2025年7月7日—8日，由中央财经大学中国精算研究院、保险学院主办的第三届精算、量化金融与风险管理国际会议“量化金融”平行论坛在中央财经大学学术会堂成功举办。本平行论坛共分为三场，汇聚了众多专家学者和青年研究人员，围绕量化金融领域的最新研究动态与发展趋势展开深入探讨。

第一场平行论坛由中央财经大学保险学院、中国精算研究院徐景峰教授主持。滑铁卢大学统计与精算系李斌教授、卡尔加里大学精算系姜文骏副教授、内布拉斯加大学林肯分校精算系庄胜超副教授以及埃塞克斯大学数学科学系讲师刘鹏博士分别就各自研究领域的最新成果进行了专题报告。

第一场平行论坛现场

李斌教授以“Optimal Insurance in a Monopoly: Dual Utilities with Hidden Risk Attitudes”为题，分析了垄断保险市场中风险中性保险公司与具有Yaari双重效用偏好的消费者之间的博弈。通过建立激励相容的分离均衡模型，发现保险覆盖范围和保费随消费者风险厌恶程度单调递增；当固定成本存在时，分离均衡仍优于混合均衡，但会筛除部分低风险厌恶者合同。研究为不对称信息下的保险定价提供了重要理论支持。

姜文骏副教授以“Revisiting the Role of Prevention Measures in Insurance Contracting”为题，聚焦于预防措施在最优保险合同中的双重角色。该研究通过建立被保险人具有扭曲风险偏好的决策模型，解析了最优赔偿函数与预防努力的互动关系。研究还设计了两种消除事前道德风险的机制，并证明当保险公司与预防服务提供方合作时，定价策略将因替代/互补属性而显著分化，数值算例进一步验证了结论的普适性，具有重要学术价值。

庄胜超副教授以“Distorted Optimal Transport”为题，将扭曲期望引入最优传输理论，证明凸/凹扭曲函数下最优耦合分别为共单调/反单调结构，并解析了S形扭曲函数的混合耦合特征。研究连接了扭曲传输与稳健风险聚合，拓展了Basel IV等监管框架下的风险度量方法。理论成果可应用于金融风险管理与资源分配，为非线性期望下的决策优化提供了新的分析工具。

刘鹏博士以“ Robust Distortion Risk Metrics and Portfolio Optimization”为题，针对一般扭曲风险度量，在均值、方差、单峰性和Wasserstein距离约束下建立了风险上下界，特别给出了GlueVaR和范围VaR的显式界，解决了VaR低估和ES过于保守之间的平衡问题。该研究还提出了在模型不确定性下优化投资组合的显式解法，增强了决策稳健性，为风险管理提供了新的理论工具。

第二场平行论坛由中央财经大学保险学院、中国精算研究院刘敬真教授主持。香港理工大学应用数学系许左权教授、香港中文大学（深圳）理工学院助理教授刘杨博士、西交利物浦大学金融与精算数学系讲师许昕博士以及中国科学技术大学博士研究生黄晨凌分别就各自研究领域的最新成果进行专题报告。

第二场平行论坛现场

许左权教授以“Constrained Stochastic LQ Control with Financial Applications to Monotone Mean-Variance Problem”为题，展示了在随机控制理论及其在金融投资组合优化中的最新研究，重点探讨了非马尔可夫模型下最优投资策略的解析解法，特别是在交易限制和风险度量单调性约束下的应用。该研究结果具有普适性，适用于多种约束和跳跃场景，为稳健投资组合优化提供了新的理论支持。

刘杨博士作了题为“Convolution Bounds on Quantile Aggregation”的报告。报告聚焦于稳健分位数聚合问题，研究在边缘分布已知但相依关系不确定的情况下，风险总和的分位数上下界估计及其在金融和运筹学中的应用。与会者就VaR的非次可加性和不连续性对优化问题的影响等问题进行了热烈探讨。

许昕博士以“Optimal Stopping Problems with State-Dependent Killing in Insurance Risk Models”为题，基于金融和保险领域的实际场景，探讨了在布朗运动驱动的资产过程中，结合状态依赖的“时钟”（omega clock）机制的最优停时策略问题。该研究解决了资产为零时惩罚函数不连续的技术难点，将参数空间划分为七种情形并已得到五种情形下的解析解，为金融保险领域的破产决策提供了新的参考。

黄晨凌以“Hidden Convexity in Robust Portfolio Choice: Upper Partial Moments of Varying Order”为题，聚焦于分数阶上行风险（upper deviation measure）下的稳健投资组合优化问题，结合分布稳健优化（DRO）方法应对模型不确定性。报告从背景介绍、问题设定、技术挑战、解析解法及数值结果四个方面展开，为稳健投资组合优化提供了理论和实践支持，展现了该研究在风险管理和金融决策中的应用潜力。

第三场平行论坛由苏州大学金融工程研究中心姚经教授主持。苏州大学金融工程研究中心姚经教授、东华大学数学与统计学院田琳琳副教授以及中国人民大学统计学院博士研究生周豪分别就各自研究领域的最新成果作报告。

第三场平行论坛现场

姚经教授作了题为“Optimal Payoff under Bregman-Wasserstein Divergence Constraints”的报告。研究创新性地将Bregman-Wasserstein散度引入支付结构优化，进一步提升支付方案与投资目标之间的契合度，有效增强投资者效用的实现。该研究在方法论上突破了以往仅使用对称距离约束的局限，赋予了收益最优化问题更大的灵活性和适用性，为行为金融、风险管理及保险精算等领域提供了全新的视角和技术工具。

田林琳副教授以“Optimal Investment Problem in a Renewal Risk Model with Generalized Erlang Distributed Interarrival Times”为题，探讨了广义Erlang分布到达时间的更新风险模型下最优投资问题。通过构建HJB方程，获得零利率下最优策略显式解及非零利率下半显式解，揭示了初始阶段价值函数更高的规律。该研究为保险公司资产配置提供了新理论框架，具有重要学术价值。

周豪以“Finite-Time Optimization with Multidimensional Controls under Logarithm Utility: NaAC Learning Algorithm”为题，提出基于对数效用的多维控制优化方法，创新性地开发了NaAC强化学习算法。研究证明最优投资、消费和寿险购买分别服从高斯、伽马分布，实证检验表明该算法优于传统方法。该研究展示了强化学习在多维连续时间金融控制领域的前沿应用，为投资组合管理和保险产品设计提供了新的技术路径。

本次论坛展现了量化金融领域的最新研究成果，涵盖了保险定价、风险管理、投资组合优化、算法设计等多个方向，为学界和业界提供了丰富的理论支持和技术工具。与会学者通过深入交流，进一步推动了量化金融研究的创新与发展，为未来的学术探索和实践应用奠定了坚实基础。

（撰稿：李凡；审稿：郑苏晋；编辑：薛丽娜，审核：郑苏晋）