统计与数据科学系系列学术报告之五百二十六期

报告题目：On Reference-Regulated Multiperiod Mean-Variance Portfolio Optimization in High Dimensions。多周期均值-方差（MV）投资组合优化是Markowitz静态MV框架的重要扩展，但仍易受估计误差影响。

本报告将提出一种参考策略调控的多周期均值-方差（RRMV）框架，通过惩罚偏离参考策略的行为，有效结合动态策略与参考组合的优势。报告将重点刻画在高维渐近情形下考虑均值向量与协方差矩阵估计误差时的样本外夏普比率表现，并分析参考惩罚项与投资周期如何共同影响组合表现，揭示正则化机制在多周期与单周期优化中的差异。

模拟与实证研究表明，该框架显著提升了多周期策略的稳定性与样本外夏普比率。

王炜辰，香港大学经管学院创新与信息管理系助理教授。博士毕业于普林斯顿大学运筹与金融工程系，曾任职于量化对冲基金Two Sigma Investments，期间担任普林斯顿大学金融计量课程访问讲师，本科毕业于清华大学数学物理基础科学专业。

研究兴趣包括计量因子模型、高维统计推断、鲁棒统计量、排序推断、以及机器学习在金融数据的应用，研究工作发表于Annals of Statistics, Journal of the American Statistical Association, Journal of Machine Learning Research, Operations Research, Journal of Econometrics等期刊。