2022商务统计与经济计量研讨会暨北大光华商务统计与经济计量系成立20周年活动圆
线上合影（部分）
廿载时光，向新而行，今年是北京大学光华管理学院商务统计与经济计量系成立20周年。值此20周年之际，商务统计与经济计量研讨会暨商务统计与经济计量系20周年活动于2022年9月25日在线上隆重举行。
2022 / 9 / 25
商务统计与经济计量领域的顶尖专家、优秀学者、校友及支持系发展的兄弟院校、各界同仁等，共同相聚云端，开启了一场精彩纷呈的学术盛会。
开幕式
主持人
虞吉海
北京大学光华管理学院商务统计与经济计量系系主任、教授
北京大学光华管理学院商务统计与经济计量系系主任虞吉海教授主持了开幕式，并代表商务统计与经济计量系向参会者致以热烈的欢迎和感谢。虞吉海教授做了简要的系情汇报，向大家介绍了商务统计与经济计量系的使命、师资力量、学术成果及学生培养情况。20年发展，虞吉海教授向商务统计与经济计量系的创始人刁锦寰教授，一直关心和支持系里发展的顾问委员会、特聘教授以及各兄弟院校和同仁表达了诚挚的感谢。面向未来，虞吉海教授指出，大数据时代下涌现出许多新的复杂数据形式和复杂数据关系，为统计计量的建模和预测带来了诸多挑战与机遇，希望借助本次会议，与学界同仁们讨论交流，增加认识，共同应对大数据与人工智能时代背景下的变化与挑战。北大光华商务统计与经济计量系二十周年，收到75封来自全国各地兄弟院校的贺信和社会各界同仁的祝福，虞吉海教授向大家致以最衷心的感谢，期待未来携手并进，共创辉煌。
刘 俏
北京大学光华管理学院院长、教授
刘俏院长代表光华管理学院对商务统计与经济计量系成立20周年表示祝贺。刘俏院长表示，商务统计与经济计量系对光华的国际化、学术发展、学科建设等方面均做出了突出贡献，在人才培养方面也取得了丰硕成果，为国内外高校输送了很多优秀人才。在学院未来的规划中，商务统计与经济计量系扮演着积极而重要的角色。刘俏院长表示，在大数据和人工智能的时代背景下，光华商务统计与经济计量系如何更好地服务于国家重大需求与问题，是未来要思考的命题，而学科间的大交叉、大融合是未来的重要方向。学院也确立了碳中和、AI与社会科学等重点研究领域，商务统计与经济计量系将在这些方面发挥骨干力量。最后，刘俏院长说，过去20年里，商务统计与经济计量系取得了丰硕成果，期待未来20年及更长的时间发展越来越好。
刘作仪
国家自然科学基金委员会管理科学部副主任
刘作仪主任首先对商务统计与经济计量系成立20周年及陈松蹊教授当选中国科学院院士表示热烈祝贺。刘主任表示，商务统计与经济计量是自然科学基金委管理学部重要的资助方向。当前经济数据的丰富和计算机软硬件的发展使得经济管理科学的研究方法和手段发生了颠覆性变化。在传统的模型研究和基于数据的实证方法之外，数据挖掘和深度学习等方法也有着更为广泛的应用前景。基于此，自然科学基金委对管理学部提出了“加强利用数据和模式以及计算仿真方法在研究中的应用”的要求。因此，商务统计与经济计量的研究方向在这种环境下大有可为。同时，刘作仪主任就商务统计与经济计量系的未来发展提出了三点宝贵的建议和期待。一是继续加强高质量的学术研究；二是培养具有国际一流水平的学生；三是在高端智库方面继续为国际的经济高质量发展做出持续贡献。
曾玉平
国家统计局总统计师
曾玉平总师代表国家统计局和中国统计学会向商务统计与经济计量系全体师生校友表示了热烈的祝贺。曾总师表示，国家统计局和中国统计学会高度关注全国统计学科的建设和发展，也在积极推动统计学和其他学科的交叉融合发展。同时近年来不断深化与北京大学统计团队的合作，与北京大学合作成立了数据开发研究中心并取得了卓有成效的工作成果。曾总师提出，当前国家的统计改革与发展面临着许多新的课题和任务。这方面迫切需要全国统计方面的专家学者和统计团队来共同研究。因此，他对北大的统计团队在今后的统计理论研究与实践的探索上提出了更大的期待，特别地希望光华商务统计与计量经济系能够发挥专业和人才的优势，取得大量可复制、可推广的理论成果和实际的案例，为统计改革发展贡献更多更好的研究成果。
