题 目：基于LASSO方法的结构突变理论研究
主讲人：王黎明 教授 博士生导师
时 间：2021年11月9日（星期二）19：30--21:30
地 点：腾讯会议ID：706 094 5326
内 容：结构突变是统计学、经济学、信号处理和生物信息学等学科领域中的研究热点之一。Z. Harchaoui(2008)等首次提出了基于LASSO的结构突变点检测方法,是近几年结构突变问题的最新研究方法。该检测方法的基本思想是通过适当转换把多变点检测问题转化成带 LASSO 类惩罚的变量选择问题来解决,这样可以将现代变量选择的丰富研究成果引入到变点检测问题研究中。与传统变点检测方法不同,传统变点检测方法一般先检验是否存在变点及变点个数,然后再估计推断变点时刻(位置)。新方法类似于LASSO方法的特点是可以同时实现参数估计和变量选择,带LASSO类惩罚变量选择的变点检测方法的独特优势是能同时实现变点个数和变点时刻的估计,而且具有良好的快速计算能力,可以用于大数据样本变点问题,使得 LASSO类变量选择方法在变点检测问题研究上具有很强的应用活力,是最近几年处理变点检测问题的最新研究方法。
报告人简介：王黎明，上海财经大学统计与管理学院教授，博士生导师，兼任中国现场统计学会资源与环境统计分会常务理事，中国现场统计学会高维数据统计分会常务理事，上海市质量技术应用统计学会副理事长，上海市统计高级职称评审委员会评审专家。在应用统计学、经济统计学、数量金融和风险管理方面具有丰富的教学和研究经验。曾多次访问香港理工大学应用数学系，台湾辅仁大学管理学院，在Journal of Scheduling, Science China Mathematics, Statistical Papers, Metrika, Communications in Statistics-Theory and Methods;《中国科学》、《数学年刊》、《统计研究》、《数量经济技术经济研究》和《经济学动态》等国内外权威学术期刊上发表学术论文50余篇。
