数学学科2024系列学术报告之三十三

　　题目：基于强化学习的离散时间均值-方差策略

　　报告人： 李迅

　　时间：2024年11月22日（周五），上午10：00-11：00

　　报告地点： 理学院1-301会议室（腾讯会议：609-272-073）

　　报告摘要：本报告研究了一种基于强化学习的离散时间均值-方差模型。与Wang-Zhou (2020)的连续时间模型相比，离散时间模型对资产收益分布的假设更为广泛。通过使用熵来衡量探索成本，推导出最优投资策略，其密度函数同样为高斯类型。此外，设计了相应的强化学习算法。模拟实验和实证分析表明，离散时间模型在分析实际数据时，相较于连续时间模型具有更好的适用性。

　　报告人简介：

　　李迅，于1992年获上海科技大学数学系学士学位，1995年获上海大学数学系硕士学位。2000年在香港中文大学系统工程与工程管理学系获得博士学位，并于2001年在该系担任博士后研究员。从2001年至2003年，他在卡尔加里大学数学与计算金融实验室担任博士后研究员。2003年至2007年，他是新加坡国立大学数学系的访问学者。2007年起，他加入香港理工大学应用数学系，担任助理教授，2013年晋升为副教授，目前为教授。其主要研究领域为随机控制与金融应用中的应用概率，已在SIAM Journal on Control and Optimization、Annals of Applied Probability、IEEE Transactions on Automatic Control、Automatica、Journal of Differential Equations、Mathematical Finance、Finance and Stochastics以及Quantitative等期刊发表论文。