近期,
管理学领域国际高水平期刊
Production and Operations Management
(简称POM)在线刊发我院夏俐教授为独立作者的重要研究成果“Risk-Sensitive Markov Decision Processes with Combined Metrics of Mean and Variance”
,这是我院高质量研究成果的重要体现,助力我院“双一流“学科建设。
该研究关注资产组合管理优化的现实问题。资产收益的方差体现了金融资产的波动性,是衡量金融资产风险的重要指标,均值-方差优化是资产组合管理优化的经典问题,其目标是不仅要最大化资产收益率的平均值,同时要控制资产收益的方差。均值-方差优化是诺贝尔经济学奖得主Markowitz教授的代表性成果,早期的均值-方差优化只针对静态问题场景,在扩展到动态系统时,该问题往往需要建模为马氏决策过程,然而由于方差指标的时间不一致性导致经典动态规划原理不再成立,传统优化理论无法直接解决该问题。
该研究解决了在随机动态环境下联合优化均值和方差的难题,给出了最优策略的优化算法,分析和证明了算法的收敛性质,并有望在风险敏感强化学习这一国际前沿课题方面取得进一步的研究成果。
自2014年起,夏俐教授针对该问题进行了持续深入研究,从灵敏度优化理论的新角度来研究该问题,提出了解决随机动态均值-方差优化问题的新方法,并获得了国际同行的认可。近五年围绕该问题发表了多篇唯一作者署名论文,包括管理领域顶刊POM (1篇)、控制领域顶刊
Automatica
(2篇)、应用数学领域权威期刊DEDS (1篇),申请获得1项国家自然科学基金面上项目(风险敏感的马氏决策过程与强化学习及其应用,62073346)和多项发明专利,并指导学生和博士后进一步研究基于该方法论的风险敏感强化学习算法实现,应用于金融资产组合管理优化、新能源发电波动性抑制等工程问题,形成了较为完整的研究体系。
Production and Operations Management
是运筹管理领域的顶级期刊,以其在运筹管理领域具有极高的影响力著称,也是国际商学院公认的一流期刊目录UTD24刊物之一,在国际管理学界享有极高的学术声誉。近年来,我院制定了一系列科研及人才培育制度,为学院教师提供了有力保障,激发了科研活力。积极引导学院教师面向学术前沿、面向国家重大战略需求、面向国家和区域经济社会发展,坚持需求导向和问题导向开展高质量科学研究,重要创新成果竞相涌现,科研实力正在从量的积累迈向质的飞越,发挥了高校在科学研究中的重要作用。