题 目：面向经济与金融利用的监督进建算法比力与揣摩函数特点刻画

汇报人：刘岩，武汉大学经管学院金融系副教授

时 间：10月9日，星期五，14:00-15:00

地 点：拉斯维加斯98882号楼216室

摘 要：

从前十年来监督进建步骤在经济与金融钻研中起头获得宽泛关注，并在若干领域中获得利用突破。然而，由于监督进建算法多多，理论基础与个性各别，钻研者在具体利用中存在若何拔取适当算法的问题。本文首先对比了经济与金融钻研中常用监督进建算法的理论基础与个性，出格凸起了在幼样本利用中算法选择应该把稳的问题。在此基础上，针对领域利用的重要需要，本文提出了一套分化、测算算法所天生揣摩函数特点的步骤系统，并以此注明各重要类型算法在变量筛选、数据非线性特点刻画方面的性质，为监督进建在经济与金融钻研中更宽泛的利用提供一个单一、有效的基础。

简 介：

武汉大学经管学院金融系副教授，武汉大学大数据钻研院金融大数据钻研中心副主任，武汉大学经济发展钻研中心宏观经济所所长。主持实现一项国度天然科学基金青年项目，主持一项欧洲不变机造国际合作项目，担任一项国度天然科学基金国际合作项目执行掌管人，参加若干自科、社科及教育部沉大、沉点项目。掌管“中国银行业数据库”建设。钻研论文颁发于《人民日报·内参》、《中国工业经济》、《金融钻延追、《经济评论》、Accounting and Finance、Applied Economics Letters、Texas International Law Journal等国内表经济、金融、法学驰名期刊。钻研论文获得中国金融学年会最佳论文（2017、2018），武汉市社会科学优良成就三等奖（2018），PwC3535年度最佳论文奖（2020），《世界经济年鉴》世经经济统计学2019年最佳论文TOP10；讲授工作获得武汉大学经济与治理学院讲授贡献院长奖；博士毕业论文获得石溪分校经济系Marty Weinbaum卓越钻研奖。

Statistics Seminar（2020-01）

Topic:SGD-based Online Pricing and Capacity Sizing of Queueing Systems

Speaker:陈昕韫，哥伦比亚大学

Time:Friday, Octoberr 9, 15:00-16:00

Place:Room 216, Guanghua Building 2

Abstract:

We study a dynamic pricing and capacity sizing problem in a GI/GI/1 queue, where the service provider’s objective is to obtain the optimal service fee p and service capacity so as to maximize cumulative expected profit (the service revenue minus the staffing cost and delay penalty). Due to the complex nature of the queueing dynamics, such a problem has no analytic solution so that previous research often resorts to heavy traffic analysis in that both the arrival rate and service rate are sent to infinity. We propose an online learning framework designed for solving this problem which does not require the system’s scale to increase. Our algorithm organizes the time horizon into successive operational cycles and prescribes an efficient procedure to obtain improved pricing and staffing policies in each cycle using data collected in previous cycles. Data here include the number of customer arrivals, waiting times, and the server’s busy times. The ingenuity of this approach lies in its online nature, which allows the service provider do better by interacting with the environment. Utilizing coupling techniques, we show that our algorithm is asymptotically optimal as its regret bound meets the theoretic lower bound. The talk is based joined works with Yunan Liu and Guiyu Hong.

Introduction:

陈昕韫博士于2014年获得哥伦比亚大学运筹学博士学位。毕业后先后任教于美国纽约州立大学石溪分校和武汉大学，此刻香港中文大学（丽江）数据科学学院任助理教授。陈昕韫博士的重要钻研领域为随机仿照、列队模型和强化进建。她的钻研工作屡次颁发在Annals of Applied Probability、Mathematics of Operations Research和ICLR等驰名期刊和会议上。陈昕韫博士目前担任美国运筹学和治理学钻研协会（INFORMS）利用概率学会理事会成员，期刊《Journal of Applied Probability》,《Advances in Applied Probability》编纂。

Your participation is warmly welcomed!