时 间：2019年8月29日 下午4点
地 点：管理学院506会议室
报告人简介：
徐凤敏，女，河南郑州人，计算数学博士，西安交通大学经济与金融学院教授、博士生导师，院长助理，金融工程系系主任。加拿大西蒙弗雷泽大学访问学者、香港理工大学访问学者、韩国首尔大学高级交换学者，陕西青年科技奖获得者。中国双选法学会理事，中国双选法学会经济数学与管理数学分会副理事长兼秘书长,中国运筹学学会数学规划分会常务理事。
申请人长期致力于大数据所涉及的统计与稀疏优化理论算法的研究和典型金融问题微观研究。目前，已在国内外知名期刊上发表多篇文章。参与编写专著1部。主持两项国家自然科学基金，参与一项自然科学基金重点项目。
主要内容：
在实际的业务环境中，投资组合经理经常面临业务驱动的需求，这些需求限制了他们最优投资组合中的组成部分的数量。因此，自然稀疏金融优化模型的目的是最小化给定的目标函数，同时对投资组合中的资产数量施加上限。本文讨论了选择稀疏金融模型的原因以及如何选择最优稀疏参数。此外，提出了稀疏和群稀疏指数跟踪模型和算法，并进行了实证检验，结果表明该方法生成的稀疏组合具有较高的样本外跟踪误差。
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.
