【个人简介】上海财经大学数据科学与统计研究院助理研究员，硕士生导师。毕业于同济大学电子信息与工程学院计算机系，获得工学博士学位。研究方向为计算机视觉与模式识别。已在相关领域累计发表学术论文十余篇，其中多篇CCF A类B类论文；主持并参与多项国家级研究课题；担任IEEE Transactions on Image Processing，Pattern Recognition，Signal Processing，Knowledge-Based Systems等国际权威期刊及ICPR 2018国际学术会议审稿人。

【报告题目】基于局部线性约束的稀疏点集匹配方法

【报告摘要】

点集匹配是计算机视觉与模式识别中的一个基本问题，在图像匹配、全景拼接、三维重建、HDR成像、目标识别及检索等任务中得到广泛应用。其核心问题在于如何挖掘潜在的点对应关系以及估计复杂的几何变换函数，在实际应用中因数据采集及应用场景的不同，往往会受到非刚性形变、噪声、遮挡、误匹配、多视角变化等情况影响，增加了点集匹配算法的复杂度。为解决存在的问题，提出一种基于空间局部线性约束的点集匹配方法，通过一致性向量场学习可有效识别和估计特征点对应关系及几何变换。

【个人简介】上海财经大学统计与管理学院副教授。2013年获得中山大学概率论与数理统计博士学位，并于2016年8月至2018年7月在耶鲁大学生物统计系进行博士后研究。主要研究方向为高维数据变量选择、网络模型及整合分析等。目前，已在The Annals of Applied Statistics、Statistics in Medicine、Briefings in Bioinformatics、Genetic Epidemiology、Genomics等期刊发表多篇学术论文。入选上海市晨光计划，主持国家自然科学青年基金项目，以及全国统计科学研究重大项目。

【报告题目】结构化交互作用分析

【报告摘要】

基因-环境交互作用对于复杂疾病的发生发展有着重要的作用。数据的高维性以及“主效应-交互效应”的层次限制，给交互作用分析带来了一定的挑战。惩罚方法是现有交互作用分析中的典型技术。然而，大多数方法都忽略了基因的生物学结构，例如SNP的邻接结构（归因于它们在染色体上的物理邻接）、以及基因表达的网络结构（归因于它们具有相似的生物学功能）。为此，本文提出了新的结构化交互作用分析方法，其中，使用惩罚函数来处理基因变量间的结构，并同时进行正则化估计和变量选择。另外，提出了有效的算法，并证明了在高维问题下，估计和选择的一致性。在模拟数据、以及GENEVA糖尿病和TCGA黑素瘤数据的分析中，本文提出的方法呈现出较好的选择、估计和预测性能。

【个人简介】上海财经大学统计与管理学院讲师；主要从事国民经济核算、投入产出分析、指数等研究等。

【报告题目】产业关联虚拟测度法的重构与再解释

【报告摘要】

自赫希曼首次引入产业关联效应的概念以来，学者们在投入产出模型的基础上构建了多种测度方法。但这些方法至今仍然存在一些悬而未决的问题，特别是不同方法之间的区别和联系没有得到足够的重视和深入的把握，有待进一步的讨论和解决。本文对虚拟消去法(HEM)的理论问题进行了辨析，发现其核心假设的实质是改变提取部门的常住属性。而投入产出系统中的不完全抽取则违反了这一前提。为此,本文采取完全抽取的方法来重构了基于HEM的产业关联效应测度方法。分析表明，它既不是简单的单向效应（前向关联或后向关联），也不是完全关联效应。从本质上讲，它的测度范围广于常规的产业关联效应，属于是一种广义的关联效应。我们分别用Leontief和Ghosh模型对产业关联的两个方向（前向关联和后向关联）进行测量时，发现HEM的评价结果相对一致，但这不意味着HEM优于常规测度方法。最后，本文重新给出了产业关联效应的虚拟测度方法的测度逻辑和经济内涵。

【个人简介】上海财经大学统计与管理学院助理教授。毕业于香港大学统计与精算学系，获得统计学博士学位。主要研究方向为时间序列分析与分位回归。

【报告题目】分位双自回归

【报告摘要】

众多金融时间序列在不同分位水平会呈现不同的结构特征，与此同时这些序列还展现出条件异方差的特征。目前依然缺少一类时间序列模型可以同时刻画上述两种特征。为填补这方面的空白，本报告提出一种新的条件异方差模型，称之为分位双自回归模型。本报告会为新模型推导严平稳性，并提出自加权条件分位数估计量。基于分位自相关函数和自加权的思想，将构造两种拟合优度检验，两者同时使用可以用于检验条件分位数的拟合优度。本报告将通过模拟研究说明上述估计及检验方法在有限样本中的表现。最后，将新模型及其统计推断方法应用于S&P500股指数据的分析中，以展示新模型在估计和预测VaR方面的重要作用。