我院罗俊教授与合作者在INFORMS JOURNAL ON COMPUTING 上发表论文
2025-04-02

我院罗俊教授与合作者在INFORMS JOURNAL ON COMPUTING 上发表论文

我院管理科学系罗俊教授与合作者Liang, Guo; Zhang, Kun于2024年11月在国际顶级期刊 INFORMS JOURNAL ON COMPUTING 上发表学术论文“A FAST Method for Nested Estimation”(2024, Vol.36 (6), p. 1481–1500)。【论文摘要】《嵌套估计的快速方法》嵌套估计旨在解决条件期望非线性函数的估计问题,在金融衍生品投资组合风险度量、智能制造系统不确定性量化等管理科学与工程的应用领域中具有重要价值。这些问题中,条件期望的解析表达形式通常是未知的,使得问题的求解更加复杂。随着人工智能+时代的到来,基于大数据和智能算法的随机仿真技术逐渐成为解决此类挑战的核心方法。本文针对标准嵌套仿真方法的收敛速度瓶颈,提出将刀切法应用于嵌套结构分析,进而提出一种基于刀切法的FAST估计量,能更高效地利用样本。在理论层面,本文为FAST方法提供了收敛保证,证明了相对于标准嵌套仿真方法,FAST方法能够在保持渐进方差不变的同时显著降低偏差,实现均方误差收敛速率从传统方法的-2/3阶提升至-4/5阶

了解详情
安泰10位学者入选爱思唯尔2024“中国高被引学者”榜单
2025-03-26

安泰10位学者入选爱思唯尔2024“中国高被引学者”榜单

2025年3月25日,爱思唯尔(Elsevier) 发布了2024“中国高被引学者” (Highly Cited Chinese Researchers)榜单。本次,上海交通大学共有18名学者入选“工商管理”、“管理科学与工程”、“应用经济学”三个一级学科榜单,其中我院有9位学者入选,另有9位学者分别来自于上海高级金融学院和中欧国际工商学院。我院入选榜单的学者名单如下:工商管理:陈方若、刘益、李垣、尹海涛、曾赛星管理科学与工程:朱庆华、董明 应用经济学:陈工孟、吴文锋此外,我院双聘院士贾伟平教授入选“临床医学”学科榜单。2024“中国高被引学者”上榜共计6388人, 来自547所高校、企业及科研机构,覆盖了10个教育部学科领域中的83门一级学科。该榜单主要采用全球权威的引文与索引数据库Scopus作为中国学者科研成果的统计来源。2025年是该榜单的第11次发布。据悉,中国高被引学者榜单主要统计的是Scopus数据库收录的科研成果发表署名机构为中国(大陆)机构的作者,且现职工作单位在中国(包括非中国籍和非华裔学者),榜单仅统计学者作为第一作者或通讯作者发表的科研成果。

了解详情
法国ESCP商学院Michael Haenlein教授莅临我院并作专题讲座
2025-03-20

法国ESCP商学院Michael Haenlein教授莅临我院并作专题讲座

2025年3月18日下午,应我院学术期刊《管理分析学报(英文)》(Journal of Management Analytics,简称“JMA”)的邀请,国际知名市场营销学者Michael Haenlein莅临我院,围绕The Long River of Knowledge: How Business Research Creates Enduring Influence(知识的长河:管理学研究如何形成长远影响力)这一主题,为师生带来了一场精彩纷呈的学术讲座。Michael Haenlein现任法国ESCP商学院营销学教授,美国营销学会(AMA)President-Elect Designate、欧洲营销学会副主席,并在International Journal of Research in Marketing、Journal of Marketing、JMA等多本学术期刊担任副主编。在讲座中,Haenlein教授以自身开展的5项研究为切入点,深入探讨了管理学研究如何才能对社会产生持续性的影响。他首先定义了长期影响力及其测量方式。随后,他探讨了怎样的结果变量能够增加研究的长期影响力,并

了解详情
我院张大可助理教授在 The Journal of Finance 上发表论文
2025-03-19

我院张大可助理教授在 The Journal of Finance 上发表论文

我院金融系助理教授张大可与合作者Giglio, Stefano; Xiu, Dacheng于2025年2月在金融学领域顶级期刊 The Journal of Finance 上发表学术论文“Test Assets and Weak Factors”, 2025, Vol.80(1), p. 259-319。 【论文摘要】测试资产的选择在实证资产定价中扮演着至关重要的作用。近年来,随着实证文献中异常现象及相关特征的大量发现,研究者得以面对一个庞大的测试资产的选择范围。一方面,丰富的测试资产使我们有理由相信,通过分析它们的收益可以帮助我们揭示和识别各种风险的定价,包括那些不能被传统模型很好捕捉到的风险。另一方面,高维数据与弱因子问题相伴而生:某些因子可能仅在部分资产中有所体现,但若大多数资产对该因子缺乏暴露,则该因子会变得弱且难以捕捉,进一步会导致对应的资产定价模型的估计与推断结果不准确。在本文中,我们认识到这两个实证资产定价中的重要问题——弱因子问题和测试资产的选择——是密切相关的。基于这一认识,我们提出了一种新的方法——监督主成分分析(SPCA),旨在通过合适地选择

了解详情
显示模式:
Baidu
map