EDP
 
 

WISE2011现代统计学与计量经济学国际研讨会

发布时间:3/22/2012 12:05:26 PM

       编者按:

12月21日,厦门大学2011现代统计学与计量经济学国际研讨会在经济楼D110举行。本次研讨会由王亚南经济研究院(WISE)、经济学院、计量经济学教育部重点实验室(厦门大学)及福建省统计科学重点实验室(厦门大学)联合举办。

此次研讨会由中央“千人计划”入选者、教育部“长江学者”、美国北卡罗来纳大学夏洛特校区教授蔡宗武作开幕介绍。蔡宗武教授介绍道,现代统计学随着当前社会体系的发展,在现代经济学、现代金融学、生命科学、医学、社会学、管理学等领域已被广泛应用,且今年3月,统计学已经国务院学位办决定上升为一级学科,其重要性由此可见。厦门大学统计学科在经济统计和应用统计方面历来具有较高学术声誉,并随着近年来WISE在数理统计学科建设和师资队伍取得的较大成绩,学科竞争力强劲,于去年成功获批立项基于统计学科的文理交叉重点实验室——福建省统计科学重点实验室。

以下,我们整理了诸位名家的论道经典,供读者飨之,希望能抛砖引玉,推动统计学科在中国的发展。

 

主题演讲1:具有时间趋势的时间序列和非和半参数协整

主讲人:*澳大利亚莫纳什大学,Jiti Gao教授

 

会议首先由来自澳大利亚国家级教授研究员,澳大利亚莫纳什大学计量经济学杰出教授Jiti Gao作演讲,报告题目是“Trending Time Series and Non- and Semi-Parametric Cointegration”。

首先,Gao教授举了6个文献中已有的非参数或者半参数时间序列模型,并且介绍了这些模型在现实经济中的应用。基于文献已有的模型,以及现实数据的特征Gao教授提出了新的非参数或者半参数时间序列模型。由一般到特殊的逻辑思路,Gao教授从最一般的变系数时间序列模型入手,然后给定一定的条件分别得到3个不同的计量模型。针对不同模型的特性,Gao教授给出了不同的非参数估计方法:第一种是密度估计方法,并且推导出其的渐进性质;第二种方法是最小化加权残差平方和来估计,同样可以证明得到对应的渐进理论;第三种估计方法主要是为了解决半线性模型,当非参数部分比较小时,把这部分看作是残差的一部分,因此,我们可以用OLS或者GMM直接估计得到,相反,当非参数部分比较大时,则用半参数的方法来估计。最后,Gao教授基于半线性模型作了模拟分析,结果表明随着样本的增加绝对离差和标准差都变小,并且还对实际数据进行分析。

Gao教授精彩的报告引起了在场老师和学生的兴趣,大家针对估计方法的渐进理论以及实证中碰到的问题产生了疑问,Gao教授都一一做了满意的回答。

 

□ WISE2010博士生 苏佳

 

 

主题演讲2:测量整合但不协整变量的相关性

                    ——溢出效应波动的半参分析

主讲人:*南加州大学,萧政教授

随后来自南加州大学经济系的萧政教授给我们带来了一场20分钟的论文展示,他的题目是“测量整合但不协整变量的相关性——溢出效应波动的半参分析”。

首先,萧政教授对他的论文进行了简短的介绍。许多的宏观经济和金融数据测量都有误差,而且当真实数据不能直接观测到时,较差的代理问题会变得非常重要。在这种情况下,测量会出现比真实不能观测的数据相当或者更大的误差。当有整合的汇总数据,测量误差将变为I(0) 或者I(1)过程。当存在I(1)测量误差时,会出现两个被经济或者金融理论预测的协整变量,会显著相关但没有协整关系。正如萧政教授所说,他的论文提供给研究者一个好的工具,用来发现整合变量之间的显著关系,即使研究者怀疑在他们的数据中存在的测量误差。

