曾诗鸿，现任北京工业大学经济管理学院副教授与金融学专业研究生导师。1996-1998与2000-2003年先后在中国社会科学院研究生院学习货币银行学与国际金融，2003年获得中国社会科学院研究生院经济学博士学位，师从中国社会科学院学部委员、原中国人民银行货币政策委员会委员、牛津大学经济学博士余永定教授。2008年8月至2009年8月获得国家留学基金委全额资助先后在美国加州州立大学CSUN商学院金融与不动产系、加州大学洛杉矶分校做访问研究。现任国际英文学术期刊、美国经济学文献数据库（Econlit）收录期刊Journal of Applied Finance & Banking与Advances in Management and Applied Economics编委与匿名审稿人。曾经与正在担任《世界经济》《中国人口?资源与环境》《中国科学》匿名审稿人与《系统仿真学报》编委；北京市自然科学基金通讯评审专家。作为负责人2006年获北京市第九届哲学社会科学优秀成果二等奖，北京市政府颁奖（获奖人为独立获奖人）；2005年获得了由诺贝尔经济学奖获得者蒙代尔亲自颁发的第二届“黄达－蒙代尔经济学奖”。作为课题主持人与参与人分别完成与正在承担教育部人文社会科学规划项目、北京市哲学社会科学规划项目、北京市自然科学规划项目、国家社科基金、国家社科基金重大项目、国家自然科学基金项目等项目。

　　《大数据时代制造业上市公司信用风险研究》：
　　马若微引入功率曲线进行对照分析，经过大量的实证认为在对上市公司财务困境的预警中KMV模型是完全可行的。 
　　我国的很多学者意识到KMV模型在我国的适用情况会有变化，对KMV模型进行了进一步的研究。 
　　1.违约点的修正 
　　章文芳、吴丽美、崔小岩采用一个Excel测试器，用穷举法来设定KMV模型中的违约点，在这个违约点上使得模型的误判率最小，即把正常公司判为ST公司和违约距离小于o但是没有被检测出来这两种情况出现的概率最小，他们认为这样得出的违约点更加符合实际情况。 
　　李磊宁、张凯和马雨生在违约点的研究上都是通过研究违约点在取不同的值时违约距离在ST公司和非ST公司的区别能力大小，即KMV模型的预测能力，前者得出的结果是流动负债加上百分之十的长期负债，后者得出的结果是违约点应当设定为流动负债加四分之一的长期负债。
　　……