[嘉宾简介]马贵元，西安交通大学经济与金融学院金融科技系助理教授。本科毕业于吉林大学数学学院。后保送至复旦大学数学科学院从事随机控制与金融数学研究。2017年于澳大利亚University of Wollongong取得博士学位，并继续担任助理研究员。2019年加入香港中文大学统计系，从事博士后研究工作。研究领域包括最优投资组合，金融工程以及随机控制在经济与金融中的应用。目前在《Finance and Stochastics》、《European Journal of Operational Research》、《Economic Modelling》、《Quantitative Finance》、《Journal of Optimization Theory and Applications》和《Automatica》等国际知名期刊上共发表SCI,SSCI文章13篇，并主持国家自然科学基金青年项目一项。
2022年3月12日我们有幸邀请到马贵元老师参加本期博文经济学社的专访活动，马贵元老师多年从事最优投资组合问题和最优控制理论的研究，向我们简单的介绍了一下最优控制理论和动态最优投资的情况，同时对同学们的学习科研给出了一些建议。
Q1:希望老师介绍一下最优控制理论相关的历史脉络，该领域的一些主要原理是什么，以及它的主要应用领域有哪些？
马贵元：最优控制理论是研究和解决从一切可控方案中寻找最优解的一门学科，着重与研究使控制系统的性能指标实现最优化的基本条件和方法。从历史脉络来看，最优控制理论是数学优化的一部分是现代控制论理论的一个重要分支。是古典变分法的进一步发展。现代控制论的起源要追溯到美国应用数学家维纳。他是第一个给出布朗运动严格数学定义的人，因此数学家又把布朗运动称作维纳过程。维纳的专著《控制论：或关于在动物和机器中控制和通信的科学》是现代控制论的开端。而最优控制理论的开创性工作则是由上世纪50年代前苏联的庞特里亚金（最大化原理）和美国的贝尔曼（动态规划）所完成。在当时美苏争霸的时空背景下，最优控制理论得到了快速的发展，并广泛地应用于航天技术、军事科技和信息传输等领域。我国著名科学家钱学森教授的专著《工程控制论》把控制论推广到工程技术领域，是现代控制论发展的重要组成部分。
最优控制论在经济领域中也有非常广泛的应用。最早始于上世纪60年代对经济增长问题的研究，即研究产量随时间在消费与投资之间的最优分配问题，研究各部门之间的投资分配问题。一些经济计量学家把最优控制理论用于短期的小规模的经济计量模型，企图解决宏观经济中的最优决策和计划问题。微观经济学中的最优消费理论与生产理论也存在着大量的应用诸如拉格朗日方法，KKT条件等。宏观经济里面，比如经济增长，政府宏观经济决策都有用到最优控制理论。政府宏观经济决策是指政府通过货币政策或财政政策来调节国家宏观经济系统。由此可以看出不管是工业、经济或者是军事上的应用，都可以把对方看作一个系统，而且这个系统有个把手，工程里面通常是开关，经济里面比如货币杠杆、流通量等。从这个角度来看，人可以控制具体的机器、微观经济结构，也可以控制货币政策，还可以控制自己公司的一些金融决策和投资组合理论，这些都可以用到最优控制理论。公司金融则更加具体，最优资本结构、最优分红、最优破产、最优边界及后来的委托代理问题等，这些从数学上讲它们都是最优控制理论的应用。
Q2:我们看到老师发表的多篇论文都是以动态最优投资为研究的主要内容，请老师说一下最优动态投资的定义是什么?它具有什么样的特点?以及在实际金融市场中如何设法实现最优投资，还有我们国家和世界范围内目前的投资情况是怎么样的?
马贵元：动态投资最基本的假设就是投资信号是每天都在演变。动态投资的应用要区分投资主体，比如个体投资者可能就做不到每天都调仓。但是量化交易出现之后，基于算法交易的策略基本上每秒就要交易一次。动态投资出现的首要原因就在于量化交易频率的上升和高频交易现象的增多。如果是做长期投资研究，如半年或者一年情况下，传统的静态投资组合理论已经足够。但是实际上，市场每天都有波动，投资者如果想更充分地利用这些信息，就必须采用动态交易来实现。在投资过程中交易成本是不可避免的。现实中，每笔交易都会产生手续费。对于低频交易者而言，交易成本不会很高。但在高频交易的情况下，交易成本就是一个非常大的数字，这使得投资者不得不考虑交易成本。实际中，交易成本有很多种，诸如内生成本和外生成本等。我目前的研究大多集中于考虑交易成本下的最优动态投资组合问题。目前国内已经有很多机构采用算法交易。当然在美国，采用算法交易的比例会更大一些。整体上来讲，我国的算法交易起步相对还是比较晚的，从业者水平还残次不齐。高校在相关专业的培养方案让还需进一步完善，从而为行业提供更多更专业的人才。
Q3:请老师介绍一下金融科技的发展历程，以及目前国内金融科技研究的发展现状如何?