郭建华
东北师范大学副校长、教授
郭建华教授从统计学学科发展与高等教育的角度出发，提出北大光华商务统计与经济计量系的成立对中国统计界的意义重大。他提出理由有三，其一是在引育人才方面，商务统计与经济计量系自成立至今的短短20年间为了我国统计学界培养出一大批年轻的中坚力量，其中不乏中国科学院院士，长江学者，杰青，优青等；其二是引领时代，不断吸引海外人才回国任教，做紧跟国际前沿的研究。其三是北大光华开创了一种交叉创新的模式。回顾国内各高校的统计学科发展，其中很大一部分都源自数学学院。而在当今大数据时代，统计方法的革新不能完全寄希望于数学。随着研究的维数无限提高，变量之间的关系极度复杂，应该结合具体的场景，根据数据去做推断，结合物理反演过程，才能发展得更好，北大这方面做了很好的尝试。郭教授最后建议，学校和学院应加大力度支持统计与计量学科的发展和研究，相信商务统计与经济计量系的未来一定会越办越好，引领时代，引领中国，引领世界。
洪永淼
中国科学院大学经济与管理学院院长、教授
洪永淼教授对光华商务统计与经济计量系成立二十周年表示热烈祝贺。洪永淼教授指出，过去二十年一直关注着光华商务统计与经济计量系，有几个方面留下了深刻印象：首先，在一流学科建设方面，光华商务统计与经济计量系创下了一个范例。其次，在国际化办学方面积累了很多值得借鉴的宝贵经验。第三，培养了一大批优秀学生，他们在方法论方面的信念基础扎实，原创性研究能力也特别强，成为统计和计量领域一道靓丽的人才风景线。第四，坚持方法与应用，理论与实践相结合，鼓励用科学方法包括交叉学科的前沿方法来研究经济管理的问题，并将统计计量方法应用于中国经济与管理实践。洪永淼教授表示，今天我们处于一个大数据和数字经济蓬勃发展的时代，大数据、人工智能正在深刻改变经济学、管理学的研究范式，特别是以数据为基础的定量实证研究。相信在今后二十年，光华商务统计与计量系在重塑统计、计量以及管理经济科学等领域的这些新文科建设方面，将会做出更大成绩，创造更大辉煌。
陈 嵘
Distinguished Professor of Statistics, Rutgers University，北京大学光华管理学院商务统计与经济计量系第一任系主任
陈嵘教授目前在美国任教，他表示，虽然远隔万里，透过小小的窗口也能体会到回家的感觉。陈嵘教授回顾了当年与刁锦寰先生一起创建商务统计与经济计量系的历史，表示当时幸而得到了各位老师和同事的支持与帮助，共同创建了坚实的基础。之后商务统计与经济计量系的发展，都是各位老同事、新同事、老同学、新同学的才华和努力的结果。陈嵘教授说道：“刁先生一直以光华商务统计系而自豪，说这是他一生中最精彩、最有意义的工作。我们系经过20年的努力，能取得今天的成绩非常不易，值得在座的所有同仁自豪，再次表示衷心祝贺，也希望大家再接再厉，取得更辉煌的成绩。”
主旨报告I
请滑动下拉查看报告详情
主持人
涂云东
北京大学光华管理学院商务统计与经济计量系教授
Online Portfolio Choices
蔡宗武
堪萨斯大学
堪萨斯大学的蔡宗武教授带来了基于线上信息的投资组合选择的报告。蔡教授提到，投资组合选择首先由马科维茨提出，Hansen and Richard（1987，Econometrica）构建了动态投资组合分配理论，而随着大数据时代的来临，现有的基于每周或每月数据而构建动态投资组合分配的方法，存在着数据更新太慢的问题。本研究的目标是想基于大量的数据信息，推导出对一些预测状态（经济和金融）变量（包括来自大数据的一些文本或在线或媒体信息）作出响应的投资政策，以实现良好的投资组合表现。这里的预测状态（包括文本或在线信息）变量代表着能够预测资产回报的经济状态或市场状态。通常，投资者情绪的变化会导致更多的非理性交易，并导致价格波动和错误定价。
