2019年7月15日下午，9778818威尼斯第230期金融与统计论坛在9778818威尼斯财院校区行政楼407报告厅隆重举行。本次论坛由英国布鲁内尔大学数学系教授、英国皇家统计学会会士、泛华统计学会会士虞克明教授主讲，9778818威尼斯曾昭法副教授主持。

虞克明教授作了题为《复合分位数回归单指标模型及其在大数据中的应用》的学术报告，主要从以下3个方面介绍了复合分位数回归单指标模型及其在大数据中的应用。

首先，虞教授介绍了复合分位数回归方法在单指标模型中的应用。因为传统的分位数回归方法在单指标模型的应用中比最小二乘估计法（QR）的相对效率要低，但是复合分位数回归方法的相对效率要比最小二乘估计法的相对效率高出70%，所以在单指标模型的应用中一般采用复合分位数回归方法。但由于迭代过程涉及到过于复杂的计算，不适合分析大量的数据和高维数据，所以虞教授介绍了非迭代的复合分位数回归（NICQR）方法和算法，并针对其渐近特性进行分析，模拟实证表明NICQR的性能高于NIQR并且接近于CQR，并且NICQR的运行速度比CQR快一倍，两者在误差方面的表现中同样十分优异。

其次，虞克明教授描述了用于海量数据集的复合分位数回归方法。对于数据集，一般存在三种情况：（1）P>n;（2）n特别大;(3)样本中存在许多，且之间存在相关性。随着计算机技术的进步和普及，在几乎每一个科学和日常生活领域都已经实现了收集所谓的大数据。虞教授主要对于第二种情况做了详细讲解，他指出，当前分析海量数据集面临两个主要挑战：（1）数据可能太大而无法容纳在计算机内存中；（2）计算任务可能需要很长时间才能获得结果。所以需要将复杂的数据集划分为多个块，然后应用NICQR方法。基于此，虞克明教授分别介绍了算法和其渐近特性，通过实证分析，得出DC-NICQR在估计过程中表现良好的结论。

最后，虞教授讲解了复合分位数回归方法在高维数据集中的应用。阐释了稀疏单指标模型的参数估计和渐近推理。并对置信区间、假设检验还有模拟实例进行了简单说明，最终得出结论：PNICQR的性能更强，标准差更小。虞教授现场对同学们提出的问题进行了耐心的解答和指导，鼓励同学们在研究过程中夯实基础，注重问题导向，并对威尼斯官网本科生教学培养计划的修改提出了宝贵的意见，他建议增加回归分析、贝叶斯统计和统计学习等课程。曾昭法副教授对本次论坛的主要内容进行了总结，并感谢虞克明教授为9778818威尼斯师生带来了一场前沿性的学术报告，讲座在热烈的掌声中圆满结束。

主讲人介绍：虞克明，教授，博导。现任英国布鲁内尔大学数学系教授、英国皇家统计学会会士，泛华统计学会会士。主要从事金融统计与计量、金融风险管理等领域的研究工作，开创了贝叶斯分位数回归理论与方法的研究。虞克明教授是国际上统计学领域的知名学者，先后在《Journal of American Statistical Association》、《Journal of the Royal Statistical Society B》、《Journal of Econometrics》《Journal of Financial Econometrics》等国际顶级期刊上发表论文100多篇，在国际一流权威期刊上发表了100多篇高水平的学术论文，其研究成果产生了重大的深远的影响，被国际同行广泛引用，并得到高度评价。