報告人：北京大學 彭一杰 助理教授
時 間：2020年12月15日 11:00-12:00
地 點：主樓418
內容簡介：
實際中隨機系統的風險度量通常不具有解析形式，但可以通過仿真估計。經典的仿真優化問題研究隨機系統樣本表現期望的最大化，基于梯度的算法是解決高維復雜隨機仿真系統優化最有效的方法。隨機梯度估計是其中的中心問題，報告人將回顧經典方法。如何得到有結構參數的不連續樣本表現的無偏隨機梯度估計是仿真領域研究了幾十年的核心理論問題，報告人提出一種廣義似然比方法系統性地解決這一問題，并給出它在金融、人工智能等問題中的應用。風險值（VaR）是常用的金融風險度量，風險值的優化在金融風險管理與投資組合優化中有重要意義。報告人將在于廣義似然比風險值敏感性估計的基礎上給出多尺度隨機梯度下降算法，該算法被證明以概率1收斂到風險值的最優解，并通過算例說明所提出方法的有效性與在實際問題中的應用前景。
主講人簡介：
彭一杰，北京大學光華偉德國際1946bv官網助理教授，博士生導師。本科畢業于武漢大學數學與統計學院，從復旦大學偉德國際1946bv官網獲博士學位。在美國馬里蘭大學和喬治梅森大學分別從事過博士后與助理教授工作。主要研究方向包括仿真建模與優化、金融工程與風險管理、人工智能、健康醫療等。主持多項科研基金項目，包括國家優秀青年科學基金項目，國家青年科學基金項目，北京市青年骨干個人項目等。在《Operations Research》，《INFORMS Journal on Computing》和《IEEE Transactions on Automatic Control》等高質量期刊上發表學術論文20余篇。曾獲得2019年INFORMS Outstanding Simulation Publication Award，2017年IEEE Robotics and Automatic Society Best Paper Award Finalists。目前擔任Asia-Pacific Journal of Operational Research期刊 與IEEE Control Systems Society 會議編委，中國運籌學會金融工程與金融風險管理分會常務理事，中國仿真協會人工社會專委會委員。
（承辦：管理科學與物流系、科研與學術交流中心）
