返回

团队研究成果被《Statistica Sinica》正式接收

近日,由团队周玮博士、厦门大学钟威教授和博士生康雪倩以及香港中文大学王军辉教授合作完成的论文“Efficient Learning of DAG Structures in Heavy-tailed Data”被统计学国际学术期刊《Statistica Sinica》正式接收。

内容简介

有向无环图(DAG)模型被广泛应用于发现随机变量间的因果关系。然而,现有的大多数DAG学习算法无法直接适用于金融等领域常见的重尾数据。本文提出了一种基于拓扑层的两步高效算法,用于学习具有重尾误差分布(包括帕累托分布、弗雷歇分布、对数正态分布、柯西分布等)的线性DAG模型。首先,我们基于针对重尾DAG的重建准则,以自上而下的方式分层还原拓扑层。其次,我们通过改进适用于重尾分布的条件独立性检验方法来恢复有向边。在理论上,本文严格证明了所提出的算法具有DAG结构估计的一致性。蒙特卡洛模拟表明所提算法具有良好的表现。在实证数据分析中,我们分析了17个国家间的汇率数据,揭示了金融风险传染的源头和传导路径。结果表明,随着欧元的推行,欧洲国家间的金融风险传染效应逐渐趋于稳定。

作者简介

周玮,西南财经大学数据科学与商业智能联合实验室讲师,主要从事因果推断、图模型、高维统计、极值统计等领域的研究。

康雪倩,厦门大学邹至庄经济研究院博士生,主要从事贝叶斯统计、因果推断等领域的研究。

钟威,厦门大学经济学院教授,主要从事高维数据分析方面的研究。

王军辉,香港中文大学统计系教授,主要从事统计机器学习、网络建模、非结构化数据分析、因果推断等领域的研究。