崔如鸿在报告中讲到，模型平均是一种更好的预测方法，它克服了在预测时模型选择方法带来的不确定性问题，旨在通过将不同的模型赋予相应的权重并组合在一起，得到单一模型所不具有的优点。在选择不同的模型权重时，权重的偏向选择会导致模型预测效果的下降，因此通过MMA或LASSO等惩罚项来降低弱相关性模型的权值以增强性能。研究从损失和风险估计两个方面建立了一般损失函数来衡量模型的效果，鉴于金融市场上目前具有多种损失结构，考虑到对称性和非对称性，他提出了四种形式的损失函数应用于候选模型的权重估计，得到了显著的效果。随后，崔如鸿和同学们在学习方法、保研与出国等方面进行了交流，同时分享了对于本科与研究生阶段的不同认识。
此次活动增强了优秀毕业生与母校的联系，也为在校生未来的发展提供了指导和借鉴。作为泰山学堂“家文化”的重要组成部分，“泰山学子讲堂”增强了学堂学子对学堂集体的认同感和归属感，为形成更广阔的学堂学术交流圈奠定了基础。
崔如鸿，中国科学院数学与系统科学研究院系统所预测科学研究中心管理科学与工程方向博士研究生，主要研究方向为数据科学、经济分析与金融预测。撰写的文章在《半月谈》《系统工程理论与实践》《管理评论》发表；目前主要研究方向为模型平均和利率预测，现有工作文章《Model Averaging under a General Loss》在投。
