加入收藏   |    联系我们   |   中科院    |    English    |    ARP登陆 ONLINE登陆
世界计量经济学会2021计量经济学与统计学亚洲暑期学校系列课程——洪永淼教授篇

副标题:


发布时间:2021-07-17 来源: 浏览:

2021年7月17日,洪永淼教授在世界计量经济学会“计量经济学与统计学亚洲暑期学校”中为学员们授课。洪永淼教授现任中国科学院预测科学研究中心执行主任,中国科学院大学经济与管理学院院长。洪永淼教授是发展中国家科学院院士、世界计量经济学会会士、国际应用计量经济学会 (International Association of Applied Econometrics, IAAE) 会士和里米尼经济分析中心(The Rimini Centre for Economic Analysis, RCEA) 高级会士。洪永淼教授的研究兴趣包括模型识别检验、非线性时间序列分析、金融计量经济学以及中国经济和金融市场的实证研究,其研究成果在经济、金融和统计国际顶级期刊上发表,包括Econometrica、Journal of Political Economy、Quarterly Journal of Economics, Review of Economic Studies, Review of Economics and Statistics, Annals of Statistics, Journal of American Statistical Association, Journal of Royal Statistical Society (Series B), and Review of Financial Studies等。

洪永淼教授授课的题目为“Nonparametric Statistics & Machine Learning: Basic Ideas, Methods and Relationships(非参数统计和机器学习:基本概念、方法和关系)”。在上午的课程中,洪教授以消费对收入的边际效应和GDP对政府支出的边际效应为例,展示了传统的参数方法的局限性,提纲挈领地揭示了非参数分析的重要性。同时,洪教授系统地介绍了非参数分析的发展历程和重要的非参数分析的方法。


 

洪永淼教授在讲解非参数统计和机器学习

 

非参数分析方法分为两大类:全局平滑(Global Smoothing)和局部平滑(Local Smoothing)。洪教授以筛分回归(Sieve Regression)和样条平滑(Spline Smoothing)为例讲授了全局平滑;洪教授穿插介绍了其涉及的核密度函数及特殊情况。此外,洪教授将局部多项式平滑(Local Polynomial Smoothing)和全局多项式估计(Global Polynomial Approximation)进行了比较,指出了全局平滑和局部平滑的最重要的不同点,此外,洪永淼教授从偏差(Bias)和方差(Variance)的权衡视角阐述了参数方法和非参数方法的适用情形。


 

洪永淼教授在讲解非参数统计和机器学习


在下午的课程上,洪永淼教授首先以经济学和金融学中的实例:有效市场假说和汇率预测问题,介绍了非参数方法的应用。之后,洪教授将非参数方法和机器学习联系起来,介绍了岭回归(Ridge Regression)、LASSO(Least Absolute Shrinkage and Selection Operator)以及一些经典的机器学习方法,列举了大量实例来说明机器学习在经济学中的重要应用。


 

洪永淼教授授课


暑期学校课堂上,洪永淼教授对非参数方法和机器学习的异同进行了总结:在数据生成过程(Data generating process, DGP)上,非参数方法和机器学习是非常相似的,它们都假设DGP是未知的随机过程并且不依赖于建模(Model-free),但非参数分析假定数据的维度是固定,且一般情况下维度不高,而机器学习可应用于高维数据(有时数据的维度甚至超过样本数量)。另一方面,从统计学视角,机器学习也有不足之处比如模型不确定性,也就是数据微扰可能引起最优预测模型发生显著改变。


 

学员们认真听讲


洪永淼教授的授课深入浅出,系统性地介绍了非参数估计和机器学习的方法、关系、异同和应用,学员们听得津津有味。纵然学员们全身心地沉醉于洪永淼教授精彩的报告,可无情的时间却并不因此停下步伐,本次课程最终在学员们回味无穷的掌声之中圆满结束。

 

图:包皓文、郑力

文:郑力

附件
相关文档
中国科学院预测科学研究中心
2013 版权所有 京ICP备05002806号
电子邮件: yangzhou@amss.ac.cn