近日，深圳大學(xué)管理學(xué)院管理科學(xué)系助理教授何小雷和教授張衛(wèi)國的學(xué)術(shù)論文“An Efficient Scenario Reduction Method for Problems with Higher Moment Coherent Risk Measures”被國際頂級期刊 INFORMS Journal on Computing（IJOC）錄用并在線發(fā)表。該期刊是美國運籌學(xué)與管理科學(xué)協(xié)會（INFORMS）的會刊之一，也是國際公認的商科頂尖期刊UTD24之一。該研究成果以何小雷助理教授為第一作者、張衛(wèi)國教授為通訊作者、深圳大學(xué)管理學(xué)院為唯一署名單位。據(jù)統(tǒng)計，IJOC自2008年以來發(fā)表的論文中，僅由中國內(nèi)地的學(xué)者和單位署名論文的數(shù)量不超過25篇，其中張衛(wèi)國教授和何小雷助理教授合作發(fā)表了2篇。

該論文針對以最小化高階下偏風(fēng)險測度（HMCR）為目標的隨機規(guī)劃模型，設(shè)計了一種基于無效情景概念的情景縮減方法。現(xiàn)有研究主要是通過最小化某種距離度量來減少情景數(shù)量，忽略了優(yōu)化模型的結(jié)構(gòu)特征，如HMCR測度的值只取決于與高成本或高損失相對應(yīng)的一小部分情景，而和其他情景無關(guān)。為此，本文首先建立了HMCR測度的一些理論性質(zhì)，如對偶表示、參數(shù)的取值范圍等，并推導(dǎo)出了已知優(yōu)化問題最優(yōu)解時，無效情景的顯示表達式。在此基礎(chǔ)上，設(shè)計了一種新的情景縮減方法。接著，本文考慮了兩個具有不同復(fù)雜度的投資組合問題作為應(yīng)用，結(jié)果表明：該方法可以極大的減小情景數(shù)量，同時獲得更精確的最優(yōu)值和最優(yōu)解，最優(yōu)投資組合在多樣性方面也有更好的表現(xiàn)。