聚焦数字金融 首届金融数学与金融科技国际论坛成功举办

本篇文章3348字，读完约8分钟

随着金融技术的飞速发展，数学、金融和现代技术的深度融合已经成为时代的大趋势。以大数据、人工智能、云计算和区块链为代表的数字技术正在深刻改变金融市场的创新能力、服务质量和风险控制水平。

由中国人民大学数学学院、中国人民大学出版社、中国人民大学统计与大数据研究所、中关村(000931)互联网金融研究所和中国人民大学苏州校区联合举办的“首届金融数学与金融技术国际论坛”于2019年6月30日至7月2日在中国人民大学苏州校区成功举办。来自美国普林斯顿大学、加拿大多伦多大学、英国牛津大学、帝国理工学院、数学与系统科学研究所、中国科学院等国内外著名大学和研究机构的专家学者，从数学、统计、信息技术、金融等角度进行了精彩的专题报道和深入交流。

郑志勇中国人民大学数学学院院长教授

中国人民大学数学学院院长郑志勇教授主持开幕式并致辞。郑智勇教授在讲话中指出，中国人民大学数学学院成立于2018年6月30日。众所周知，经济数学是中国人民大学数学学科的传统特色和优势，本次会议的成功召开将成为我们学科建设的新征程和新起点。他特别指出，数学是大数据、分布式技术、人工智能和其他技术的共同之母！从牛顿微积分到牛顿力学到第一次工业革命，从麦克斯韦电磁方程到法拉第电磁变换定律到第二次工业革命，从爱因斯坦相对论到量子力学到第三次工业革命，历史一再证明数学是一切知识创新、技术创新和产品创新的源泉。今天，我们正处于信息和数字技术飞速发展以及金融业向智能化深刻转变的前夕。数学在金融技术中起着至关重要的作用和地位。

龙永红教授，中国人民大学教务处主任

中国人民大学教务处主任龙永红教授代表组织者致辞。他指出，中国人民大学长期以来坚持以文科为主，以理工科为辅的学科发展布局。近年来，数学学院和人工智能研究所的成立被视为建设“双一流”的重要战略举措。为适应当前以网络化、信息化、数字化和智能化为核心的新一轮产业革命，学校提出了新工程与新文科融合的学科发展和人才培养的理念和思路。中国人民大学的数学学科可以追溯到1950年的数学教研室。1978年，学校复课后成立了信息系，强调数学、信息技术和经济管理的结合。数学学院成立以来，进一步强调基础数学的发展，突出与经济管理的结合，以及与信息技术结合的特点和优势。他还表示，在当前金融技术发展的热潮中，我们要准确把握金融技术发展的大趋势，深入分析和研究金融技术发展的基础和核心问题，不仅要认真研究和思考定量方法和金融技术在当前市场中的合理深入应用，还要结合金融的本质特征和发展趋势，根据未来市场建设、监管和治理的要求，提出和解决重大关键问题。为此，本次会议对中国人民大学相关学科的发展和未来金融科技的发展具有重要意义。

林小明苏州工业园区党委委员、管委会副主任、组织部部长

苏州工业园区党委委员、管委会副主任、组织部部长林小明指出，目前，苏州工业园区正处于转型升级、优质发展的重要关头。苏州工业园区基于大数据和云计算的人工智能产业已经积累了坚实的基础，为促进金融与技术的深度融合提供了技术支持和产业环境。

刘墉中关村互联网金融研究所所长

中关村互联网金融研究所所长刘墉指出，数字经济的发展离不开数字技术的支持。以大数据技术、人工智能技术、分布式技术和安全技术为代表的技术是由不断发展的前沿技术驱动的，注重技术和产业的融合。数字金融作为数字经济的重要组成部分，已经形成了良好的发展趋势，并呈现出网络化、智能化和通用化的发展趋势。

中国人民大学出版社副总编辑阿波罗表示，近年来，中国人民大学出版社一直关注并深入参与金融科技前沿领域金融教学及相关成果的出版和推广。 并希望继续利用中国人民大学的学科优势，结合国内专家和NPC在高校教材领域的品牌优势，推动金融科技产业的蓬勃发展，推动金融数学和金融科技领域的研究和出版。

