为进一步强化研究生学术创新能力，加强优秀研究生学术交流，搭建高水平经济学理论与方法训练平台，拓宽研究生学术视野，特举办2026年研究生暑期学术训练营。
一、活动宗旨
以强化理论基础、提升科研能力、促进学术交流、优化学术生态为目标，聚焦经济学核心课程与前沿方法，邀请知名学者系统授课、专题辅导，开展学术研讨，帮助研究生筑牢经济学理论基础，掌握现代经济学研究方法，提升学术论文写作与科研创新能力。
二、招生对象及规模
（一）招生对象
1.安徽财经大学在读研究生；
2.国内其他高校在读研究生。
（二）招生规模
1.本校研究生：150人；
2.外校研究生：50人。
三、活动主题及内容
（一）活动主题
AI时代人工智能对经济学研究范式的重构
（二）活动内容
本次暑期学术训练营活动聚焦经管领域前沿研究方法与实证分析技能，依托优质师资与学术资源，搭建高水平研学交流平台。邀请国内知名专家，开设系列精品课程，系统讲授经济领域结构估计实操应用、人工智能与双重机器学习量化研究范式，深入解读政策评估领域因果推断逻辑、实证研究设计思路与学术科研实操技巧。课程兼顾理论深度与实操技巧，助力研究生快速掌握前沿方法，提升研究能力（授课专家及课程简介见附件1）。
四、活动时间及地点
（一）活动时间
2026年7月12日—7月15日
1. 7月12日：营员报到（9:00-17:00）；
2. 7月13日—7月15日：开营仪式、集中授课、专题辅导、学术研讨、结业典礼。
（二）活动地点
安徽财经大学龙湖东校区（具体授课地点另行通知）。
五、报名与选拔
（一）报名条件
1.拥护中国共产党领导，品德良好，遵纪守法，身心健康；
2.学习成绩优良，学术兴趣浓厚，具备较强科研潜力；
3.能够保证全程参与训练营各项活动（无特殊情况不得请假）；
4.无违纪违规记录，未受到任何校纪校规处分。
（二）报名时间
2026年5月29日至6月16日
（三）报名方式
1.填写表格。填写《安徽财经大学2026年研究生暑期学术训练营报名表》（附件2）（以下简称《报名表》）、《安徽财经大学2026年研究生暑期学术训练营汇总表》（附件3）（以下简称《汇总表》）；
2.准备材料。
（1）《报名表》（PDF版）、《汇总表》；
（2）学生证扫描件（含照片页、注册页）（外校研究生提交，本校研究生无需提交）；
（3）代表性科研成果、荣誉、奖项证明（扫描件）。
3.提交材料。材料打包发送至指定邮箱：acyjsjx@163.com。
（1）本校硕士研究生（以学院为单位提交）。硕士生填写《报名表》《汇总表》，文件夹以“学院名称+姓名+硕士”命名，内容含《报名表》及代表性成果材料。经导师同意后提交至所在学院。学院审核汇总后统一发至指定邮箱。学院提交文件夹名称以“学院名称+学术训练营申报材料”命名，文件夹下的子文件夹即为本学院报名研究生的材料。同时，学院需将本院所有学生的《汇总表》信息合并成一张总表，与总文件夹一并发送至指定邮箱。纸质版汇总表（领导签字、加盖公章）交至研究生院教学管理科。
（2）本校博士研究生（以班级为单位提交）。个人文件夹命名为安徽财经大学+姓名+博士，内含个人《报名表》证明材料等。同时，班级需提交一份汇总后的《汇总表》，连同文件夹一起发送。
（3）外校研究生（以个人为单位提交）。文件夹及邮件主
题统一命名：【安财学术训练营】+所在学校+姓名+培养层次（硕士/博士）。提交材料主要包括《报名表》（PDF版）、《汇总表》、学生证扫描件、代表性成果等，经导师和所在学院同意后发至指定邮箱。
（四）选拔录取
2026年6月23日前，研究生院组织评审，择优录取。录取结束后，本校研究生以学院为单位发布录取通知；外校研究生通过邮件发送录取通知，外校研究生需在7月3日前回复确认是否参加。
六、相关保障
学校为外校营员统一协调协议酒店，可享受优惠住宿价格。
欢迎有志于深耕经济管理研究的硕博研究生报名参加！
附件1.授课专家及课程简介
