【前沿讲座】报童决策模型的机器学习求解与金融风险把控

2019年12月26日 16:00 ~ 2019年12月26日 19:00

北京思东611

名额 30

原婷

报名人数已满
手机访问

微信扫一扫,活动随身看

报名截止时间:2019-12-20 14:30
取消预约时间:2019-12-20 14:30
讲座人:Frank Y. Chen教授
承办方:经管学院
适用人群:学硕研究生 博士研究生 
费用说明:免费
活动说明

讲座人介绍:

陈有华教授(Frank)是香港城市大学的讲座教授、管理科学系主任。他分别拥有清华大学,滑铁卢大学和多伦多大学的工程学学士学位,经济学硕士学位和管理博士学位。在1997年加入新加坡国立大学之前,他曾在西北大学进行博士后学习。在香港中文大学(CUHK)任教11年后,陈教授于2012年加入城大。他所教授的课程包括运营管理,供应链管理,物流和先进制造管理。他还积极参与了高管教学(EDP和EMBA)。陈教授还参与了供应链管理和物流领域的咨询项目。他目前的研究项目涵盖从医疗保健运营管理,物流供应链管理到数据驱动的运营。他是最近完成的两个主要项目的项目协调员,并且是10多个专项研究补助金的主要研究人员。

讲座内容:

许多零售商定期推出寿命短的新产品。与现有产品不同,新产品没有历史销售数据用来预测未来的销售量。但一家公司过去可能一直在销售类似产品,并保持良好记录。除了需求/销售数字之外,数据记录还可以包含有关产品属性(特征)的丰富信息,例如零售价格、设计风格和季节,即所谓的需求协变量信息。在此项目中,尝试使用协变量信息将新产品链接到历史上已售出的“相似”产品。权重用于衡量新产品与历史产品之间的相似性,并且这些权重的值是通过使用机器学习方法(例如k最近邻,分类和回归树以及随机森林)来估计数据的。然后,利用一对相似的历史产品的已实现需求及其关联的权重,以及来自其他相似产品的对,来近似采用(有条件的)需求分配的预期利润和其他数量。该方法适用于在规避风险的公司推出新产品之前确定最佳订单数量。风险规避要求企业高度自信地实现利润目标,可以将其表述为风险价值(VaR)约束。除了设计有效的解决方案,我们还证明了所提出的近似值即使在VaR约束的样本依赖近似值上也渐近最优。

注意:

1.网上预约所要求填写的学号与姓名均为必填项,且须与本人一卡通完全一致,否则会导致最终预约不成功。

2.讲座开始前工作人员收一卡通记次数,讲座结束后归还。预约而未听讲座、讲座迟到早退者均倒扣一次,未预约而去听讲座不计次数。

3.学院学生均使用学校mis账号及密码进行登录报名,校内学生使用校外注册账号进行报名,将视为校友或者其他校外人员,并不予进行统计前沿讲座次数。

最近参与
名额: 30 | 剩余: 0
相关活动
活动评分
写入评价
提交
活动评价

活动报名 关闭

请选择您的身份?

校外人员校内人员

地址:北京西外上园村北京交通大学思源东楼

邮编:100044