管理科学系学术讲座（2月22日）

时间：2023年2月22日（周三）9:30-11:30

地点：管理学院思源楼524室

主题一：高维统计问题和随机矩阵的谱分析

主讲人：姚建峰

摘要：讲座会介绍下面几点：（1）高维统计和传统统计的显著差别；（2）随机矩阵理论对高维统计的贡献，包括报告者团队的工作；（3）今后研究的一些方向。

主讲人简介：姚建峰教授于1990年至2000年在巴黎第一大学索邦大学担任助理教授和副教授。2000年起担任雷恩第一大学数学系应用数学专业正教授。他还于1989-1994年在SUDIMAGE R&D、于2003-2004年在法国INRIA担任访问职位。2011年起在香港大学担任副教授和正教授。姚建峰教授同时也是山东大学数学学院特聘教授。

主题二：Matching Markets and Market Design

主讲人：鲁家琦

摘要：Market design is an exciting research area that lies at the interface of economics, operations research and computer science. In this talk, I will introduce some of my exciting recent work on designing efficient matching markets.

主讲人简介：鲁家琦教授现为香港中文大学（深圳）助理教授。鲁教授于2013年获清华大学工业工程及英语双学士学位。之后，她前往哥伦比亚大学深造，并于2015年获得哥伦比亚大学管理科学与工程硕士学位；于2021年获得决策风险及运营博士学位。她的研究使用随机建模，优化理论，统计物理学以及计算机科学中的工具来解决企业和社会中的复杂运营问题。具体方向包括匹配市场的分析、优化和设计，供应链管理以及客户关系管理。

主题三：Feature-based Dynamic Matching

主讲人：陈逸伦

摘要：We focus on the design of efficient online algorithms for large centralized matching platforms facing dynamic and highly heterogeneous demand streams (e.g. ride hailing, lodging, home services). We illustrate how the simple idea of "simulating the future" can lead to algorithms that are both easy to implement and enjoy a surprisingly universal near optimal performance guarantee towards the target of maximizing social welfare/total matching utility. We also briefly discuss other more general settings of online resource allocation.

主讲人简介：陈逸伦教授为香港中文大学（深圳）助理教授。陈教授于2014年获北京大学数学专业学士学位，其后前往美国佐治亚理工学院攻读运筹学，于2017年转学康奈尔大学。陈教授现于美国康奈尔大学攻读运筹学博士学位。他主要研究方向包括应用概率、序列决策、随机最优控制、最优止损与期权定价、老虎机、库存管理等。他是2019 INFORMS Nicholson最佳学生论文竞赛的获胜者。

主题四：Resampling Methods for Linear Models with Heterogeneous and Correlated Errors

主讲人：张云翼

摘要：Linear models with independent errors have been well-studied. However, statistical inference on a linear model with heterogeneous, dependent (and possibly non-stationary) errors is still a novel topic. Under such complex assumptions, this presentation introduces a debiased and thresholded ridge regression estimator that is consistent, and is able to recover the model sparsity. Moreover, we apply a dependent wild bootstrap algorithm to construct simultaneous confidence interval and hypothesis tests for linear combinations of parameters. Numerical experiments with both real and simulated data show that the proposed estimator has good finite sample performance. Of independent interest is the development of a new class of heterogeneous, (weakly) dependent, and non-stationary random variables that can be used as a general model for regression errors.

主讲人简介：张云翼教授现任香港中文大学（深圳）数据科学学院助理教授，此前他在加利福尼亚大学圣迭戈分校获得数学博士学位。他曾在一些统计学顶级期刊上发表文章，如 Annals of Statistics。他曾任 Journal of Time Series Analysis 杂志审稿人。