附件2.安徽财经大学2026年研究生暑期学术训练营报名表.docx
附件3.安徽财经大学2026年研究生暑期学术训练营汇总表.xlsx
安徽财经大学研究生院
2026年5月29日
附件1
授课专家及课程简介
陈强
专家简介：山东大学经济学院教授，数量经济学博士生导师，研究领域为计量经济学、机器学习与经济史。分别于1992年、1995年获北京大学经济学学士、硕士学位，后留校任教。2007年获美国 Northern Illinois University 数学硕士与经济学博士学位。2010年入选教育部新世纪优秀人才支持计划。2017-2018年为波士顿学院访问学者，并在哈佛大学、麻省理工学院、波士顿大学旁听相关课程。已发表论文于Journal of Econometrics,Journal of Applied Econometrics,Oxford Economic Papers (Lead Article), Stata Journal(Lead Article)以及《管理世界》《经济学（季刊）》《世界经济》等国内外领先期刊，并著有畅销教材《计量经济学及Stata应用》《高级计量经济学及Stata应用》《机器学习及R应用》与《机器学习及Python应用》。
讲授课程1：AI for Economists
课程简介：简介人工神经网络的基本原理（含前馈、卷积神经网络及大语言模型），并探讨机器学习如何赋能因果推断，以及使用人工智能提升经济学家的科研效率。
讲授课程2：Double Machine Learning
课程简介：首先介绍截面数据的双重拉索估计（double lasso），然后推广至以内曼正交性与交叉拟合为特征的双重机器学习（Double Machine Learning，DML），并将其应用于聚类数据、断点回归、面板数据及DID模型，最后探讨DML在经济学实证研究中的应用及误区。
授课时间：2026年7月13日
连玉君
专家简介：中山大学岭南学院，副教授，博士生导师。2001年毕业于西安交通大学材料科学与工程学院，获工学学士学位；2007年毕业于西安交通大学金禾经济研究中心，获经济学博士学位。研究方向为公司金融和金融计量等，成果见诸China Economic Review, Stata Journal, Energy Economics,《经济研究》《管理世界》《经济学（季刊）》《统计研究》《金融研究》《会计研究》等期刊。
讲授课程：《因果推断：政策评估中的识别思维与实证设计》
课程简介：本专题围绕政策评估中的因果识别问题，讨论如何从政策背景、数据生成机制和样本选择出发，构建可信的实证研究设计。专题将以一个经管政策研究案例为主线，说明政策变量如何形成、样本选择如何发生，以及控制变量、固定效应和高维固定效应到底控制了什么。在此基础上，介绍一些主流因果推断方法的基本思想、适用场景和常见误用，并结合复现实例展示模型设定、结果解释和稳健性分析。最后简要讨论如何借助AI阅读论文、拆解识别策略、复现代码，并将已有研究设计迁移到新的研究问题。
授课时间：2026年7月14日
尹恒
专家简介：中国人民大学国家发展与战略研究院教授，武汉大学经济学博士。研究领域为财政和产业发展，近年来致力于企业异质性的结构估计及其在财税等领域的应用。主持国家社科基金重大项目、国家自然科学基金面上项目多项。在《中国社会科学》《经济研究》《管理世界》等权威期刊发表论文多篇。
讲授课程：《结构估计及其应用：以企业异质性估计为例》
课程简介：结构估计将经济理论与计量经济学方法有机结合，是分析企业生产率、企业成本加成率等企业异质性的重要工具。企业异质性的引入正在给宏观经济、产业组织、财政、金融、国际贸易、劳动经济等经济学各个领域注入全新的活力。本讲座尝试以企业异质性估计为例，介绍和讨论企业异质性的结构估计及应用。
授课时间：2026年7月15日
