数学与统计学院学术报告[2020] 090号

(高水平大学建设系列报 443号)

报告题目: A hybrid deep learning approach for optimal insurance strategies

报告人：　 金卓　高级讲师 （ 澳大利亚墨尔本大学 ）

报告时间：2020年11月11日16：00 – 17：00

报告平台及链接： 腾讯会议ID: 968 128 784

报告内容：This work studies a deep learning approach to find optimal insurance strategies for insurance companies. Due to the randomness of the financial ruin time to terminate the control processes, a Markov chain approximation-based iterative deep learning algorithm is developed to study this type of infinite-horizon optimal control problems. The optimal controls are approximated as deep neural networks. The framework of Markov chain approximation plays a key role in building the iterative equations and initialization of the algorithm. Optimal parameters of neural networks are then obtained iteratively. Convergence of the algorithm is studied. Satisfactory computation efficiency and accuracy are achieved as presented in numerical examples.

报告人简历：金卓，博士， 澳大利亚墨尔本大学经济系精算中心高级讲师。 2005年和2007毕业于华中科技大学数学系应用数学专业，分别获理学学士和硕士学位，2011年毕业于美国韦恩州立大学数学系数学专业，获哲学博士学位。2011年9月至今在澳大利亚墨尔本大学经济系精算中心工作。研究方向为随机最优控制，随机系统的数值方法，精算学，数理金融。在国际期刊发表50余篇论文，期刊包括Insurance Mathematics and Economics, European Journal of Operational Research, SIAM Journal on Control and Optimization, Automatica, ASTIN: Bulletin, Scandinavian Actuarial Journal.　　　　　　　　　　　　　　　　　　　　　　　　　　

数学与统计学院

　　　　　　　 　　　　　　　　　　　　　2020年11月10日