张博辉教授开展多个方向的研究，包括金融科技、媒体、 中国资本市场、国际资本市场。他的研究成果多次发表在国际顶尖学术期刊上，包括Review of Financial Studies、 Journal of Financial Economics、 Journal of Accounting Research、 Management Science、 Journal of Financial Quantitative and Analysis、 Journal of International Business Studies、 和Review of Finance等。 张教授分别于2016年获得澳大利亚国家社会科学院授予的青年研究学者奖章和在2010年获得新南威尔士大学授予的青年研究学者奖章。他曾主持多项澳大利亚国家研究委员会基金项目、新南威尔士大学澳洲商学院研究基金、和参与中国国家自然科学基金面上项目。他的文章曾在2012和2016 China Finance Annual Meeting、 2014 MIT Asia Conference in Accounting、2014 Asian Finance Association Conference、2013 Asia-Pacific Financial Markets of the Korean Securities Association、 2013 Asian Finance Association Conference、 2013 China International Conference in Finance、 2013 Northern Finance Association Conference、及2011 Chinese Finance Association Best Paper Symposium获得最佳会议论文奖。 张教授曾担任三十多家国际学术期刊 如Journal of Finance, Review of Financial Studies, Journal of Accounting Research, Accounting Review, Management Science的审稿人。他是多个国际金融学术组织年会组委会成员，包括Western Finance Association Conference, Northern Finance Association Conference、European Finance Association Conference、 China International Conference in Finance、Financial Management Association Conference、 Australasian Finance and Banking Conference、及Asian Finance Association Conference。 张教授到目前为止指导了18位博士研究生和教授超过10,000名硕士、学士生。

张田余教授现任香港中文大学（深圳）校长讲座教授、深圳数据经济研究院副院长、深高金制度与资本市场研究中心主任、会计理学硕士项目主任。曾就职于香港城市大学和香港中文大学。张教授长期致力于会计和财务领域的研究，特别是通过文本分析等新兴技术分析中国资本市场中制度和治理问题的相关议题。他的相关研究成果在经济、金融及会计国际高水平期刊发表。他的研究同时还吸引了诸如《华尔街日报》、美联社、《财新周刊》等海内外媒体的关注。他现任The Accounting Review和Contemporary Accounting Research编委会成员。张教授曾在Journal of Finance, Journal of Financial Economics, The Accounting Review, Journal of Accounting and Economics, Journal of Accounting Research, Contemporary Accounting Research, Journal of Law and Economics and Journal of Law, Economics and Organization等国际顶尖学术期刊发表数篇学术论文。

艾春荣教授，麻省理工学院经济学博士。香港中文大学（深圳）经管学院经济学教授和校长讲座教授，世界计量经济学会学会会士（Fellow of the Econometric Society），担任深圳市大数据研究院社会行为大数据实验室主任。之前，他是美国佛罗里达大学经济学教授和Florida Term讲席教授，是中国人民大学统计与大数据研究院建院院长，上海财经大学统计与管理学院建院院长。 艾春荣博士的研究领域是计量经济学、实证产业组织、实证金融和中国经济。近来，他专注于大数据技术在行为大数据中的分析和应用研究，他的研究成果发表在国内外一流期刊，连续多年华人经济学家高被引作者排名第二。

