

应用经济学学科是一门融合现代经济学理论、计量方法与数据科学技术，致力于解决复杂经济金融问题的综合性学科。该学科旨在培养具有坚实宽广的经济学理论基础、系统深入的专业知识，能够熟练运用数量经济学、机器学习、大数据分析及人工智能方法，开展前沿经济金融研究的高层次人才。

博士生将系统掌握现代经济学理论体系，结合高频金融数据、非结构化数据及实时经济指标，围绕金融市场风险管理、资产定价、公司财务决策、金融科技创新、宏观经济政策评估、国际金融与汇率市场行为等重要问题，开展创新性学术研究。

毕业生能够在高等院校、科研机构、政府部门及金融机构、科技公司等单位，从事经济学教学、科研及数据驱动型经济与金融决策分析工作，具备应对数字经济时代复杂挑战的综合能力。

二、学科特色

应用经济学学科依托清华大学深圳国际研究生院及经管学科平台，聚焦经济学理论、金融实证方法与数字经济技术交叉融合，已在金融科技、金融风险管理、资产定价、公司财务、国际金融、宏观政策分析等方向取得丰富成果，形成鲜明学科特色：

· 金融科技与智能金融
面向大数据、人工智能、区块链、隐私计算、联邦学习等前沿技术，开展金融市场风险监测、智能投顾、金融知识图谱、量化投资、金融消费者行为分析、金融监管科技（RegTech）等领域研究，参与金融科技前沿创新。

· 量化金融、资产定价与高频数据分析
运用高频数据、机器学习、深度学习、大数据因子挖掘等方法，研究资产价格波动、风险溢价、市场微观结构、套利机会识别、智能投资组合优化及交易策略研发，推动智能金融实证方法体系建设。

· 金融风险管理与波动率建模
聚焦市场风险溢出效应、资产价格波动性预测、极端事件冲击分析、金融市场联动性、复杂金融网络传染效应、信用风险计量，应用 GARCH 系列模型、Copula 模型、VaR、极值理论（EVT）、机器学习与深度强化学习方法，构建系统性金融风险监测与预警模型。

· 公司财务与企业治理
围绕企业投融资决策、资本结构调整、并购重组、ESG 投资、绿色金融、政策冲击效应等问题，结合自然实验、面板数据模型、高维数据方法，研究公司财务行为与治理机制对企业绩效及市场稳定性的影响。

· 国际金融与外汇市场
基于全球高频外汇数据，研究汇率波动、货币市场预测、汇率风险对企业投资与技术创新的影响，以及舆情情绪、技术交易策略在外汇市场的表现，揭示国际货币市场运行机制。

· 宏观经济与金融政策分析
应用 DSGE、SVAR、大数据实时预测、情绪指数构建、机器学习预测模型，研究货币政策、财政政策、金融监管、数字经济背景下宏观经济波动与金融稳定性。

三、研究成果与学术影响力

本学科教师活跃于国际学术前沿，承担多项国家自然科学基金、国家重点研发计划、深圳市科技创新项目及多家头部金融机构、科技企业合作课题。近年发表高水平论文多篇，覆盖《Journal of Financial Economics》《Journal of Finance》《Review of Financial Studies》《Management Science》《Journal of Financial and Quantitative Analysis》《Journal of Econometrics》《Journal of International Economics》《Review of Finance》等国际顶尖与权威期刊。同时，学科团队积极拓展与计算机科学、人工智能、数据科学领域的交叉研究，多项成果发表于国际顶级计算机科学会议如CVPR、KDD，持续提升学科跨界竞争力。

四、学术交流与人才培养

本学科注重学术前沿追踪与研究方法创新，设有博士生学术沙龙、量化金融与金融科技专题工作坊、数据驱动经济分析训练营等，鼓励博士生积极参与国际顶级学术会议（AFA、AEA、WFA、CICF、EFA）、CVPR、KDD等跨学科顶会交流，培养具备国际视野、数据驱动能力与理论功底兼备的高端学术人才。

五、导师

备注：招生导师信息以每年博士生招生目录为准。

六、联系方式

联系邮箱：cxgl_admission@sz.tsinghua.edu.cn