2026年5月7日，统计学院学术讲座在线成功举办。本次讲座特邀荷兰代尔夫特理工大学应用数学系助理教授刘帅强担任主讲嘉宾，作题为《面向隐含波动率曲面的深度学习方法》的学术报告。讲座由统计学院教师阎冬主持，学院部分师生在线参加。

讲座伊始，阎冬老师对刘帅强教授的拨冗莅临表示诚挚欢迎，并简要介绍了其学术背景与研究贡献。刘教授现任荷兰代尔夫特理工大学应用数学系助理教授，兼任荷兰ING国际银行模型风险管理部高级研究员，主要研究方向涵盖复杂随机系统的建模、数值计算与决策分析，重点关注应用数学、人工智能与计算金融的交叉前沿问题。其研究成果多次获得重要学术奖励，包括最佳论文奖（JJIAM, 2024）、Risks期刊最佳论文奖（2021）及最佳报告奖（2020）等。

报告中，刘教授指出，隐含波动率曲面在衍生品定价与风险管理中发挥着核心作用，然而其高维性和复杂结构使得有效建模仍面临挑战。传统方法通常依赖于随机波动率模型（如Heston、Bates及粗糙波动率模型），但这些模型的校准过程计算成本高昂，难以满足实时应用需求。针对上述问题，刘教授提出了两种相互补充的深度学习方法：其一，介绍了一种校准神经网络（Calibration Neural Network）框架，能够实现对随机波动率模型的快速且稳定的校准，使原本难以在实际中应用的复杂模型具备了可行性；其二，提出了一种生成式深度学习方法，能够直接学习隐含波动率曲面的内在结构，并生成高质量的合成数据。该数据驱动方法无需依赖参数化模型假设，尤其适用于市场数据稀缺的情形，例如在市场剧烈波动时期。

在交流研讨环节，师生就模型设计、数据需求和实际应用等提问，刘教授逐一详尽解答。阎冬老师就模型是否仅适用于欧式期权定价，美式期权如何处理等问题与刘教授进行了深入探讨。现场讨论热烈，学术氛围浓厚。 

最后，阎冬老师结合学习体会，对比了深度学习与传统模型校准方法，并感谢刘教授的精彩报告。本次讲座内容前沿、论证严谨、讲解清晰，拓展了师生对隐含波动率曲面建模的理解，为深度学习在计算金融中的应用提供了新思路。

（通讯员：阎冬  审核：郭伟）