曾为美国宾州大学沃顿商学院助理教授，原德州A&M大学副教授、教授，并于2017年被命名为德州A&M大学理学院Arseven/Mitchell Astronomical Statistics讲席教授。曾任Texas A&M University统计系研究生项目主任、理学院代理副院长、统计系代理系主任、数据科学研究所副所长等职务。黄教授已培养博士20余人。在国际学术期刊发表学术论文100余篇，并入选全球前2%高引用统计学家榜单。以项目负责人或共同负责人身份主持过多项美国国家自然科学基金项目。曾任Journal of American Statistical Association, STAT (The ISI's Journal for the Rapid Dissemination of Statistics Research), Journal of Multivariate Analysis, and Chemometrics and Intelligent Laboratory Systems等国际期刊编委。   学术著作 A.统计学渐进理论 (Asymptotic theory) 1.Huang, J. Z. (1998). Projection estimation in multiple regression with application to functional ANOVA models. Annals of Statistics, 26, 242-272. 2.Huang, J. Z., Kooperberg C., Stone, C. J. and Truong, Y. K. (2000). Functional ANOVA modeling for proportional hazards regression. Annals of Statistics, 28, 960-999. 3.Huang, J. Z. (2001). Concave extended linear modeling: A theoretical synthesis. Statistica Sinica, 11, 173-197. 4.Huang, J. Z. (2003). Local asymptotics for polynomial spline regression. Annals of Statistics, 31, 1600-1635. 5.Xu, G. and Huang, J.Z. (2012). Asymptotic optimality and efficient computation of the leave-one-subject-out cross-validation. Annals of Statistics, 40, 2765-3175. 6.Huang, J.Z. and Su, Ya (2021). Asymptotic properties of penalized spline estimators in concave extended linear models: rates of convergence. Annals of Statistics, to appear. B.函数型数据方法 （Functional data analysis） 1.Zhou, L., Huang, J.Z. and Carroll, R. J. (2008). Joint modeling of paired sparse functional data using principal components. Biometrika, 95, 601-619. 2.Huang, J.Z., Shen, H. and Buja, A. (2009). The analysis of two-way functional data using two-way regularized singular value decompositions. Journal of American Statistical Association, 104, 1609-1620. 3.Zhou, L., Huang, J.Z., Martinez, J.G., Maity, A., Baladandayuthapani, V. and Carroll, R. J. (2010). Reduced rank mixed effects models for spatially correlated hierarchical functional data. Journal of American Statistical Association, 105, 390-400. 4.Maadooliat, M., Zhou, L., Najibi S.M., Gao, X. and Huang, J.Z. (2016). Collective estimation of multiple bivariate density functions with application to angular-sampling-based protein loop modeling. Journal of the American Statistical Association, 111, 43-56. 5.Li, G., Shen H., and Huang, J.Z. (2016). Supervised sparse and functional principal component analysis. Journal of Computational and Graphical Statistics, 25, 859-878. 6.Li, G., Huang J.Z., Shen H. (2018). Exponential family functional data analysis via a low-rank model. Biometrics, 2018, 1301-1310. C.高斯过程及平滑样条方法（Gaussian process and smoothing splines） 1.Ma, P., Huang, J.Z. and Zhang, N. (2015). Efficient computation of smoothing splines via adaptive basis sampling. Biometrika, 102 (3), 631--645. 2.Park, C. and Huang, J.Z. (2016). Efficient computation of Gaussian process regression for large spatial datasets by patching local Gaussian processes. Journal of Machine Learning Research, 17(174), 1-29. 3.Zhang, N., Ma, P., Zhong, W. and Huang, J.Z. (2017). Adaptive basis selection for exponential family smoothing splines with application in joint modeling of multiple sequencing samples. Statistica Sinica, 27, 1757-1777. D.纵向数据分析（Longitudinal data analysis） 1.Huang, J. Z., Liu, N., Pourahmadi, M., and Liu, L. (2006). Covariance selection and estimation via penalised normal likelihood. Biometrika, 93, 85-98. 2.Huang, J.Z., Wu., C.O., Zhou, L. (2002). Varying coefficient models and basis function approximations for the analysis of repeated measurements. Biometrika, 89, 111-128. 3.Huang, J. Z., Wu, C. O. and Zhou, L. (2004). Polynomial spline estimation and inference for varying coefficient models with longitudinal data. Statistica Sinica, 14, 747-772. 4.Wang L., Li, H. and Huang, J.Z. (2008). Variable selection in nonparametric varying-coefficient models for analysis of repeated measurements. Journal of American Statistical Association, 103, 1556-1569. E.多元统计及统计学习（Multivariate analysis and statistical learning） 1.Shen, H. and Huang, J.Z. (2008). Sparse principal component analysis via regularized low rank matrix approximation. Journal of Multivariate Analysis, 99, 1015-1034. 2.Lee, S., Huang, J.Z. and Hu, J. (2010). Sparse logistic principal components analysis for binary data.  Annals of Applied Statistics, 4, 1579--1601. 3.Lee, M., Shen, H., Huang, J. Z. and Marron J. S. (2010). Biclustering via sparse singular value decomposition. Biometrics, 66, 1087-1095. 4.Chen, L. and Huang, J.Z. (2012). Sparse reduced-rank regression for simultaneous dimension reduction and variable selection. Journal of American Statistical Association, 107, 1533-1545. 5.L. Zhang, H. Shen, and J. Z. Huang (2013). Robust regularized singular value decomposition with application to mortality data. Annals of Applied Statistics, 7, 540-1561. 