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。

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。