马贵元：金融科技是随着人工智能、区块链、云计算和大数据等新兴信息技术的发展与应用，并赋能传统金融而迅速形成的一门新兴学科，是金融业未来的主流趋势。金融科技的ABCD指的是A(AI人工智能)、B(Blockchain区块链)、C(Cloud 云计算)和D(Big Data大数据)。人工智能金融主要借用人工智能技术处理金融领域的问题，包括股票价格预测、评估消费者行为和支付意愿、信用评分、智能投顾、保险承保与理赔、风险管理与压力测试、金融监管与识别监测等。区块链技术是一种去中心化的大数据系统，是分布式云计算网络的一种具体应用。基于区块链技术构建的未来互联网的底层组织结构，将直接改变互联网的治理机制，最终彻底颠覆现有底层协议，导致互联网金融的智能化、去中心化，并产生基于算法驱动的金融新业态。而大数据金融重点关注金融大数据的获取、储存、处理分析与可视化。另一方面，在金融科技的迅猛发展的同时，相应的监管问题也随之提上日程。监管制度也要逐步完善才能保证金融科技真正地来服务实体经济、保证我国高质量发展。
Q4:老师我们注意到您之前做的理论模型的相关研究是比较多的，而且您刚才跟我们强调说，我们如果想再进一步发展的话，理论基础梳理是特别重要的，但同时我们也注意到，您最近也在参与金融支持科技自立自强战略研究，所以我们特别想希望老师能给我们分享一下在做理论研究和实际工作中的一些不同的感受。
马贵元：理论研究与实际问题研究最大的不同在于通常都将问题简单化处理，但在实际中遇到的问题远非理论研究所能涵盖的。理论研究更倾向于从某一个单一个体的视角来看待自己所面临的问题。但是现实中所有东西都是耦合在一起的，是要寻求整个社会的利益最大化。科技自立自强作为国家战略，是一个庞大的系统工程。他不是单一部门的工作，而是需要多部门协同合作才能实施的复杂性工程。金融机构自然也要为这么一项庞大的国家战略尽自己的努力，这就是我们研究金融支持科技自立自强战略的最初动机。一项科技产品从研发到最终在市场上获得成功需要经历“样品——产品——商品”三个阶段。从实验室做出来的叫做样品，由工厂大规模生产出来的叫产品，最后在市场上正常销售的叫商品。从科技企业早期研发生产样品，到企业在流水线大规模生产的产品，再到最后成功的把产品推向市场形成商品，每一个环节都需要金融体系提供支持。目前，科技企业普遍面临着融资困难的问题。一些科技企业去银行贷款时，由于没有实物资产很难通过传统的信贷渠道获得贷款。另一方面，银行从业人员在无法辨识企业实力和风险的前提下也不敢轻易放贷的。因此，科技企业的估值对于企业本身和金融机构都是一个非常有意义的研究问题。类似的问题还有很多，感兴趣的话可以关注下我们项目组的后期进展。
Q5:我们最后一个问题就是数理推导这一块，这一块很难，我们做科研还是经常会遇到，希望老师讲一下自己的经验。
马贵元：学习数理推导，最简单的方法就是去翻阅成功应用数理推导来解决经济问题的经典文章，弄明白数理工具的角色和作用。兴趣是最好的老师，只有感受到数理工具的意义并产生了兴趣，学习起来才不会枯燥。同学们在学习数理推导感到枯燥的原因是因为只看了数理推导本身，而忽略了为什么需要这些推导。大多数同学就会陷入这样一种困境，即“学会了很复杂的推导，却不知道有什么用”，因此感到枯燥而逐渐地失去了兴趣。数理推导的经验需要靠时间积累，从学生角度来讲没有捷径可言，最关键的还是要感受到它的魅力所在。学生在借助数理推导弄明白之前无法理解的经济问题之后，就会从中收获到很大的满足感，从而慢慢地喜欢上它。
经金学院
2022年4月2日