6.He, K., Lian, H., Ma, S. and Huang, J.Z. (2018). Dimensionality reduction and variable selection in multivariate varying-coefficient models with a large number of covariates. Journal of American Statistical Association, 113, 746--754. F.半参数统计推断（Semiparametric inference） 1.Huang, J.Z., Zhang, L. and Zhou. L. (2007). Efficient estimation in marginal partially linear models for longitudinal/clustered data using splines. Scandinavian Journal of Statistics, 34, 451-477. 2.Cheng G. and Huang, J.Z. (2010). Bootstrap consistency for general semiparametric M-estimation. The Annals of Statistics, 38, 2884—2915. G.空间统计（Spatial statistics） 1.Huiyan Sang, Mykyoung Jun, Jianhua Z. Huang (2011). Covariance approximation for large multivariate spatial datasets with an application to multiple climate model errors. Annals of Applied Statistics, 5, 2519--2548. 2.Huiyan Sang and Jianhua Z. Huang (2012). A full-scale approximation of covariance functions for large spatial data sets. Journal of Royal Statistical Society, Series B, 74, 111-132. 3.Bohai Zhang, Huiyan Sang, Jianhua Z. Huang (2015). Full-scale approximations of spatio-temporal covariance models for large datasets. Statistica Sinica, 25, 99-114. 4.Bohai Zhang, Huiyan Sang, Jianhua Z. Huang (2019). Smoothed full-scale approximation of Gaussian process models for computation of large spatial datasets. Statistica Sinica, 29, 1711-1737. H.统计与天文学（Statistics and astronomy） 1.S. He, W. Yuan, J.Z. Huang, J. Long and L.M. Macri (2016). Period estimation for sparsely-sampled quasi-periodic light curves applied to Miras. The Astronomical Journal, 152(6), 164. 2.Shiyuan He, Lifan Wang, Jianhua Z. Huang (2018). Characterization of Type Ia Supernova Light Curves Using Principal Component Analysis of Sparse Functional Data. The Astrophysical Journal, 857(2), 110. 3.Shiyuan He, Zhenfeng Lin, Wenlong Yuan, Lucas Macri, Jianhua Z. Huang (2021). Simultaneous inference of periods and period-luminosity relations for Mira variable stars. Annals of Applied Statistics, to appear. I.统计与经管（Statistics and business） 1.Shen, H. and Huang, J.Z. (2005). Analysis of call center data using singular value decomposition. Applied Stochastic Models in Business and Industry, 21, 251-263. 2.Shen, H. and Huang, J.Z. (2008). Interday forecasting and intraday updating of call center arrivals. Manufacturing & Service Operations Management, 10, 391-410. 3.Shen, H. and Huang, J.Z. (2008). Forecasting of inhomogeneous Poisson processes with applications to call center workforce management. The Annals of Applied Statistics, 2, 601-623.        4.G. Li, J.Z. Huang, H. Shen (2018). To Wait or Not to Wait: Two-way Functional Hazards Model for Understanding Waiting in Call Centers. Journal of American Statistical Association, 113, 1503-1514. J.统计与工程（Statistics and engineering） 1.Park, C., Huang, J. Z., Huitink, D., Kundu, S., Mallick, B., Liang, H. and Ding, Y. (2012) A Multi-stage, Semi-automated procedure for analyzing the morphology of nanoparticles. IIE Transactions, Special issue on Nanomanufacturing, 44, 507-522. Best Application Paper for IIE Transactions (Quality/Reliability Engineering Focus Issue). 2.Park, C., Huang, J.Z., Ji, J. and Ding, Y. (2012). Segmenting, inference and classification of partially overlapping nanoparticles. IEEE Transactions on Pattern Analysis and Machine Intelligence, 44, 507-522. 3.Qian, Y., Huang, J.Z., Li, X. and Ding, Y. (2016). Robust nanoparticles detection from noisy background by fusing complementary image information. IEEE Transactions on Image Processing, 25(12), 5713-5726. 4.Pourhabib, A., Huang, J. Z. and Ding, Y. (2016). Short-term wind speed forecast using measurements from multiple turbines in a wind farm. Technometrics, 58(1), 138-147. 5.Qian, Y., Huang, J.Z. and Ding, Y. (2017). Identifying Multi-stage Nanocrystal Growth Using in-situ TEM Video. IISE Transactions, 49, 532-543. 6.Y. Qian, J.Z. Huang, C. Park, Y. Ding (2019). Fast dynamic nonparametric distribution tracking in electron microscopic data. Annals of Applied Statistics, 1537-1563. K.时间序列（Time series） 1.Huang, J.Z. and Yang, L. (2004). Identification of nonlinear additive autoregressive models.  Journal of Royal Statistical Society, Series B, 66, 463-477. 2.Huang, J.Z. and Shen, H. (2004). Functional coefficient regression models for nonlinear time series: a polynomial spline approach. Scandinavian Journal of Statistics, 31, 515-534. 3.Hays, S., Shen, H. and Huang, J.Z. (2012). Functional dynamic factor models with application to yield curve forecasting. Annals of Applied Statistics, 6, 870-894. 4.W. Lin, T.S. McElroy, J.Z. Huang (2019). Time series seasonal adjustment using regularized singular value decomposition. Journal of Business & Economic Statistics, 1-23.

