为进一步提升师生学术科研能力，聚焦学科发展前沿热点、营造良好的学术交流氛围，金融与统计学院定期组织开展“博采众长 聚焦前沿”午餐研讨会，活动由学院青年教师协会主办，研究生会协办。

5月4日中午，第二十七期午餐研讨会在红楼2号楼226学术报告厅召开。此次研讨会由金融与统计学院货币金融系助理教授刘扬做论文分享，共计有十余名老师参与此次午餐研讨会。

研讨会上，主讲人刘扬老师做了主题为“Maximizing the Sharpe Ratio: A Genetic Programming Approach”的学术报告。刘老师表示：尽管常见的机器学习算法着重于最小化模型拟合的均方误差，但结果显示出遗传编程（Genetic Programming，GP）非常适合最大化经济目标：即在两种情境下，即股票预期收益横截面的传统备选组合和标准的均值-方差有效组合优化中，投资组合的夏普比率。与流行的基于回归的学习工具（如LASSO和神经网络）相比，GP的备选组合可以使它们在国际上表现优异。文章发现，虽然经济目标在起着作用，但是与诸如LASSO之类的方法相比，GP捕捉非线性关系，并且比神经网络需要更小的样本量。我们还将GP应用于最大化具有各种经济约束条件的投资组合的夏普比率，并提出一种基于交易成本的正则化方法来控制模型复杂性并缓解过度拟合问题。此外，GP在具有交易成本和卖空约束条件的情况下，明显优于常规和其他基于机器学习的方法。