报告题目：High-dimensional and banded integer-valued autoregressive processes

时间：2025-08-30 16:20:00

地点：图书馆一楼会议室

讲座人：杨凯

组织单位：数学与统计学院

主讲人学术简历：杨凯，教授，博士生导师，现任长春工业大学数学与统计学院副院长，吉林省高层次人才，吉林省企业“科创专员”，曾赴日本岛根大学学术访问，兼任中国现场统计研究会贝叶斯统计分会副秘书长，全国工业统计教学研究会理事，中国现场统计研究会大数据统计分会理事，中国现场统计研究会多元分析应用专业委员会理事，中国现场统计研究会经济与金融统计分会理事，吉林省工业与应用数学学会理事等。主要研究领域包括时间序列分析、高维数据分析、区间数据分析、矩阵数据分析等。主持国家自然科学基金面上项目、青年基金项目各1项，吉林省自然科学基金面上项目1项，吉林省博士后基金择优资助项目1项，吉林省产业关键核心技术攻关项目1项（子课题负责人），吉林省创新创业活动项目1项，吉林省教育厅科学研究项目1项，横向科研项目2项，以主要参加人身份参与国家级、省部级科研项目5项。以第一作者、通讯作者身份在Applied Mathematical Modelling, CSDA，TEST等杂志发表SCI/SSCI论文30余篇，其中二区以上论文6篇，ESI高被引论文2篇，ESI热点论文1篇，发表CSSCI论文2篇。主持省级研究生精品课建设项目1项，先后荣获2023和2024年吉林省优秀硕士学位论文指导教师，第四届全国高校数学微课程教学设计竞赛全国一等奖，全国应用统计专业学位研究生教育教学成果二等奖，指导学生参加学科竞赛获得国家级奖项10余项。

观点综述：The modeling of high-dimensional time series has always been an appealing and challenging problem. The main difficulties of modeling high-dimensional time series lie in the curse of dimensionality and complex cross dependence between adjacent components. To solve these problems for high-dimensional time series of counts, a class of high-dimensional and banded integer-valued autoregressive processes without assuming the innovation’s distribution is proposed. A banded thinning structure is constructed to diminish the parameters’ dimension. The componentwise conditional least squares and weighted conditional least squares methods are developed to estimate the banded autoregressive coefficient matrices. The bandwidth parameter is identified via a marginal Bayesian information criterion method. Some numerical results are provided to show the good performance of the estimators. Finally, the superiority of the proposed model is shown by an application to an air quality data set of different cities.