罗格斯大学陈嵘教授讲座成功举办

2018-03-08

9月21日,应北京大学统计科学中心邀请,罗格斯大学统计与生物统计系陈嵘教授在光华2号楼217教室举办了主题为“Factor model for high dimensional matrix valued time series, withpossible extension to tensor time series”的学术讲座。陈嵘教授是数理统计学会(IMS)资深会员,曾任美国伊州大学芝加哥分校商学院教授、北京大学光华管理学院商务统计与经济计量系教授系主任、美国国家自然科学基金委数学科学部项目主任。陈嵘教授于20世纪90年代初率先将非参数方法引入时间序列分析,并成为该领域权威;并于90年代后期提出了序贯蒙特卡罗方法的整体框架,奠定了序贯蒙特卡罗方法研究、拓展及广泛应用的基础,并成为该领域研究及应用的带头人。他在经济数据分析、旅游前景预测、股市分析、环境污染、电力系统分析各领域做出了有开创性的贡献。

 

下午3时20分,讲座在陈松蹊老师的主持下开始。陈嵘教授首先强调了高维矩阵时间序列数据的重要性,在实际的时间序列数据中,我们往往都能在一个时刻观察到一个矩阵,例如公司每季度的财务报表、每年多个国家的进出口贸易记录表等。在传统的统计方法中,我们通常是将一个矩阵展开获得一个维度较高的向量,但这样的做法往往会损失掉原本矩阵中结构信息,同时也会增加参数的维数从而增加估计难度。陈教授从因子模型入手,提出了一种新的矩阵因子模型,在公共因子矩阵F前后分别乘A、B两个载荷矩阵。这一做法既解决了原矩阵行与列之间的交互作用,又可以看做是一种分层模型的情形。在估计方法上,陈教授沿用了姚琦伟教授的思路,抓住误差项是白噪声的性质,最小化协方差阵的平方进行求解。随后,陈嵘教授又介绍了这一方法的极限性质与具体的案例应用。在陈教授介绍的Fama-French模型、公司财务数据与国家进出口数据中,基于矩阵因子模型取得的结果均比原本矩阵直接向量化得到的结果更加可靠。

 

在提问环节,陈嵘教授就载荷阵的旋转、动态社交网络的应用困难、该方法在张量上的应用等问题与参加讲座的师生们进行了交流探讨,并一一回答了师生们的问题。本次讲座吸引了众多北大师生参与,大家在与陈老师的交流中对张量时间序列等研究热点问题上有了更深入的了解。

x