美国普林斯顿大学金融学教授，科普斯奖获得者，台湾中级人民法院院士

在专题报告环节，普林斯顿大学摩尔金融学教授、科普斯奖获得者、台湾中级人民法院院士范建清做了题为《金融预测与影响的统计机器学习》的报告。报告介绍了机器学习、深度学习、人工智能和大数据的基本问题，特别指出了机器学习目前面临的重要挑战，包括个体差异大、数据集未知、特征提取困难、跨学科交叉等。，以及大数据应用程序的共同特征，即相互依赖和重尾问题。针对如何处理重尾数据和利用协变信息，提出了一种因子调整的稳健模型方法，分析了该方法的技术原理和实现方法，给出了稳健预测的两种有效处理原则，包括数据截断和自适应huber损失技术。范建清教授的报告涵盖了统计机器学习的最新进展及其在金融预测和推理中的应用。

艾伦·彭是加拿大联邦政府金融监管委员会的专家，多伦多大学的兼职教授，加拿大中央银行总行风险管理副总裁

加拿大联邦政府金融监管委员会专家、多伦多大学兼职教授、加拿大中央银行风险管理副总裁Alan peng详细阐述了大数据、云计算、过程机器人(300024)、人工智能、区块链等新兴技术问题。从金融技术对银行业和风险管理的影响出发，分析了新技术的概念、机理、优势和发展现状。他指出，新兴技术对银行风险管理有着深远的影响。他表示，新兴技术正在引发风险管理策略发展的最大变化，尤其是在降低成本、提高速度和准确性、网络风险和金融业模型风险方面。

蔡宗武，美国堪萨斯大学经济系查尔斯·奥斯瓦尔德教授，报告了可变参数前向-后向扩散模型的推论，该模型涵盖了资产定价、股票定价、利率分析和期权定价等一系列金融模型。基于非线性模型的一阶近似和高阶近似，详细阐述了几种估计结果，给出了线性和非线性扩散模型的估计方法，并分析了所涉及的具体技术难点。报告还给出了随机波动模型、black-scholes模型和heston模型的估计和检验结果。

佐治亚理工学院教授乔治·兰报告了多阶段随机优化的动态随机逼近理论及其在资产配置中的应用，阐述了与资产配置相对应的多阶段优化所涉及的一系列因素及其数学模型描述。针对这一前沿问题，兰教授分析了现有技术的局限性，发展了动态随机逼近技术，给出了三阶段优化问题的求解方法，并将其推广到多阶段优化问题，指出对于阶段相关问题、高维问题和多周期等实际问题，新方案比现有方法具有明显的优势。

多伦多大学风险实验室主任、西格玛分析管理有限公司总裁兼首席执行官、多伦多大学数理金融项目部主任路易斯·塞科(Luis seco)重点报道了证券投资组合的人工智能，并从历史回顾的角度阐述了金融技术和监管技术的重要价值。从现代现代投资组合理论到后现代投资(000900) (000900)组合构建，塞科教授分析了风险边界、投资回报的数学模型、投资目标等相关票据，并指出了投资范式的重要转变。此外，结合强化学习、深度学习和人工智能发展等里程碑事件，深入分析了这些新兴技术在金融场景中的应用，强调了大数据带来的风险和形成良性循环的价值链。

威斯康辛大学教授王雅珍

威斯康星大学的王雅珍教授带来了一份报告，题目是高频和低频金融数据的统一建模和联合分析。首先，王教授以1980-2016年的标准普尔500指数为例解释了低频金融数据的特征，并给出了一系列随机波动模型。然后，他以股票市场和欧元汇率为例，展示了高频金融数据的特征，并给出了离散时间和连续时间的数学模型来描述它。在此基础上，王教授提出了一个统一的garch-ito模型来描述高频和低频金融数据共存的波动过程，并分析了新模型的统计特征和参数估计方法，从而为上述问题建立了一个有效的数学描述框架。王教授通过案例分析论证了新模式的有效性和优越性。

在当前新一轮工业革命的推动下，人类社会从工业革命时期进入了一个全新的信息社会。数据在促进科技创新、维护金融安全和促进实体经济发展方面发挥着巨大作用。以数据为生产要素的数字经济正在兴起。随着人工智能、大数据和5g技术的不断进步，数字金融的智能化和通用化已经成为现实。在此背景下，首届金融数学与金融科技国际论坛成功汇聚了国内外行业专家学者，通过讨论交流，为推动数字金融产业升级发展，充分发挥金融科技基础技术带来的创新提出了新的思路和方向。

来自金融部门金融渠道的作品都是有版权的作品，未经书面授权禁止任何媒体转载，否则将被视为侵权！