一、导师简介
Min Dai现任香港理工大学应用数学系及会计与金融学院应用统计与金融数学讲座教授。2000年于复旦大学取得博士学位后，先后任教于北京大学与新加坡国立大学，2021年加入香港理工大学。Dai教授的研究领域涵盖金融衍生品定价、含市场摩擦的投资组合选择、公司金融及金融科技，其学术成果发表于Journal of Finance、Review of Financial Studies、Management Science、Mathematical Finance、Journal of Economic Theory等跨学科顶尖期刊。
目前担任Digital Finance联合主编，以及Operations Research、Finance and Stochastics、SIAM Journal on Financial Mathematics等期刊编委。Dai教授曾获邀于第十二届Bachelier金融学会世界大会发表主旨演讲。
学术影响力分析：h-index达100的学者在应用数学与金融工程领域具备显著的学术领导力。这一指标意味着其至少有100篇论文获得不少于100次引用，反映出研究工作的持续影响力与广泛认可度。从职业轨迹观察，Dai教授从复旦到北大、新加坡国立大学再到香港理工的跨地域学术经历，体现出其研究在全球主要学术市场的通用性与认可度。
二、近期文章和项目解析
1. 稳定币的设计机制（Designing stablecoins, Mathematical Finance, 2025）
该研究针对加密货币价格波动性过高阻碍其作为日常支付工具的问题，提出基于期权定价理论与以太坊智能合约的双重结构设计方案。研究将加密货币（ETH）作为底层资产，分割为固定收益类加密资产（A类币）、锚定传统货币的稳定币（A'类币）以及杠杆投资工具（B类与B'类币）。通过引入跳风险与黑天鹅事件的检验，该设计显示出较强的稳健性，且已在以太坊平台实现部署。
技术路径解读：此项研究的核心在于运用结构化金融中的分级（tranching）技术，将高波动资产转化为稳定价值载体。与MakerDAO等超额抵押模式不同，该方案通过期权定价机制实现风险重构，使稳定价值的维持不依赖于中央银行的信用背书，而纯粹依靠智能合约的自动执行与市场套利机制。
2. 内部资本市场的q理论（A q Theory of Internal Capital Markets, Journal of Finance, 2024）
与Xavier Giroud、Wei Jiang、Neng Wang合作的研究构建了多部门企业在面临外部融资成本时的动态投资、分拆、融资与风险管理模型。研究发现：第一，企业内部资源配置不仅基于部门生产率（"择优"机制），同时考虑风险因素；第二，企业可能主动 productive 部门分拆以提升流动性；第三，在流动性匮乏状态下，多元化经营反而降低企业价值，因其增加分拆成本并妨碍流动性管理；第四，"企业社会主义"（Corporate Socialism）降低流动性价值；第五，部门投资由边际q与现金边际价值的比率决定。
理论贡献评析：该研究将传统托宾q理论拓展至多部门企业的内部资本配置场景，揭示了在融资约束条件下，企业内部资本市场的运作逻辑与单一企业质的不同。特别值得注意的是，研究揭示了多元化折价（diversification discount）在流动性紧张时期的放大机制，为理解企业分拆与重组决策提供了动态分析框架。
3. 处置效应的理性理论（A Rational Theory for Disposition Effects, Review of Economic Dynamics, 2023）
该研究为行为金融学中经典的"处置效应"（投资者倾向于过早卖出盈利资产而持有亏损资产）提供了理性解释框架。通过构建含交易成本的最优投资组合模型，研究证明了在特定市场摩擦条件下，这种看似非理性的交易模式实为最优策略。
4. 实现效用与动态交易（Dynamic Trading with Realization Utility, Journal of Finance, 2023）
研究将"实现效用"（投资者从实际卖出行为中获得的心理效用）纳入连续时间投资组合选择模型，探讨投资者如何基于当前持仓状态动态调整交易策略。该模型解释了投资者为何倾向于实现收益而非损失，以及这种偏好如何影响资产价格形成。
5. 均衡均值-方差策略的强化学习（Learning Equilibrium Mean-variance Strategy, Mathematical Finance, 2023）
该研究将深度强化学习算法应用于传统均值-方差投资组合优化问题，探讨在均衡状态下的策略学习机制。研究构建了基于高斯分布假设的连续时间模型，为机器学习技术在资产配置中的应用提供了理论支撑。
三、未来研究预测
基于Dai教授现有研究路径与当前金融市场发展趋势，其未来研究方向可能呈现以下特征：
第一，去中心化金融（DeFi）与传统金融理论的深度融合。稳定币研究代表了将传统金融工程方法（期权定价、结构化产品设计）应用于区块链场景的尝试。未来研究可能进一步拓展至自动化做市商（AMM）机制设计、去中心化借贷协议的风险管理，以及中央银行数字货币（CBDC）与私人稳定币的竞争模型。
第二，行为金融与机器学习方法的交叉。实现效用与处置效应的研究传统上与行为经济学紧密关联，而近期关于均衡均值-方差策略的强化学习研究则显示出向方法学创新的转变。预计未来的工作将更多采用深度强化学习、自然语言处理等技术分析市场参与者行为模式，并构建相应的均衡资产定价模型。
第三，公司金融中的摩擦与契约设计。内部资本市场的研究揭示了企业在不完美市场条件下的资源配置逻辑。这一脉络可能向供应链金融、企业风险管理工具创新（如 catastrophe bonds 的设计）、以及ESG投资约束下的企业最优决策等方向延伸。
第四，金融衍生品定价的高维数值方法。考虑到Dai教授在应用数学系的学术背景，以及其过往在变分不等式、偏微分方程数值解方面的技术积累，未来可能发展针对高维非线性金融模型的机器学习数值解法，以解决传统蒙特卡洛模拟与有限差分方法在高维场景下的计算瓶颈。