接着萧政教授对于模型和估计量做了一个详细的描述,在他们的论文中考虑了半参变化系数模型:Yt = XtTθ(Zt ) + ut。 Xt 和ut 是一阶整合过程。Zt 是静态的。我们的主要动机是 Yt 和Xt 是两个市场的股票波动, Yt和 Xt 都是I(1), Yt 和Xt 是相关的(溢出效应)。在后面一部分报告者回顾了线性回归模型。详细解释了他们的半参方法。为了总括这个部分,萧政教授给他们的方法做了一个简短的渐进分析和蒙特卡罗模拟,两种都有良好表现。

在最后一部分,萧政教授用他的模型和方法测量了溢出效应波动性,两个国家的的市场波动性相关但是不是I(1)协整过程。而且,波动的相关性随着时间变化,如风险溢价大多数情况下是不固定的。因此,变化的系数模型,有汇率变化作为非参部份或许是更好地对于股票市场波动的溢出效应的解释。

在用他们所提出的方法检验在美国,英国,加拿大市场的波动性和双变量汇率相关性后,萧政教授和他的合作者发现了巨大的相似形式在研究美国市场波动如何影响英国和加拿大市场,加拿大市场似乎比英国市场反应更强烈。因为用加拿大对于美国数据估计系数函数θ(·)有一个更大的量相对于英国对于美国数据,θ(·)估计形状很相似。加拿大对于美国和英国对于美国,股票波动性都被汇率市场不确定性影响而提高。呈现出一定程度的不对称,根据美元是否对于本国货币增值或者贬值。

□ WISE2010硕士生 锡华军

 

 

主题演讲3:通过小波变换和体积过滤法筛选NMR波峰

主讲人:*香港科技大学,Bing-Yi Jing教授

香港科技大学的Bing-Yi Jing教授给我们带来了题为“通过小波变换和体积过滤法筛选NMR波峰”的讲座。

教授介绍了他的研究目的。确定核磁共振结构过程中,得到光谱后,通常要耗费大量的时间和专业知识,来完成波峰筛选、化学位移作业和结构计算等环节。从核磁共振光谱中筛选波峰是接下去几步的必需环节。

教授介绍的WaVPeak方法是一个自动的波峰筛选算法。这个方法基于小波变换和体积过滤法,并凭借这二者克服了已有算法的瓶颈。对于任何给定的光谱,首先将它进行小波变换。教授表示,小波变换是对这类问题最适合的方法,因为它可以使光谱平滑,使得波峰形状明显,同时保持波峰的位置。这样,没有数据会被排除。另外,嵌入噪音中的较弱的波峰也会被恢复而变得可见。然后,运用一个直接的方法来挑选小波变换中的局部最大值。但是小波变换中局部最大值的数量比原先光谱中的数量大大减少。然后,对波峰的候选值根据波峰形状的体积进行排序。这种方法跟强度比较法相比有着更强的辨别能力。

为了客观的评价各波峰筛选算法,教授采用了三个标准,即恢复能力,精确度,和F值。实验结果显示,小波变换比现有的分解技术在这个问题上有更好的表现,而体积过滤法也比传统的强度过滤法表现更好。二者的结合产生了一个比最新算法更佳的新算法。

最后,教授和我们分享了他研究的心得。他认为做实际问题的研究和做理论研究二者是不同的。研究实际问题可以提出各种假设以简化要研究的问题。而理论研究则必须每步严谨地进行推导。在这个方面来说,理论研究更加的困难。但是通过研究学习的过程本身也使他得到了快乐。讲座在大家的掌声中顺利结束。

 

□ WISE2011研究生 金淑慧

 

 

主题演讲4:多元时间序列建模

主讲人:*北卡罗来纳大学夏洛特分校,蒋建成教授

来自北卡罗来纳大学夏洛特分校的蒋建成教授做了“多元时间序列建模”的报告。

蒋建成教授介绍到,多元时间序列数据广泛存在于医药、金融、自然科学和工程等不同领域中。有效的构建时间序列建模模型对于很多决策活动非常重要。为了说明他的论断,蒋教授展示了几个金融指标的时间序列图,包括:FTA指数、相应的股利指数、英国20年期债券和短期国债。自然地,人们对于以下问题非常感兴趣:一些市场变化会导致其他市场的变化吗?在市场间存在反馈效应吗?以及是否存在同步变动?蒋教授介绍说大多数此类问题都可以通过由多元时间序列发展出来的一系列工具去分析,而同时,单变量时间序列对此类问题则无能为力。

