金融系教师参加首届金融数学与金融科技国际论坛

2019年6月29日至7月1日，首届（2019）金融数学与金融科技国际论坛在苏州隆重召开。本届盛会由由中国人民大学数学学院主办中国人民大学出版社、中国人民大学统计与大数据研究院、中关村互联网金融研究院、中国人民大学苏州校区、苏州工业园区协办。本届国际论坛共有来自美国普林斯顿大学、加拿大多伦多大学、英国牛津大学、帝国理工学院、中国科学院数学与系统科学研究院、清华大学、北京大学、中国人民大学等国内外著名高校和研究机构，以及Concentra Bank，Credit Suisse，Nomura International，建设银行总行等国内外著名金融机构的百余名代表参加。我校金融系教师赵毅博士受邀参加此次论坛。
美国普林斯顿大学Moore金融学讲席教授，COPSS奖获得者，台湾中央研究院院士范剑青做了题为《Statistical machine learning for
financial prediction and inference》的主题报告，报告介绍了机器学习、深度学习、人工智能、大数据的基础问题，特别指出机器学习目前面临的重要挑战，包括个体差异大、数据集未知、特征难提取、多学科交叉等，以及在大数据应用中的普遍特征，即相互依赖性及重尾问题。针对如何处理重尾数据和使用协变量信息，提出了因子调整鲁棒模型方法，分析了这一方法的技术原理与实现方法，针对鲁棒预报问题给出了两个有效的处理原则，包括数据截断与自适应Huber损失技巧。范剑青教授的报告涵盖了统计机器学习的最新进展及其在金融预报与推断中的应用。

加拿大联邦政府金融监管委员会专家，多伦多大学兼职教授，加拿大Concentra Bank总行风险管理副总裁Alan Peng从金融科技在银行业及风险管理方面的影响，阐述了大数据、云计算、流程机器人、人工智能、区块链等新兴技术议题，剖析了新技术的概念、机制、优势、发展状况等主要内容，指出新兴技术对银行业风险管理方面有着深刻的影响。他表示，新兴技术正在引起风险管理战略发展的最大转变，特别是针对金融业成本降低、速度与准确度提升、网络风险、模型风险等方面有着全面深入的影响。

论坛集中国内外学界和业界的著名学者和专家，分别从自身研究领域和主管工作出发，在理论和实务两个层面，为全体参会代表提供了关于金融数学与金融科技的最新成果：美国堪萨斯大学经济系Charles Oswald讲席教授蔡宗武围绕变参数前向-倒向扩散模型的推断问题展开报告；乔治亚理工学院教授George Lan的报告围绕多阶段随机优化问题的动态随机逼近理论及其在资产配置中的应用展开，阐述了资产配置对应的多阶段最优化问题中所涉及的一系列因素及其数学模型刻画；多伦多大学风险实验室主任，Sigma分析管理有限公司总裁兼首席执行官，多伦多大学数学金融项目部主任，教授Luis Seco着重报告了面向证券投资组合的人工智能，从历史回顾的角度阐述了金融科技与监管科技协同的重要价值；威斯康大学教授Yazhen Wang提出了一种统一的GARCH-Ito模型来描述高频与低频金融数据并存的波动过程，剖析了新模型的统计特性及参数估计方法，从而对前述问题建立了一套有效的数学刻画框架。

在当前以人工智能为代表的新一轮产业变革的推动下，人类社会已经由工业革命时期进入了全新的信息化社会，以数据作为关键生产要素的数字经济形态正在崛起，随着人工智能、大数据、5G技术的不断进步，数字金融智能化、普惠化已是大势所趋。本届论坛的召开，融合了国内外学界和业界专家的智慧，通过研讨与交流，为发展我国在人工智能时代的金融数学与金融科技研究，促进数字金融产业升级发展、充分发挥金融科技底层技术带来的创新，提出了新视角、新方向、新思路。