中国科学院数学与系统科学研究院预测科学研究中心主任汪寿阳研究员在开幕式上阐述了此次研讨会的核心宗旨，即为求经济预测理论创新与实践落地相互结合，实现预测中心和MADIS实验室“以理论创新提升能力水平，为国家宏观决策服务” 的目标。

       在报告环节，国家信息中心原总经济师祝宝良指出2024年中国经济运行总体平稳，但受基数效应和闰年效应影响，经济增速有所放缓。他深入分析了当前经济发展存在的问题，指出房地产市场的深度调整、地方政府债务、企业经营信息不强、内部消费需求不足、外部世界经济复杂性、严峻性、不确定性上升是目前经济发展中存在的主要问题，并从消费、投资、出口等方面对2025年经济发展进行了展望。

      中国科学院大学经济与管理学院张正军教授分享了近些年在经济预测领域的理论研究成果。从系统风险、外部风险和传统的极值理论出发，介绍了条件极值Frechet自回归（AcF）、盯市在险价值（MMVaR）和自回归条件广义贝塔分布（AcGB2）等模型，并展示了模型在刻画模拟数据和实际经济金融数据风险上的优秀表现。

       清华大学经济管理学院董丰教授探讨了人工智能行业股票价格的泡沫现象及其对实体经济的影响。他指出股票泡沫会导致AI使用增加，进而影响最终产品的生产结构。此外，市场情绪变化会引发股票市场波动，并对劳动力市场和资本市场产生“挤出”和“吸入”效应。泡沫的出现和破裂会导致股票市场的繁荣和萧条，进而影响实体经济的繁荣和衰退。

       北京大学光华管理学院李丰教授探讨了本地投资者在信息获取上的优势，以及社交媒体情绪和话题对股票收益的预测能力。他指出本地投资者由于能够更早地获取公司信息，因此在信息获取上具有优势。当本地投资者获得公司信息后，他们更倾向于与他人交流关于该股票的信息。该工作有助于更好地理解社交媒体信息对股票收益的影响，并为投资者提供新的投资策略。同时，也为政府监管机构提供了参考，以更好地监管社交媒体信息传播，防范潜在的金融风险。

       北京航空航天大学经济管理学院吴俊杰教授聚焦于用户推荐系统，提出了一种名为ArcRec的模型，旨在通过图神经网络来模拟消费者基于参考依赖的选择行为。通过构建属性参考网络（ARNs）来捕捉消费者对产品属性的差异化偏好。ArcRec模型引入了价格感知偏好和兴趣感知偏好，以更好地理解价格和消费者兴趣对选择的影响，解决了传统模型在消费者选择建模中存在的不足，并利用深度学习技术更好地理解消费者行为。 

      上海财经大学统计与数据科学学院朱倩倩教授介绍了一种新的面板分位数GARCH模型，该模型能够有效地捕捉不同分位数水平下资产收益的组效应。通过引入组特定的系数函数，模型可以根据资产的分组信息，更准确地估计不同分位数水平下的波动性。该研究有助于更好地理解金融资产收益的波动性，并为风险管理、投资组合优化等领域提供新的思路。

       中国信息通信研究院信息化与工业化融合研究所主任工程师张洁分享了关于基于大数据的工业经济监测预测预警的最新成果。报告指出，信通院通过构建指标体系、数据体系、分析体系和平台应用体系，有效地支撑了工业经济运行监测、预测、预警研究工作，为政府部门和企业提供了重要的决策参考。信通院积极探索高频监测和预警机制，构建了规上工业增长实时预测模型和企业迁移监测预警模型。其中，工业增长实时预测模型能够有效预测工业增加值增速等指标，为企业经营决策和政府宏观调控提供参考；企业迁移监测预警模型能够识别企业外迁意愿和评估外迁风险，为政府部门制定产业政策和企业服务提供依据。

       中国科学院数学与系统科学研究院预测科学研究中心助理研究员李文慧介绍了性能增强的聚合表示学习（PEARL），这是一种结合多种无监督表征学习技术构建新表征集的模型，比单一方法能够更好地捕捉数据的复杂性，从而提高预测模型的性能。此外，在图像识别、情感分析和多模态数据集上的实验结果表明，PEARL模型具有一定的优越性.

       与会专家们就相关议题进行了深入的交流和讨论，现场气氛热烈，大家踊跃发言，积极互动，共同探讨预测科学的理论与实践问题，为推动预测科学的发展贡献智慧和力量。

       会议最后，中国科学院管理、决策与信息系统重点实验室主任杨翠红研究员对研讨会进行总结。她强调了此次研讨会的重要性，并鼓励科研人员积极探索理论模型创新和实践应用相结合来解决实际问题，为中国经济更好发展贡献力量。