报告所属学科：管理科学与工程
报告人：彭一杰（北京大学光华管理学院）
报告时间：2020年12月21日 11:30
报告地点：经管院702
报告摘要：
实际中随机系统的风险度量通常不具有解析形式，但可以通过仿真估计。经典的仿真优化问题研究随机系统样本表现期望的最大化，基于梯度的算法是解决高维复杂随机仿真系统优化最有效的方法。随机梯度估计是其中的中心问题，报告人将回顾经典方法。如何得到有结构参数的不连续样本表现的无偏随机梯度估计是仿真领域研究了几十年的核心理论问题，报告人提出一种广义似然比方法系统性地解决这一问题，并给出它在金融、人工智能等问题中的应用。风险值（VaR）是常用的金融风险度量，风险值的优化在金融风险管理与投资组合优化中有重要意义。报告人将在于广义似然比风险值敏感性估计的基础上给出多尺度随机梯度下降算法，该算法被证明以概率1收敛到风险值的最优解，并通过算例说明所提出方法的有效性与在实际问题中的应用前景。
报告人简介：
彭一杰，北京大学光华管理学院助理教授，博士生导师。本科毕业于武汉大学数学与统计学院，从复旦大学管理学院获博士学位。在美国马里兰大学和乔治梅森大学分别从事过博士后与助理教授工作。主要研究方向包括仿真建模与优化、金融工程与风险管理、人工智能、健康医疗等。主持多项科研基金项目，包括国家优秀青年科学基金项目，国家青年科学基金项目，北京市青年骨干个人项目等。在《Operations Research》，《INFORMS Journal on Computing》和《IEEE Transactions on Automatic Control》等高质量期刊上发表学术论文20余篇。曾获得2019年INFORMS Outstanding Simulation Publication Award，2017年IEEE Robotics and Automatic Society Best Paper Award Finalists。目前担任Asia-Pacific Journal of Operational Research期刊 与IEEE Control Systems Society 会议编委，中国运筹学会金融工程与金融风险管理分会常务理事，中国仿真协会人工社会专委会委员。