文章首先基于预测状态变量分别采用Partial Least Square 和LASSO方法构建两个投资者情绪指数，并且检验总体市场水平的投资者情绪和股票风险溢价之间的关系，发现这些投资者情绪在样本内和样本外都具有预测能力。文章还将所提出的两种方法与传统的回归方法进行比较，检验结果表明文章中提出的两种方法在预测能力方面表现优于传统回归方法。在实际应用过程中，首先构建一个低维的情绪指数，接着在机器学习方法的帮助下完成预测。文章还通过实证分析展示了投资者情绪和未来股票收益之间的非线性关系。
计量主题研讨会
请滑动下拉查看报告详情
主持人
宋晓军
北京大学光华管理学院商务统计与经济计量系副教授
A Quasi Synthetic Control Method for Nonlinear Models
方 颖
厦门大学
厦门大学的方颖教授带来了非线性模型的似合成控制方法的报告。方教授的研究主要关注非线性模型的合成控制方法。方教授提到，在政策评估领域，合成控制法（SCM）有着很广泛的应用。其基本思想是：将未实施某项政策的地区进行加权后合成为一个更为良好且合理的控制组，该控制组优于主观选定的控制组，可有效克服处理组和控制组之间存在的差异问题。为克服传统合成控制方法中存在的问题，方教授的文章以单因子模型假设放宽传统的线性模型假设以估计处理效应，并且将其命名为Quasi SCM。文章通过LASSO的方法筛选控制单元以及协变量。文章还推导出所提出估计量的渐近分布并通过Bootstrap的方法得到相应置信区间。报告结束后，方教授就QSCM方法相对于SCM方法的计算速度和稳定性比较；优化过程中最优解是否唯一以及对于单因子模型设定的放宽等问题和同学们进行了热烈的讨论。
Nonparametric Identification and Estimation of Heterogeneous Treatment Effects with Endogeneity
周亚虹
上海财经大学
上海财经大学的周亚虹教授带来了具有内生性的处理效应的非参数识别和估计的报告。周教授指出由于模型假设包含多个处理状态、可以涉及到样本的选择、包含内外生变量的乘积，该文章的模型设定较一般化。周教授在文章中通过工具变量的方法处理相应的内生性问题。文章通过将原始模型转变为一个广义部分线性模型以研究相关可识别性问题。周教授在文章中还提出了一种两步估计的方法：第一步是倾向得分的非参数估计，第二步则基于两两差分估计的思想。文章指出此估计量是渐进正态分布的，且可以通过非参数Bootstrap方法得到渐进方差的一致估计。文章通过Monte Carlo模拟结果展示了估计量在有限样本下的良好表现。
Estimation of Heterogeneous Panel Data Models with an Application to Program Evaluation
苏良军
清华大学
清华大学的苏良军教授及其合作者研究了具有交互固定效应的异质性面板数据模型的参数估计。模型允许斜率系数具有截面和时间维度的双重异质性。研究采用两阶段法估计参数：第一步，通过核范数正则化获得斜率和交互因子效应的初步估计，再利用奇异值分解估计因子与因子载荷；第二步，基于因子和因子载荷的初始估计值，更新斜率的估计值，再基于更新后的斜率估计值更新因子和因子载荷的估计值，如此不断迭代获得最终的估计结果。苏教授指出，如此得到的第二阶段斜率估计量具有一致相合性和渐进正态性。最后，苏教授将所提出的方法应用于估计平均处理效应。估计方法为：先基于控制组数据获得每一期的斜率和因子的估计量，再基于此分别对处理组的每个个体进行时间序列层面的回归，得到每个个体的斜率系数和因子载荷估计，最后得出处理效应估计量。该方法得到的个体处理效应估计量具有渐进无偏性。蒙特卡洛模拟结果表明，所提出的估计量相比于合成控制等方法具有更小的均方误差。
From Model Selection to Model Averaging: A Comparison for Nested Linear Models
