讲座回顾 |【 Seminar No.699】Ahmad Namini:从华尔街到运动赛场:数据、模型与决策

发布时间:2026-10-30浏览次数:10

点击蓝字 · 关注我们







10月30日,上海财经大学金融学院毓秀讲堂第699期Seminar在毓秀楼208开讲。本期讲座邀请布兰迪斯大学Ahmad Namini教授,以《From Wall Street to the Sports Arena: Data, Models, and Decisions(从华尔街到运动赛场:数据、模型与决策)》为题,带领师生打通量化金融与体育分析的研究边界,分享数据科学赋能不确定性下决策的前沿思路。讲座由金融学院助理教授秦聪老师主持。

Ahmad Namini教授现任布兰迪斯大学商学院商业分析实践教授,主讲量化金融、体育分析、机器学习与人工智能相关课程。投身学术之前,他拥有扎实的华尔街量化从业履历,曾任职于多家知名对冲基金、投行与资管机构,先后担任量化分析师、策略主管、首席技术官等岗位,也曾在波士顿大学负责量化金融项目建设。他的研究聚焦人工智能、机器学习与量化方法在金融、体育两大场景的应用:在金融领域,依托统计建模、模式识别挖掘日内与日间交易机会;在体育领域,搭建量化框架研究体育博彩市场、评估队伍与运动员表现。教授早年毕业于马里兰大学计算力学专业,曾在迈阿密大学开展由美国国家科学基金会资助的计算空气动力学研究,跨学科的学术积淀为其交叉研究打下坚实基础。

讲座中,Ahmad Namini教授提出,金融机构与体育组织面临相通的分析难题:如何依托海量复杂数据,在不确定环境下做出高效决策。他对比量化金融与现代体育分析的共通逻辑,阐释原本服务于金融市场的统计预测建模、机器学习、风险测度、优化算法,如何迁移应用到运动员评估、赛事策略设计、体育博彩市场等体育场景。

他着重厘清了预测与决策的区别:精准的预测不等于最优决策,高质量数据分析的核心,是把模型结果转化为可落地行动,过程中必须充分考量目标、约束条件、风险以及预判失误带来的代价。他强调,数据科学真正的价值,不在于模型本身,而在于一套严谨完整的分析链路——将原始数据提炼为模型,从模型生成洞见,最终依靠洞见支撑更科学的决策。

在交流环节,在场师生围绕跨场景模型迁移、风险约束设置、体育量化研究的数据难点等问题与主讲人深入探讨,现场研讨氛围热烈。

本次毓秀讲堂打破学科场景壁垒,为学院师生展现了量化方法、机器学习广阔的跨界应用空间,启发大家跳出单一金融视角理解数据分析与决策框架,进一步拓宽了量化研究、金融科技方向的学术视野。






供图 | 秦    聪

供稿 | 司    思

审核 | 秦    聪