時 間：2019年8月29日 下午4點
地 點：管理學院506會議室
報告人簡介：
徐鳳敏，女，河南鄭州人，計算數學博士，西安交通大學經濟與金融學院教授、博士生導師，院長助理，金融工程系系主任。加拿大西蒙弗雷澤大學訪問學者、香港理工大學訪問學者、韓國首爾大學高級交換學者，陜西青年科技獎獲得者。中國雙選法學會理事，中國雙選法學會經濟數學與管理數學分會副理事長兼秘書長,中國運籌學學會數學規劃分會常務理事。
申請人長期致力于大數據所涉及的統計與稀疏優化理論算法的研究和典型金融問題微觀研究。目前，已在國內外知名期刊上發表多篇文章。參與編寫專著1部。主持兩項國家自然科學基金，參與一項自然科學基金重點項目。
主要內容：
在實際的業務環境中，投資組合經理經常面臨業務驅動的需求，這些需求限制了他們最優投資組合中的組成部分的數量。因此，自然稀疏金融優化模型的目的是最小化給定的目標函數，同時對投資組合中的資產數量施加上限。本文討論了選擇稀疏金融模型的原因以及如何選擇最優稀疏參數。此外，提出了稀疏和群稀疏指數跟蹤模型和算法，并進行了實證檢驗，結果表明該方法生成的稀疏組合具有較高的樣本外跟蹤誤差。
In the practical business environment, portfolio managers often face business-driven requirements that limit the number of constituents in their optimal portfolio. A natural sparse Finance optimization model is thus to minimize a given objective function while enforcing an upper bound on the number of assets in the portfolio. In this talk we consider why we select sparse financial model and how to select the optimal sparsity parameter. Furthermore, Sparse and group sparse index tracking models and algorithms are presented, and we conduct empirical tests to demonstrate that our approach generally produces sparse portfolios with higher out-of –sample tracking error.
