2024年5月14日下午，西南财经大学光华特聘教授、中国科学院数学与系统科学研究院研究员、博士生导师常晋源应院数量经济研究中心朱平芳研究员的邀请，在我院作题为《Autoregressive Networks with Dependent Edges》的专题讲座。
在报告中，常老师详细介绍了一种用于动态网络建模的自回归框架。该框架通过假设每个时间点的网络边在条件上独立于其滞后值，有效处理了现实网络数据中常见的传递性和密度依赖等特征。这一方法与时间的ERGM模型（Exponential Random Graph Models）有紧密联系，不仅简化了仿真过程，还使得最大似然估计（MLE）变得更加直接。然而，由于模型可能包含大量参数，初始的MLE收敛速度较慢。常老师提出了一种基于投影迭代的改进估计方法，能够减轻其他参数的影响，从而加速收敛速度。在无需假设平稳性的情况下，通过鞅差异结构，推导出了改进估计的渐近分布。尽管估计量的极限分布通常不是正态分布，但在满足某些混合条件时，该分布会简化为正态分布。常老师的研究通过仿真和两个实际网络数据集的传递性模型验证了这一方法的有效性。该研究不仅为动态网络的建模提供了新的视角，还为未来相关研究提供了重要的理论基础。
常晋源，国家杰出青年科学基金获得者，西南财经大学光华特聘教授、中国科学院数学与系统科学研究院研究员、博士生导师。主要从事“超高维数据分析”和“高频金融数据分析”等领域的研究，先后担任统计学和计量经济学国际顶级学术期刊Journal of the Royal Statistical Society Series B、Journal of Business & Economic Statistics以及Journal of the American Statistical Association的Associate Editor,同时还担任统计学国际—流学术期刊Statistica Sinica的Associate Editor以及管理学中文一流学术期刊《管理科学学报》的领域编辑。已在统计学与计量经济学国际顶级学术期刊Annals of Statistics、Biometrika、Journal of the American Statistical Association、Journal of the Royal Statistical Society Series B、Journal of Econometrics以及Journal of Business & Economic Statistics上发表论文二十余篇。
供稿：方顺超
