您的位置是:首页 > 学科动态

中国人民大学统计与大数据研究院、中国人民大学苏州校区联合举办苏州地区统计与大数据学术研讨会

2017-06-12

 

201762-3日,由中国人民大学统计与大数据研究院(以下简称“研究院”)和中国人民大学苏州校区联合主办的苏州地区统计与大数据学术研讨会在中国人民大学苏州校区开太楼一层学术报告厅举行。

 

 

出席本次学术研讨会的有中国人民大学统计与大数据研究院院长艾春荣教授,中国人民大学统计与大数据研究院胡飞芳教授,中国人民大学统计与大数据研究院朱利平教授,德克萨斯大学休斯顿健康科学中心的Zhu Hongjian博士,中国人民大学统计与大数据研究院郭绍俊副教授、张政助理教授、褚挺进助理教授、马维助理教授、杭汉源助理教授,浙江大学数学科学学院副院长张立新教授,复旦大学管理学院统计学系朱仲义教授,南京审计大学林金官教授,以及此次研讨会的筹备委员会等。胡飞芳教授在研讨会上作开幕致辞,并主持了上午分会场的主旨演讲;Zhu Hongjian博士主持了研讨会下午分会场的主旨演讲。

 

在开幕致辞中,胡飞芳教授指出世界科技进步日新月异,云计算、大数据等现代信息技术正深刻改变人类的思维和生活方式。而我国的大数据研究和应用刚刚起步,因此建立大数据交流平台、共同打造以大数据为基础的智库合作具有重要的战略意义。胡飞芳教授诚挚感谢与会嘉宾,并宣布学术研讨会正式开始。



浙江大学张立新教授首先作了以“Adaptive-randomization in Clinical Trials - Models and Theory”为主题的报告,报告提出了几种与临床实验研究相关的随机化程序模型。以往的自适应随机化程序适用于平衡处置、平衡协变量、处置分配优化等各种情形,张立新教授所做研究则针对了平衡处置的自适应随机化。这一程序对任何特定的临床实验患者分配比例均有效果,且同时有着最小的渐进变化和选择偏差。

张立新教授作报告

 

随后,朱仲义教授报告了他们以“Quantile Regression for Functional Partial Linear Models in High Dimensions”为主题的研究,研究讨论了在高维情形下的一种函数型部分线性分位数模型。他们在论文中正式提出了一个在函数型分位数回归背景下包含两个非凸罚函数的正则化理论框架,并提出了实际操作的思路。模拟研究和真实数据研究都证明了他们这一方法良好的理论性能与实用性能。

朱仲义教授作报告

 

短暂的茶歇后,研究院的各位老师们相应的介绍了各自所研究的领域、方向,以及现有的学术成果。研究院的艾春荣院长作了以“Modeling Cross Sectional Dependent Data”为主题的报告。

 

随后,研究院的朱利平教授作了以“Correlation and Dependence: Applications and Implementations”为主题的报告。

 

研讨会的下午分会场于当天14点整开始,由德克萨斯大学Zhu Hongjian博士主持,中国人民大学胡飞芳教授首先作了以“Adaptive Clinical Trials for Precision Medicine: Design and Inference”为主题的报告。

Zhu Hongjian博士主持

 

随后,研究院的郭绍俊副教授作了以“A Selective Overview of Post-selection Inference in High Dimensions”为主题的报告。

 

紧接着,研究院的张政助理教授作了以“Enlargement of Filtration on Poisson SapceA Malliavin Calculus Approach”为主题的报告。

 

研究院的褚挺进助理教授报告了其研究“Large Dimensional Penalized MaximumLikelihood Estimation and Variable Selection in Geostatistics”。

 

 茶歇过后,研究院的马维助理教授作了以“Statistical Inference Post AdaptiveRandomization in Clinical Trials”为主题的报告。

 

研究院的杭汉源助理教授作了以“Statistical Learning Theory”为主题的报告。

 

研讨会的最后,由南京审计大学林金官教授报告了其以“Semiparametric Stochastic VolatilityModels with Time-varying LeverageEffect: Properties and Estimation”为主题的研究。林教授在其在研究中提出了一种新的广义时变非对称随机波动(GTVASV)模型,将收益创新的分布一般化至未知分布,且收益创新和波动性扰动间的相关结构是随时间变化的、非参独立于抵达市场的信息类型。该模型运用贝叶斯方法进行估计。

林金官教授作报告

 

此次研讨会上,来自中国人民大学及苏州地区各大高校的十余位学者分别报告了各自的最新研究成果,与会的老师、校友、同学踊跃提问、讨论热烈,达到了预期目的。次日举行的圆桌会议上,大家也纷纷参与其中,进一步延伸了研讨会的讨论主题。