6月1日，经管学院邀请到香港城市大学陈植助理教授为师生带来题为“Screening with Limited Information: A Dual Perspective & A Geometric Approach”的学术报告。

　　陈植是香港城市大学商学院管理科学系的助理教授。他于2017年获得新加坡国立大学的博士学位，主要研究兴趣包括：具有不同数据可用性级别的不确定性决策问题的模型建立以及算法设计，以及其在决策分析、运营管理、经济和工程中的应用，联合活动的合作博弈论及其在生产经济学、资源池、风险管理中的应用。

　　陈植首先讲解了一个经典的定价案例，用以说明在已知潜在顾客对于商品估值的分布信息时，商家能够通过设计一种公布价格机制(posted price mechanism)使得收益最大化。然而当商家不知道顾客估值的准确分布时，公布价格机制有可能是次优的。在估值的概率分布不确定的情形下，团队根据筛选问题(screening)以及定价(pricing)问题之间的联系，介绍了鲁棒筛选(robust screening)问题、鲁棒定价(robust pricing)问题以及最小最大定价(minimax pricing)问题，并从对偶的角度阐释了这三者之间的关系，以此来说明设计更复杂机制的价值(value of more complicated mechanisms)以及额外信息的价值(value of additional information)，这对于不确定情形下的决策问题有很好的管理启示。

　　通过与现有文献中其它定价模型进行比较，研究团队揭示了这些模型之间的联系并证明了在某些正则条件下，这些模型与本文中的鲁棒筛选问题的对偶问题一致。

　　最后，陈植给同学们展示了关于求解对偶问题的一种简便而又直观的几何方法。在目前研究中使用较为广泛的已知均值信息的模糊集(mean ambiguity set)以及保均值收缩的模糊集(mean-preserving contraction ambiguity set)下，利用最优性中的互补松弛条件，能够从几何上构造一个与估值分布相切的等收益分布线(equal-revenue distribution)，并且证明了在此分布下即可达到最优值；在根据Wasserstein距离构造的模糊集(Wasserstein ambiguity set)下，利用无穷型Wasserstein距离的几何性质，研究团队给出了该模型的闭式解(closed-form solution)以及最优的定价机制。