系 别：信息管理与电子商务
职 称：教授
办 公 室：工商管理学院B306
E-mail：chenyan15153@hotmail.com





基本信息
个人简介：

陈艳，日本早稻田大学工学博士，湖南大学“岳麓****”****，博士生导师，研究生教育管理中心主任。上海市“浦江人才计划”入选者，上海市“晨光****计划”入选者，现任“中国优选法统筹法与经济数学研究会”理事、“管理科学与工程学会”理事。长期从事管理科学与信息科学领域的研究工作，研究方向包括机器学习、复杂网络、智能优化、金融预测、区块链、风险管理等，先后担任日本学术振兴会（JSPS）研究员以及早稻田大学客座研究员。已在管理科学与统计领域的国际高水平期刊《Scandinavian Journal of Statistics》、《European Journal of Operations Research》、《Computers and Operations Research》等发表论文30余篇。作为负责人主持并完成国家自然科学基金面上项目1项、国家自然科学基金重点项目子项目1项、国家自然科学基金重大研究计划重点项目子项目1项、国家自然科学基金青年项目1项、省部级项目3项。陈艳教授为本科生、硕士、博士、MBA和MPAcc讲授《运筹学》、《投资学》、《金融风险管理》、《金融衍生产品》、《系统科学与管理工程》、《商务智能》等专业课程，其中，《金融风险管理》被评为上海市重点课程和精品在线课程。曾荣获上海市教学成果一等奖，目前已指导毕业博士研究生6名、硕士研究生50余名。


教育背景：
2007/09-2010/03，日本早稻田大学，信息、生产与系统科学研究院，工学博士
2006/09-2007/07，日本早稻田大学，信息、生产与系统科学研究院，信息工学硕士
2005/09-2008/07，四川大学，管理学院，管理科学硕士


职业经历：
2020/01-至今，湖南大学，工商管理学院，教授
2015/06-2020/01，上海财经大学，统计与管理学院，副教授，系主任
2010/09-2015/06，上海财经大学，统计与管理学院，助理教授
2009/03-2010/09，日本早稻田大学，信息、生产与系统研究院，研究员


招收学生的基本要求：
1、具有良好的数学基础，理工科背景优先；
2、掌握一门计算机编程语言，如Python、C语言、R语言、Matlab等；
3、具有良好的英语听说读写能力，能够阅读英文文献。

研究领域
研究领域为管理科学与信息科学，研究方向为：机器学习、复杂网络、智能优化、金融预测、区块链、风险管理等。
讲授课程
为本科生、硕士、博士、MBA和MPAcc讲授《运筹学》、《投资学》、《金融风险管理》、《金融衍生产品》、《系统科学与管理工程》、《商务智能》等专业课程，并为留学生讲授《运筹学》与《投资学》全英文课程。
研究成果
1、研究论文

