【兰台大讲堂】香港中文大学史震涛教授应邀来我校作学术报告

2026年4月1日，必威betway西汉姆迎来新一期“兰台大讲堂”。本次讲座特邀香港中文大学经济学系史震涛教授，为师生带来了题为“Zero Variance Portfolio”的精彩学术报告。活动吸引了众多院内外师生踊跃参会，共同探讨高维资产配置领域的前沿理论与实践挑战。

面对当前金融市场可投资资产规模急剧扩张的趋势，如何破解有限样本带来的统计推断难题，已成为学界与业界亟待攻克的核心议题。报告伊始，史教授基于他与Jinyuan Chang、Yi Ding及Bo Zhang等学者的最新联合研究成果，深入剖析了高维资产配置中的方法论瓶颈。他首先回顾了最小方差投资组合（MVP）的经典框架，并敏锐地指出：当可投资资产数量（N）远超样本量（T）时，传统的投资组合优化会陷入内插（interpolate）训练数据的困境，进而导致样本内方差归零的极端现象。

针对这一统计难题，史教授详细提出了一种新颖的“Ridgelet”估计量。他通过缜密的理论证明指出，基于Ridgelet学习的零方差投资组合在样本外依然具备出色的泛化能力，并生动展示了其在过参数化（Over-parameterized）状态下的“双重下降”（Double Descent）现象。通过深入的对比分析，史教授强调，传统基于伪逆（Pseudoinverse）的“Ridgeless”估计量在N>T时极易失效并偏离最优解，而Ridgelet方法则能够构建规范且高度稳健的零方差投资组合。此外，他还论证了在因子模型结构下，改进后的Ridgelet2方法通过融合特异性协方差结构，能够进一步逼近最优的Oracle风险。最后，史教授结合标准普尔500指数（S&P 500）等真实市场数据进行了广泛的实证分析，有力印证了Ridgelet在高维投资组合优化中的卓越表现。

讲座尾声的互动交流环节氛围浓厚，与会师生围绕Ridgelet及Ridgelet2估计量的参数设定、对照实验设计等技术细节踊跃提问。史教授耐心细致地解答了各项提问，不仅无私分享了宝贵的科研思路，更极大启发了在场师生对经济学与数据科学交叉领域的新思考。

本次报告作为“兰台大讲堂”的又一精彩篇章，不仅有力促进了前沿学术思想的交流与碰撞，也为学院的学术研究注入了新的活力。通过与国际顶尖学者的深度对话，师生们进一步拓宽了学术视野，对高维数据分析在现代金融投资中的应用前景有了更具前瞻性的洞察与把握。