（通讯员：关迪）2024年04月10日（星期三）上午10:00，我院特邀浙江大学数学学院教授张荣茂教授在线上做学术报告，报告由学院副院长杨凯副教授主持，学院全体研究生和部分老师参加了本次学术报告会。

报告题目：Sparse Factor Model for High-dimensional Time Series

报告摘要：Factor models have been extensively employed in high-dimensional time series. However, little is known for the case with sparse loading matrix. This talks will introduce a sparse factor model with an easy-to-implement estimation method, aiming to enhance interpretability and relax the constraints on the dimension p of the time series. In particular, it is shown that under weak conditions, the loading space could be consistently estimated with a convergence rate related to the sparseness for each column in the loading matrix and the eigenvalues used to recover the latent factor and loading matrix. In addition, a randomized sequential test is introduced to determine the number of sparse factors. Simulations and real data analysis on sea surface air pressure and stock portfolios are also provided to illustrate the performance of the proposed method.

张荣茂简介：张荣茂，现为浙江大学数学学院教授，浙江省现场统计研究会和多元分析分会副理事长。2004年在浙江大学获得博士学位，2004年7月至2006年6月在北京大学从事博士后研究，2006年至今在浙江大学工作，多次访问香港科大、香港中文大学和伦敦政治经济学院。主要从事非平稳时间序列和高维空间数据的理论与应用研究，已发表SSCI/SCI论文60多篇，发表的杂志包括Annals of Statistics，Journal of the American Statistical Association，Journal of Econometrics，Econometric Theory, Journal of Business and Economic Statistics等统计与计量经济杂志。2015年获浙江省杰出青年基金，主持浙江省重点基金项目1项、国家自然科学基金和省部级基金项目多项，2021年获浙江省自然科学奖（二等奖）和第一届统计学科学技术进步奖（三等奖），现任J. Korean Statist. Soc.等杂志的编委。

  报告会中，张教授主要介绍了HD时间序列的高维稀疏因子模型。在现实中广泛存在高维时间序列数据，因此张教授主要介绍了公因子模型。为了更直观的方便于理解，张教授又详细的介绍了公因子模型，其实就类似于将p维数据投映到了r个方向。除此之外，张教授还讲到了关于降为常用到的稀疏模型。

  张教授通过细致又准确的讲解，使得同学们对高维时间序列分析方向有了更深的了解。报告会后，老师和同学表达了对该方向浓厚的兴趣，也提出了很多相关疑问，张教授也对我们的疑问做了解答。通过此次报告会，提高了同学们对时间序列方向的认识，让同学们大受启发。

（审核人：王丹、王纯杰）

tyc234cc太阳在线玩游戏

2024年4月10日