洪伟萍教授，香港科技大学市场营销博士，香港中文大学深圳校长学者，国际市场营销期刊（IJRM）的共同主编。主要研究领域：消费者判断与决策、利社会行为。曾任职于新加坡国立大学，复旦大学。

贾建民教授现任香港中文大学（深圳）校长讲座教授，他曾任香港中文大学商学院市场学系教授兼系主任、以及西南交通大学经济管理学院院长。贾建民教授在德克萨斯大学奥斯汀分校麦克库姆商学院获得博士学位。此外，他曾在卡内基梅隆大学和杜克大学任访问学者。贾建民教授曾在由美国INFORMS决策分析学会举办的决策分析研究生论文竞赛中获佳论文奖，他关于“风险测度及风险价值理论”的论文也获得了得克萨斯大学奥斯汀分校所授予的荣誉提名奖。贾建民教授是全国MBA教育指导委员会委员，并担任过国家自然科学基金委管理科学部专家咨询委员会委员。他的研究、教学领域涉及大数据市场营销、社交网络、消费者选择以及决策分析等。他曾任《Operations Research》杂志副主编、美国营销科学研究学会学术董事、中国市场学会学术委员会副主任等。贾建民教授曾在《管理科学》、《市场科学》、《消费者研究杂志》、《运筹学》、《心理科学》等多个国际顶级学术期刊上发表论文。贾教授还拥有丰富的企业咨询和培训经验，服务对象包括中信银行、中国电信、中国移动、广铁集团、IBM等。

宋新宁教授现就职于香港中文大学（深圳）人文社科学院，此前他曾担任比利时荷语布鲁塞尔自由大学孔子学院中方院长（2016-2019年）、中国人民大学国际关系学院副院长（2000-2005年）、中国人民大学欧洲问题研究中心主任（1994-2007年）、中国人民大学国际政治系副主任（1988-2000年）。 宋新宁教授于2010年被欧洲联盟委员会授予“让·莫内终身特聘教授”。主要论著有：《欧洲联盟与欧洲一体化》、《国际政治学概论》、《国际政治经济学概论》、《走向21世纪的中国与欧洲》和《国际政治经济与中国对外关系》等。

佟世璐在复旦大学获得理学士及理学硕士学位，在香港科技大学获得博士学位。他的研究主攻方向是运营管理。

王晓田教授现任香港中文大学（深圳）人文社科学院，应用心理学学科主任，终身教授; 美国南达科他州大学终身荣誉教授。曾任北京大学光华管理学院特聘教授，中欧国际商学院访问教授，德国柏林马克斯.普朗克研究所人类发展研究中心访问科学家，香港科技大学工商管理学院访问教授，新加坡管理大学访问教授。 王晓田教授的跨学科研究聚焦于行为決策、进化心理学和风险管理。有关研究发表在30多种专业期刊，也被普通心理学, 认知心理学, 认知神经学, 和进化心理学的教科书所引用。美国《时代》(Time),《科学新闻》(Science News),《科学日报》(Science Daily) 均有专文报道王晓田教授的研究 维基百科 (Wikipedia), Yahoo 新闻,《华尔街日报》(Wall Street Journal) 以及《中欧商业评论》均对王晓田教授的研究有所介绍。王晓田教授主编了《进化心理学家如是说》一书（王晓田，苏彦捷，北京大学出版社；日文版，东京大学出版社）。并出版了专著《进化的智慧与决策的理性》(王晓田，陆静怡，华东师范大学出版社, 国家重点出版规划)。 王晓田教授是美国国家科学基金会, 美国麦克道尔基金会等资助项目的主持人, 中国科学院王宽诚科研奖获奖人；曾任美国国家科学基金会特邀评审专家；中国国家基金委管理学部海外评审专家, 及香港研资局评审专家；也曾为松下、中国移动、和招商银行等机构以及民营企业的经理人员讲授培训课程。

