时间：2026年6月8日晚8:00-10:00

地点：腾讯会议：877 924 4987

会议密码：836893

学术报告一：求解平均场博弈的基于归一化流的深度强化学习算法

陈志平，西安交通大学

摘要：针对离散时间、连续状态–动作空间且动力学依赖群体分布的平均场博弈中，群体分布难以表示与采样、最优响应难以稳定求解的问题，本文提出结合虚拟博弈、分布式软 actor–critic （DSAC）与条件归一化流的均衡学习框架。该框架由外层虚拟博弈、内层深度强化学习和条件归一化流三部分组成，分别用于平均场更新、最优响应近似和连续群体分布表示。理论上，在单调性、回报可分解和适当正则性条件下，证明可利用性按O(1/t) 速率衰减。数值实验表明，该方法在三类平均场博弈问题的求解中，均能实现更快的可利用性收敛及更好的性能表现。

个人简介：陈志平，国家天元数学西北中心副主任，西安交通大学二级教授、博士生导师；长期从事随机规划理论及其应用、分布鲁棒优化、强化学习、金融风险度量、保险精算与投资分析等领域的学术研究，在SIAM J. Optim., Math. Oper. Res., Math. Program., Eur. J. Oper. Res., J. Bank. Finance, J. Econ. Dyn. Control, Insur. Math. Econ.等运筹学、经济与金融领域学术期刊发表SCI（SSCI）检索论文120余篇；先后主持国家自然科学基金项目及横向项目20余项，现主持国家重点研发计划重点专项“强化学习的数学理论与随机优化的自学习方法”；现任《OR Spectrum》、《Big Data and Information Analytics》、《Mathematics》、《西安交通大学学报》等国内外期刊的编委；现任中国运筹学会常务理事，中国优选法统筹法与经济数学研究会量化金融与保险分会常务理事，中国管理科学与工程学会金融计量与风险管理研究会理事，中国管理科学与工程学会理事，中国工业与应用学学会竞赛工作委员会委员等。

报告二：基于循环神经网络及扭曲算子的多因子巨灾债券定价模型

陈孝伟南开大学，南开—泰康保险与精算研究院

摘要：本文结合扭曲算子理论与循环神经网络（RNN）估计方法，构建了一套巨灾债券定价的统一分析框架。研究提出一种全新的同业调整扭曲因子，该因子基于王变换与跳扩散扭曲算子构建，并结合同类巨灾债券的市场加权利差以及目标债券的预期损失完成参数校准。该因子将市场主流投资者情绪、再保险承保能力与市场流动性纳入扭曲测度体系，即便无法获取债券自身利差数据，也可实现稳健的定价推断。实证结果表明，无论是样本内还是样本外检验，跳扩散扭曲模型的表现均全面优于经典王变换模型与原始预期损失模型，能够更精准地捕捉定价突变特征与尾部风险溢价。将该框架拓展为融合精算基本面与金融市场协变量的多因子模型后，其解释能力与预测效果得到进一步提升。从方法层面来看，循环神经网络可作为扭曲算子参数的结构化估计工具，相较于极大似然估计、广义矩估计、集成回归等传统方法，具备更高的估计精度、稳定性与计算效率。本研究通过融合扭曲算子与神经网络估计技术，完善了精算领域中巨灾债券定价的理论方法与实证体系。

个人简介：陈孝伟，南开大学南开-泰康保险与精算研究院副院长、教授、博士生导师。在保险精算知名期刊等发表文章50余篇。主持和参与国家自然科学项目、国家社科基金项目、教育部社科人文社科项目、国家气象局项目等十余项。担任中国运筹学会不确定系统分会理事长、中国保险学会保险教育专委会副主任委员、保险与精算四十人论坛青年论坛成员，国际期刊FODM和JIMO副主编，Risk Sciences编委。