2024年6月29日上午，美国波士顿学院（Boston College）的肖志杰教授应院数量经济研究中心主任朱平芳研究员的邀请，在我院作了一场题为《Distribution Estimation for Time Series via DNN Based GANs》的专题讲座。
在讲座中，肖教授详细介绍了时间序列联合分布估计的研究进展。他指出，传统的分布估计方法，如非参数核方法，由于维数诅咒和有限样本的过度平滑问题，在实际应用中存在诸多局限。而Bootstrap方法则无法生成与原始样本不同的观测值，导致生成的大量样本中包含不切实际的重复数据点。
针对这些问题，肖教授重点讲解了机器学习算法，尤其是生成对抗网络（GANs）在高维问题中的优越表现。他展示了GANs在估计平稳时间序列分布中的有效性，并介绍了基于深度神经网络（DNN）的GANs估计器的非渐近误差界（Error Bound）的推导过程。
肖教授的报告内容深入浅出，既有理论深度，又有实际应用，丰富了中心师生对前沿研究的认识，也为未来的学术研究和应用实践提供了新的思路和方法。会后，师生们纷纷表示受益匪浅，并对肖教授的研究成果表现出浓厚的兴趣。
此次讲座不仅加强了我院数量经济研究中心与国际学术界的交流合作，同时，进一步推动了我院在数量经济研究领域的学术发展。未来，数量经济研究中心将继续邀请更多国际知名学者来访，共同探讨前沿学术问题，推动学术创新与发展。
肖志杰，波士顿学院经济系教授。1997年获耶鲁大学经济学博士学位，研究方向包括计量经济学理论和实证金融。曾获 Econometric Theory 期刊Plura Scripsit奖和Multa Scripsit奖、耶鲁大学Cowles经济研究基金会C. Anderson奖奖学金、波士顿学院杰出青年学者研究奖以及伊利诺伊大学厄巴纳—香槟分校卓越研究奖。其论文发表在Journal of the American Statistical Association、Econometrica、Journal of Econometrics、Econometric Theory、Journal of the Royal Statistical Society: Series B等顶级期刊。肖志杰教授担任Econometric Theory、Econometrics Reviews、Economics Letters、Economics Bulletin、Journal of Time Series Econometrics、Journal of Risk and Financial Management等期刊编委。
供稿：方顺超