王健博士目前是，深圳高等金融研究院副院长，香港中文大学（深圳）经管学院副教授，清华五道口金融学院金融硕士导师和中国金融四十人•青年论坛会员。2006年获得美国威斯康星大学麦迪逊分校经济学博士学位之后，王健博士担任美联储达拉斯联邦储备银行高级经济学家兼政策顾问，主要研究方向包括国际金融市场和货币政策。王博士长期跟踪研究包括中国在内的全球热点经济问题，以及美联储等央行的非传统货币政策（零利率，QE，扭曲操作等）对新兴经济体的重大影响。2013年，王健博士出版了《还原真实的美联储》一书，对美联储的组织结构，内部官员选拔，以及制定政策的流程做了详细介绍。另外，该书也分析了最近全球热点经济问题，如量化宽松政策的全球效果，尤其是对中国为首的新兴市场的影响，欧债危机起源和解决方案，中国金融市场改革路径，人民币国际化和中国经济结构性减速所面临的危机和挑战。该书被中国金融业从业人员和政府经济部门高级官员广泛阅读，深受好评。 作为美联储高级经济学家兼政策顾问，王健博士的主要日常工作包括跟踪和分析全球热点经济问题，就美联储公开市场会议关心的议题提供分析和政策建议。由于对中国经济的深入研究，王健博士曾多次参加中美高层经济领导人主持的闭门会议，也被邀请参加中国人民银行和国际货币基金组织（IMF）等机构组织的大型高端政策研讨会，发表对中国和全球经济的预测及分析。此外，清华大学五道口金融学院，北大光华管理学院，复旦管理学院等著名高校和上海金融与法律研究院，第一财经研究院等著名政策研究机构也经常邀请王健博士分析国内外经济形势和宣讲研究成果。从2015年起，王博士在清华五道口金融学院向EMBA和全球金融博士讲授全球金融市场课程，深受学员欢迎。其中王博士的EMBA课程被评为五道口金融学院的精品课程。 王健博士在美联储工作期间，也积极参与和国内金融界以及财经媒体的互动，他的经济和金融政策研究成果广泛发表在国内的财经主流媒体，包括金融时报中文版，第一财经，新浪财经，清华金融评论等。此外，中央电视台财经频道，第一财经等电视台也多次采访王博士，探讨中国和全球热点经济问题。王健博士的个人微博在金融市场具有广泛的影响力，时常点评热点经济和金融问题。王博士的微博目前拥有粉丝超过30万，其中大量粉丝来自中国主要的金融机构。 除了在中国，王博士具有广泛的国际影响力，研究成果发表于美联储，美国劳工部，美国国家经济研究局，英格兰银行，香港金融管理局等官方机构出版物和世界著名学术刊物并被华尔街时报（Wall Street Journal），金融时报（Financial Times），道琼斯通讯社，英国BBC，VoxEU，RGE Monitor和Econbrowser等全球著名媒体报道和引用。王博士曾应邀到美国联邦储备委员会，美国劳工部，美国国家经济研究局（NBER），国际货币基金组织（IMF），英格兰银行，加拿大银行，瑞士银行，香港金融管理局，欧洲经济研究中心（ZEW）等世界著名机构进行访问和讲学。另外，王健博士被全球20多家著名经济金融期刊邀请为审稿人，多次应邀担任香港研究资助局（Research Grants Council）研究经费评审人和新西兰中央银行出版物审稿人。2012年起王健博士被任命为亚太经济评论（Pacific Economic Review）的编辑委员，并被全球多个研究和学术机构聘请为兼职研究员和客座教授。

王丛博士现任香港中文大学（深圳）校长讲座教授及逸夫书院院长。他于2007年获得美国范德堡大学金融学博士学位，此前分别于2002年获得南洋理工大学经济学硕士学位和1999年获得北京大学光华管理学院学士学位。之前，王教授是中欧国际工商学院金融学教授，也曾在香港中文大学金融系任副教授并获终身教职。王教授是兼并收购、公司治理和股权激励方面的专家。他的研究成果见诸于《金融学杂志》、《金融研究评论》、《会计与经济学杂志》、《金融与定量分析杂志》、《银行业与金融杂志》等世界顶尖金融会计期刊。他有两篇论文分别被评为2007年和2009年发表在《金融学杂志》上的十大被引用次数最多的文章之一。另一篇论文获得了2015 Emerald卓越引文奖。他曾在中欧国际工商学院给MBA、EMBA、金融MBA、高层经理人培训等项目授课并深受学生欢迎。王教授多次接受知名媒体的采访，包括凤凰卫视、华尔街日报、福布斯杂志、中央电视台、中国日报、新浪财经等。他也是第一财经的常驻嘉宾。