第三期北大汇丰“经济波动与增长”线上研讨会举行，聚焦成员档案与社区网络自回归的统计推断
2020-08-19 09:01:45
2020年8月14日上午，由北京大学汇丰商学院主办的第3期“经济波动与增长”线上研讨会顺利举行。本次研讨会聚焦成员档案与社区网络自回归的统计推断，主题论文为“对大型网络中的成员档案进行统计推断（SIMPLE: Statistical Inference on Membership Profiles in Large Network）”和“高维时间序列的社区网络自回归（Community Network Auto-Regression for High-Dimensional Time Series）”，由论文作者普林斯顿大学Frederick L. Moore'18 金融学讲座教授、统计学教授，运营研究与金融工程系前系主任范剑青主讲。研讨会由上海交通大学安泰经济与管理学院副教授许志伟主持。
网络数据在当代大数据应用中非常普遍，它可以揭示节点之间的重要潜在联系。个人、经济实体、档案、医学疾病等都可以被广泛定义为节点。然而，给定一个网络，如何精准地量化节点之间“联系”的统计不确定性，以及如何在计量模型中使用社区网络结构，在很大程度上尚未被充分探讨。
为回答第一个问题，范剑青教授与合作者在论文“对大型网络中的成员配置进行统计推断（SIMPLE: Statistical Inference on Membership Profiles in Large Network）”中，提出了一种针对degree-corrected mixed membership模型的大型网络成员档案统计推断方法（SIMPLE模型），并在某些温和条件下，建立了零假设和连续备择假设下两种简单检验统计量的精确极限分布。会议期间，范剑青教授详细讲解了SIMPLE模型的假设条件、变量、解析表达式、估计方法等内容，并通过具体实例对该模型进行模拟。
为了回答第二个问题，范剑青教授与合作者在论文“高维时间序列的社区网络自回归（Community Network Auto-Regression for High-Dimensional Time Series）”中，引入了一种新颖的网络矢量自回归模型（CNAR）。该模型利用网络结构来表征高维时间序列的依赖性和社区内部的同质性，以减少高维矢量自回归中的系数数量。另外，CNAR模型通过允许跨不同网络社区的异构网络效应，极大地提高了网络矢量自回归模型的灵活性和通用性。在详细讲解了CNAR模型后，范剑青教授运用真实数据集证实了CNAR模型相比于其他模型的优势。
在问答环节，范剑青教授就线上观众提出的“如果在做实证时发现之前划分的社区不合理怎么办？”“特征值（eigenvalue）是否需要严格大于零”“如果网络随着时间而变化或者本身是内生的，该如何考虑？”等问题进行了详尽、耐心的解答。
最后，北京大学汇丰商学院副院长王鹏飞教授对范剑青的精彩讲解表示感谢，并表示，网络已经成为了宏观经济学和金融市场研究中的重要工具，范剑青教授的讲座为大家提供了了解和学习网络的机会。此外，王鹏飞教授还倡导年轻学者以范剑青教授为榜样，一直保持学术创造力。来自北京大学、清华大学、上海交通大学、中国人民大学、中央财经大学、上海财经大学、厦门大学、南开大学、武汉大学、中国人民银行等高校和研究机构等近百位学者、学生参加了本次研讨会。
（撰文：都闻心 编辑：木南 图片：都闻心、谢凤）
