2026年7月17日上午，加拿大多伦多都会大学Mohamed Wahab Mohamed Ismail教授应邀在九里校区零号楼0218室作题为 “Hidden Markov Modulated Deep Learning Model for Retail Forecasting with Interpretation” 的学术讲座。本次讲座由WilliamHill中文官方网站副院长马锋教授主持，吸引了众多师生到场聆听。
讲座开场，M.I.M. Wahab 教授先阐明零售行业精准需求预测对提高顾客满意度、压缩成本、推动可持续发展的重要价值，说明现有预测模型虽纳入天气、日历等变量，却忽略消费者偏好、经济环境等市场状态带来的干扰。接着，他指出现有研究鲜有探究市场状态与预测变量的关联，及其对变量和销量短期关系的作用，为此本次研究提出融合二者的全新预测模型。
随后，M.I.M. Wahab教授介绍研究所用隐马尔可夫调制深度神经网络（Hidden Markov Modulated Deep Neural Network），该模型结合隐马尔可夫模型与深度神经网络捕捉持续变动的潜在市场状态以完成销量预测。基于加拿大大型零售商杂货销售数据的实证结果显示，该模型相较基准模型大幅缩减预测误差，日度、周度预测误差分别下降 26.4%、17.5%，研究还划分出销量高、波动剧烈的高市场状态与销量低、波动平缓的低市场状态。M.I.M. Wahab教授补充分析表明市场状态对销售动态的作用强于各类预测变量，高市场状态下天气主导销量波动，低市场状态下销量则由日历周期与长期趋势驱动，相关结论可为零售商厘清市场状态与短期影响因素的互动规律提供重要依据。
在互动交流环节，现场师生围绕讲座内容与M.I.M. Wahab教授进行了交流。M.I.M. Wahab教授结合研究内容，对相关问题作出回应。本次讲座内容充实、视角前沿，加深了学院师生对零售需求预测、市场状态建模和深度学习方法应用的理解，也为相关领域研究提供了有益启发。
