活动

2023年3月23日

09:00 – 10:30 (UTC+8, HKT)

网络研讨会

Marcelo C. Medeiros教授

Marcelo C. Medeiros教授是伊利诺伊大学厄巴纳-香槟分校的经济学教授。在这之前，他先后在PUC-Rio电气工程专业取得了学士、硕士以及博士学位, 并以计量经济学和数据科学的统计、优化以及控制理论作为研究方向。Marcelo教授聚焦于计量经济学/统计学理论和尖端的机器学习工具之间的交叉，重点研究了金融、宏观经济、预测和公共政策评估等领域的理论发展和实证应用。Marcelo教授于2022年当选为金融计量经济学会（SoFiE）的研究员，并担任美国统计学会杂志（理论与方法）、商业与经济统计杂志和金融计量经济学杂志的副编辑。他在国际同行评审期刊上发表了50多篇论文，包括，《美国统计学会杂志》、《计量经济学杂志》、《商业和经济统计杂志》、《计量经济学理论》、《国际预测杂志》和《银行和金融杂志》。并且，Marcelo教授也曾在巴西乙级其他外国公司担任外部顾问。

fssc06@cuhk.edu.hk

因子模型和稀疏模型被广泛使用在高维数据中实施低维结构。然而，它们看似是互相排斥的。因此，我们针对这一现状提出了一种提升的方法，将这两种模型的优点结合在监督学习的方法中，以便有效地探索高维数据集中的所有信息。该方法基于一种高维面板数据的灵活模型，称为包括可观测和/或潜在公共因素和特异性成分的因子增强回归模型（a factor-augmented regression model with observable and/or latent common factors and idiosyncratic components）。该模型不仅包括主成分回归和稀疏回归作为具体模型，还显著减弱了横截面相关性，促进了模型的选择和可解释性。该方法由多个步骤和一种新的高维（部分）协方差结构测试方法组成，以推断每个步骤中剩余的横截面相关性。我们发展了该模型的理论，并证明了乘数自助法在测试高维（部分）协方差结构方面的有效性。该理论得到了模拟研究和应用的支持。

详细资料: https://linktr.ee/cssl_cuhk