接着,蒋教授介绍了向量自回归(VAR)模型。VAR不仅仅是AR模型在维度上的简单拓展。VAR考虑了变量间存在的横向依存关系:一个变量不仅仅取决于自身的历史,同时也依赖其他变量的历史。这个性质带来了用于分析因果和反馈效应的一些工具。VAR一个基本的假设是残差向量服从多元白噪声过程,这样就使得简单最小二乘法(OLS)估计可行。同时,参数矩阵必须满足一定的条件以使VAR过程是平稳的。为了决定模型中应该包含的滞后项的阶数,可以使用AIC和SC等准则函数的多元拓展形式。同时似然比检验可以用于决定VAR模型中的阶数。蒋教授同时接受了VAR的模型诊断以及一个拓展:向量ARMA模型。

最后,蒋教授简要的介绍了多元时间序列的其他一些主题。异常值分析:异常的观测值会对分析结果产生很大影响,同时,在很多应用领域,识别出的异常情况常常能获得新的未知知识。在异常值管理方面,主要有两个途径:一种是异常伴随,另一种是识别出异常值然后决定是否保留异常值。

短期时间序列预测:一个被学术界忽视的领域是对包含很多变量但是很少的观测值的数据集的分析。当然很多研究者已经在寻找统计多元时间序列建模的方法,因为其中包含比较好的便于解释的性质,使得能够更简单的理解模型的内部结构。

蒋教授的演讲引起了听众的浓厚兴趣。在最后的交流环节中,一些教授和学生对多元时间序列这个主题与蒋教授进行了热烈的讨论。

 

□ WISE2010硕士生  杨远

 

 

主题演讲5:Robustness and Efficiency in Conditionally Specified Models via Disparitie

主讲人:*康奈尔大学,Giles Hooker教授

来自康奈尔大学的Giles Hooker教授给大家带来了此次会议最后一场题为“Robustness and Efficiency in Conditionally Specified Models via Disparitie”的精彩学术报告。

Hooker教授首先利用讲座的前几分钟,简要地介绍了论文的动机、框架以及关注的方向。然后,他作了一个简短的文献回顾,给大家讲了这篇论文的写作背景。Hooker教授提到,主流的估计方法虽稳健不够有效,如M-估计,所以他的目标是结合差距方法与贝叶斯分析,以期待在广泛的谱模型中同时获得稳健性和有效性。

接着,Hooker教授详细地介绍了他的研究。他通过使用距离现象建立了一个稳健的贝叶斯推理方法,海灵格距离与负的指数距离度量方法在稳健性估计中有一个很长的历史,Hooker教授通过把在标准的马尔可夫链蒙特卡罗方法可能被应用到的似然估计替代为一个近似的规模化差距,证明可能通过贝叶斯推理得到一个等价的稳健阳离子。最小距离方法一个特别吸引人的属性就是当模型是正确设定的时候,在得到稳健性的同时,得出的参数估计也是有效的。这个方法在实际数据中得到了论证。

最后,Hooker教授做了一个简短的总结:

1. 模型的亮点在于:,能同时获得稳健性与有效性,解决了传统估计模型稳健但不有效的弊端;

2. 虽然有额外的计算负担,但并不大,不至于影响模型结果;

3. 模型方法主要是扩展海灵格距离度量到一般的插入条件模型。

在提问环节,洪永淼教授赞Hooker教授做得不错,并与其就该场讲座相关细节进行了学术探讨,使在座的同学受益匪浅。此次研讨会不仅为在座的同学带来最前沿的统计与计量经济学研究,而且对激发同学的学术探讨热情起着积极的推动作用。

□ WISE2010硕士生  王丽丽

 
 
 
 
 
Copyright © 厦大王亚南经济研究院版权所有     经院院刊  |   EDP中心  |