1）英文期刊论文（部分代表作）

Y. Chen and D.X. Mo, “Stock Market Prediction Using Weighted Inter-transaction Class Association Rule Mining and Evolutionary Algorithm”. International Entrepreneurship and Management Journal (SCI), forthcoming
Y. Chen, D.X. Mo and Z.Z Xu, “A study of interconnections and contagion between Chinese financial institutions using a network”. Finance Research Letters (SCI), forthcoming
Y. Chen and W.Q. Yu, “Setting the Margins of Hang Seng Index Futures on Different Positions using an APARCH-GPD Model based on Extreme Value Theory”. Physica A: Statistical Mechanics and its Applications (SCI), Vol. 544, pp. 123207, 2020
X. Chen, Y. Chen, A. Wan and Y. Zhou, “On the Asymptotic Non-equivalence of Efficient-GMM and MEL Estimators in Models with Missing Data”. Scandinavian Journal of Statistics (SCI), Vol. 46, No. 2, pp. 361-388, 2019
F. Bai, X. Chen, Y. Chen and T. Huang, “A General Quantile Residual Life Model for Length-Biased Right-Censored Data”. Scandinavian Journal of Statistics (SCI), Vol. 46, No. 4, pp. 1191-1205, 2019
Y. Chen and Z.H. Shi, “Generating Trading Rules on the Stock Markets with Robust Genetic Network Programming and Portfolio Beta”. Journal of Advanced Computational Intelligence and Intelligent Informatics (EI), Vol. 20, No. 3, pp. 484-491, 2016
Y. Chen and X. C. Wang, “A Hybrid Stock Trading System Using Genetic Network Programming and Mean Conditional Value-at-Risk”. European Journal of Operational Research (SCI), Vol. 240, pp. 861-871, 2015
Y. Chen and K. Hirasawa, “A Portfolio Selection Model using Genetic Relation Algorithm and Genetic Network Programming”, IEEJ Transactions on Electrical and Electronic Engineering (SCI), Vol. 6, No. 5, pp. 403-413, 2012
Y. Chen, S. Mabu and K. Hirasawa, “Genetic relation algorithm with guided mutation for the large-scale portfolio optimization”, Expert Systems with Applications (SCI), Vol. 38, pp. 3353-3363, 2011
Y. Chen, S. Mabu and K. Hirasawa, “A model of portfolio optimization using time adapting genetic network programming”, Computers & Operations Research (SCI), Vol. 37, pp. 1697-1707, 2010
Y. Chen, S. Mabu, K. Shimada and K. Hirasawa, “A genetic network programming with learning approach for enhanced stock trading model”, Expert Systems with Applications (SCI), Vol. 36, pp. 12537-12546, 2009
Y. Chen, E. Ohkawa, S. Mabu, K. Shimada and K. Hirasawa, “A portfolio optimization model using Genetic Network Programming with control nodes”, Expert Systems with Applications (SCI), Vol. 36, pp. 10735-10745, 2009
Y. Chen, S. Mabu, K. Shimada and K. Hirasawa, “Real Time Updating Genetic Network Programming for Adapting to the Change of Stock Prices”, IEEJ Trans. EIS (SCI), Vol. 129, No. 2, pp. 344-354, 200

2）中文期刊论文（部分代表作）
陈艳，俞文强（2020）. 基于稀疏自编码器的金融市场指数预测模型[J].《数理统计与管理》，已接收.
李小亮，陈艳（2019）. 因变量缺失下部分线性变系数模型的稳健估计[J].《数理统计与管理》，38（219），40-48.
陈艳，石智慧（2017）. 基于Adaboost和正则化ELM的混合金融时间序列预测模型及其应用[J].《数理统计与管理》，36（1），113-125.
陈艳，王宣承（2015）. 基于变量选择和遗传网络规划的期货高频交易策略研究[J].《中国管理科学》，23（10），47-56.
王宣承，陈艳（2014）.典型事实约束下的沪深300股指期货动态保证金设定研究[J].《投资研究》，359（33），46-56.


2、研究项目
国家自然科学基金面上项目：“基于人工智能技术的金融预测与量化交易系统研究”，项目编号：**，2016-2019年，项目负责人。
国家自然科学基金重大研究计划重点项目：“金融大数据统计学习理论与方法及在互联网金融中的应用”，项目编号：**，2016-2019年，子项目负责人。
国家自然科学基金重点项目：“复杂环境下资产定价与风险管理的金融计量理论及其应用”，项目编号：**，2013-2018年，子项目负责人。
国家自然科学基金青年科学基金项目：“基于软计算与统计方法的智能交易系统研究”，编号**，2012-2014年，项目负责人。
上海市教育委员会科研创新重点项目：“人工智能技术及其在金融风险控制中的应用研究”，编号12ZZ072，2012-2014年，项目负责人。
上海市浦江人才计划资助项目：“基于进化计算的投资组合优化与风险管理系统研究”，编号11PJ**，2011-2013年，项目负责人。