统计系学术系列交流会

线上会场：#腾讯会议：413-963-536，线下会场理四323；

报告1：高维协方差矩阵检验

报告人：郑术蓉  教授

摘要：高维协方差矩阵是多元统计分析中经常遇到的矩阵， 对高维协方差矩阵进行检验在经济、生物等研究中具有实际应用。 在高维协方差矩阵拟似然比检验中，检验势函数会呈现出一种先增后减再增的趋势，该论文提出了一种方法使得该势函数出现一直递增的趋势。

报告人简介：郑术蓉，东北师范大学教授，博士生导师，教育部新世纪优秀人才。主要从事大维随机矩阵理论及高维统计分析的研究。曾在Annals of Statistics，JASA，Biometrika等统计学顶级学术期刊上发表多篇学术论文。现任Annals of Statistics、Statistica Sinica等学术期刊编委，曾主持国家优秀青年科学基金等多项国家自然学科基金项目。

报告2:Censored Quantile Regression Neural Network Model and Its Estimations

报告人：杨晓蓉   教授

摘要：Quantile regression neural network (QRNN) model has been widely applied to explore complex patterns among variables. However, when the responses are subject to censoring (left censoring, right censoring and interval censoring might occur), predictions by using observed data, will lead to unbelievable results. Thus, new method for QRNN model with censored data is appealing. In this talk, I will introduce an iterative approach based on the data augmentation method for censored QRNN model estimation. Simulation studies and real data illustrations show the superiority of our proposed method. By comparing the estimation efficiency of the proposed method with the existing ones, the proposed method outperforms others in terms of quantile loss and prediction interval width, yielding prediction results that are much closer to the benchmark. It is worth mentioning that the proposed estimation method for censored QRNN model can be easily adapted to deal with different censoring types simultaneously lying in the model, which remedies the defect that existing method is only suitable for single censoring type.

报告人简介：杨晓蓉，统计学教授，博士生导师，浙江工商大学统计科学研究所副所长。浙江省留学归国高层次人才，杭州青年科技协会会员，美国统计学会会员。本、硕、博就读于浙江大学统计学专业，于2008年6月获得浙江大学概率统计博士学位。后赴美国康奈尔大学任博士后研究员。2010年7月至8月赴香港大学数学系任访问教授，2014年5月至2015年11月美国密歇根大学统计系访问学者。2019年7月至8月英国约克大学数学系访问学者。主要从事非参数统计、金融风险管理、量化投资等方向的研究。先后主持国家社会科学基金、国家自然科学基金、教育部人文社科基金、浙江省自然科学基金、国家统计局规划项目等多项省部级课题。在国内外统计学及数学刊物发表特级、一级论文30多篇，任多个国际学术期刊的通讯评审员。