stochastic
优化的方法有很多种，在深度学习中，占有绝对主导地位的还是 stochastic gradient optimization (简称 SGD) 以及它的一些变种，如 SGD with momentum，Adam 等。 SGD 是一种基于一阶梯度信息的优化方法，仅从优化的速度上来讲，效率不是最高的，一些利 用二阶信息的优化方法，理论上优化速度更快，但是，SGD 反而是在深度学习的优化中使 用的最多的优化方法，为什么其他类型的优化方法在深度学习中不经常使用呢？它们相比 SGD 有什么缺点？或者说 SGD 有什么优点呢？ 这篇文章试图对这个问题给出自己的思考 与总结。 本文基于大量参考资料，对其中的要点进行提炼，主要介绍三种常见的优化方法：基于启 发式搜索的方法，基于一阶梯度信息的方法以及基于二阶梯度信息的方法
金融大数据团队：该团队现有教师队伍29人，其中学校首席教授1名、教授5人，副教授11人。主要从事动态资产定价，银行和其他金融机构的市场和信用风险管理，利率模型和固定收入的抵押品定价，随机投资组合，企业债券，信用风险和风险管理、工业统计、可靠性统计、工程数据处理与优化、随机控制理论、极限理论、高维数据处理、基因统计、生物统计、债务风险、股市与债务、金融资源配置、质量控制与试验设计等方面的研究。近五年来在《Journal of Financial Engineering》《 Journal of Fixed Income》《Communications on Stochastic Analysis》《Journal of Banking and Finance》《Journal of Derivatives， Quantitative Finance》 等国际学术期刊和重要国际学术会议发表论文200余篇，其中SCI/CSSCI期刊论文80余篇，EI期刊论文30余篇，其中青年教师黄磊在统计顶级刊物《Annals of Statistics》发表1篇论文；出版专著、教材10部
随机微分方程(Stochastic differential eqaution SDE)是在常微分方程的基础上加入噪音项得到的，噪音项由布朗运动的增量刻画。 随机微分方程的形式如下： 这个方程的含义是 满足对于任意的 ， 随机微分方程的解的重要性质是马尔可夫性(Markov property)，其代表的含义是未来任意时刻 的分布都由当前的 状态决定（加入当前的时间是 ），而与过去的历史无关，即对于任意的函数 ，都存在函数 使得， 在Black-Scholes模型中，股票价格 的走势可以通过一个随机微分方程描述：
网络方法为解决实务系统的一种常见技巧，针对电脑系统、电信系统、电力系统、物流系统、制造系统、服务系统等，于这些系统中时间、容量以及成本等因素显得特别重要。作业研究中所介绍的传统网络分析方法，多将流量、时间、成本等因素设为确定性（deterministic）模式。然而由于维修、故障、被预约等因素，站在客户的观点而言，许多实际的流量网络如电脑系统、电信系统、物流系统、交通运输系统等，其传输边的容量应视为随机性（stochastic）方较合理，因为客户可以使用的容量受限于前述因素不见得都是一成不变
Radar Signal trading system，是一个趋势跟踪突破交易系统。系统基于radar signal信号指标。使用多个技术指标的组合，这个外汇交易系统可以过滤掉市场上的噪音
应理学院的邀请，11月7日15：00-17：00，东北师范大学李晓月教授利用腾讯会议（ID: 409-503-902）为长春大学数学数学学科作了一场题为“Dynamical Behaviors of Stochastic Tumor-Immune Model”的学术报告。报告由张晓颖院长主持，长春大学数学学科部分教师和全体研究生参加了本次报告会。 在本报告中，李晓月教授首先介绍了带有马尔可夫链的随机肿瘤免疫模型，接下来利用随机分析的工具研究了该随机系统的动力学行为，给出了该随机系统不变测度存在性的阈值
金融大数据团队：该团队现有教师队伍29人，其中学校首席教授1名、教授5人，副教授11人。主要从事动态资产定价，银行和其他金融机构的市场和信用风险管理，利率模型和固定收入的抵押品定价，随机投资组合，企业债券，信用风险和风险管理、工业统计、可靠性统计、工程数据处理与优化、随机控制理论、极限理论、高维数据处理、基因统计、生物统计、债务风险、股市与债务、金融资源配置、质量控制与试验设计等方面的研究。近五年来在《Journal of Financial Engineering》《 Journal of Fixed Income》《Communications on Stochastic Analysis》《Journal of Banking and Finance》《Journal of Derivatives， Quantitative Finance》 等国际学术期刊和重要国际学术会议发表论文200余篇，其中SCI/CSSCI期刊论文80余篇，EI期刊论文30余篇，其中青年教师黄磊在统计顶级刊物《Annals of Statistics》发表1篇论文；出版专著、教材10部
鞅(Martingale)在中文里的意思是"马拉车时套在当胸的皮带"。在概率里，其表示的则是一类既无向上趋势，又无向下趋势的随机过程(Stochastic processes)。 鞅在金融建模中有广泛的作用，这来源于有效市场的假设，即任何一种资产平均来说都不能产生超额收益，那么其价格趋势相对于无风险资产价格在数学期望意义下不应具有向上或向下的趋势
KDJ指标是一种重要的市场分析工具，它可以帮助投资者了解股市走势，识别股市行情，及时调整投资策略，以及更好地把握投资机会。本文详细介绍了KDJ指标的基本概念、计算方法、应用场景以及利用KDJ指标进行投资的技巧。 e)于1960年提出的，是基于随机指标(Stochastic Oscillator)的发展，是一种超买超卖指标
经济学院助理研究员刘彦伯及其论文合作者Peter C.B. Phillips的合作论文“ Robust Inference with Stochastic Local Unit Root Regressors in Predictive Regressions”在计量经济学领域顶级期刊Journal of Econometrics上正式接收。 本文证明了基于工具变量的稳健推断方法可被推广到带有随机扰动参数作为解释变量的预测回归模型中并保持关键的性质不变。这进一步验证了该稳健推断方法可为金融数据分析提供可靠的分析工具