2026年6月26日，由金融学院主办的琶洲金融论坛第123期专题学术讲座在立德楼321会议室顺利举行。北京大学宋晓军教授应邀作题为《基于深度学习的双稳健格兰杰因果检验（Deep Learning-Based Doubly Robust Test for Granger Causality）》 的学术分享。本次讲座由杨炳铎教授主持，学院多名博士研究生到场参会交流。
宋晓军教授系统介绍了其团队在时序因果推断领域的前沿计量研究成果。他指出，格兰杰因果检验是经济金融领域刻画时间序列动态关联的核心工具，但传统检验方法依托线性模型设定，难以适配金融市场普遍存在的非线性联动、多期滞后信息传导等现实特征。针对这一局限，研究团队构建了深度学习双重稳健格兰杰因果检验（DRGC） 框架，形成三大核心创新：一是对原假设进行等价变换，重构双重稳健矩条件；二是采用双神经网络分层估计框架，借助MLP拟合条件均值、混合密度网络（MDN）刻画条件分布，从而有效捕捉高维滞后变量间的非线性关系；三是构建基于特征函数的KS型检验统计量。
讲座中，宋晓军教授完整推导了检验的理论框架，梳理了神经网络模型的设置与调参规范。蒙特卡洛仿真结果显示，所提出的DRGC检验在有限样本下能够精准控制检验尺寸、维持稳定显著性水平，在高滞后阶数、小样本场景下的检验功效显著优于传统非参数检验模型。随后，宋晓军教授将该方法应用于全球主要股票指数的价量关系实证研究，结果表明这套长滞后非线性因果检验工具，能够更好地解析市场滞后交易行为与序贯信息传导机制，具备较强的金融实证应用价值。
在互动交流环节，在场师生围绕双重稳健矩条件的构造逻辑、神经网络超参数选择、自助法临界值构造等前沿问题展开深入提问。宋晓军教授细致拆解模型推导思路与仿真实验设计逻辑，并结合自身科研经验分享时间序列计量的前沿研究方向，现场学术交流氛围浓厚。
本次讲座聚焦深度学习与时序因果推断的交叉学术前沿，理论体系严谨、实证落地性强，不仅拓宽了师生在量化金融、高级计量方向的研究视野，也为学院金融实证研究提供了新方法新思路，对推动学院学术交流常态化、提升金融学科科研建设水平具有重要意义。