张新雨
中国科学院、中国科学技术大学
中国科学院的张新雨教授带来了关于模型选择（MS）和模型平均（MA）理论性质比较的报告。在具有多个候选模型时，理论上MA的估计风险不比oracle MS大，但值得关注的是：模型平均相比于模型选择就减小估计风险而言是否有本质的改进？如果有，何时会发生这一现象？张新雨教授及其合作者在变量具有嵌套结构的线性回归模型框架下系统性回答了这一问题。首先将变量分为多组，引入分组的变量重要性指标。具体的，第组变量的重要性衡量了第个模型相比第个模型的偏差平方减小量与方差增加量的比值。假设模型的嵌套结构正确（即变量的重要性逐渐下降）时，模型平均和模型选择的最优风险的发散速度没有区别。要达到最小风险，候选模型的个数需要趋于无穷。接下来探究模型平均和模型选择的风险的阶数的差。张新雨教授及合作者发现，若模型个数相比最优模型的维度很小，这一风险差可以忽略，即模型平均相比于模型选择没有本质优势；在候选模型个数多的情况下，若分组变量重要性的递减速度较慢，则模型平均和模型选择的风险差有明显区别，否则没有明显区别。蒙特卡洛模拟结果印证了以上理论发现。
Hypothesis Testing Based on Posterior-test-based Bayes Factor
李 勇
中国人民大学
中国人民大学的李勇教授带来了基于后验贝叶斯因子的假设检验的报告。由于基于p值的假设检验无法消除第一类错误，统计学家提出采用贝叶斯因子代替p值进行统计推断。基于贝叶斯因子的假设检验具有相合性（无第一和第二类错误）的优良性质。然而，贝叶斯因子通常难以精确计算，此外，在有些情况下使用无信息先验时，基于贝叶斯因子的检验面临Jeffreys-Lindley-Bartlett悖论的问题。为解决这些问题，Johnson（2008）提出基于频率学派检验统计量的贝叶斯因子。李勇教授及合作者在Johnson（2008）基础上进一步考虑把先验信息融入统计量的构造当中，提出基于后验抽样分布的假设检验。李勇教授介绍了后验似然比检验和后验Wald检验两种方法，并分别说明了两种方法的检验统计量在原假设和局部备择假设下的渐近分布。新的检验统计量在借鉴频率学派方法的同时，尽可能保留了贝叶斯学派的优点；实践中容易计算，对有、无先验信息的情况都适用。模拟结果显示在样本量大时，新的检验没有犯第一类错误。最后李教授介绍了新的方法在基金对冲中的应用，实证结果显示基于后验的贝叶斯因子相比于传统贝叶斯因子对先验信息的选择更加稳健。
主旨报告II
主持人
王汉生
北京大学光华管理学院商务统计与经济计量系教授
Online Estimation for Nonparametric Regression and Functional Data
姚 方
北京大学
北京大学的姚方教授带来了基于非参回归和函数数据的在线估计的报告。姚教授先从实际例子出发，介绍了函数数据在许多领域的普及，如生物医学研究、工程、社会科学等。接着，姚教授提出了该问题的重要性，一方面，函数数据分析的一个基本问题是均值和协方差函数的估计，这为后续分析（如函数主成分分析和函数回归）奠定了基础；另一方面，技术进步提高了数据采集的速度和数量，并为使用在线方法以流方式建模此类数据带来了新的挑战。姚教授及其合作者重点关注使用局部多项式的平滑方法，该方法在理论保证的情况下仍难以推广到在线估计。因此，姚教授及其合作者使用局部多项式回归的广泛理论。具体而言，这种基于核估计量具有局部加权最小二乘的形式，可以分解为两个根据带宽对数据进行累加的充分统计量。主要困难在于，最佳带宽随数据收集而变化，而充分统计量也会相应变化。为了克服这一点，姚教授及其合作者提出生成一个动态的候选带宽序列，其中包含当前的最佳带宽以及较小的值，以近似于未来的最佳带宽。基于当前数据块和这些动态更新的候选带宽计算相应的统计量，这些统计量仅包含来自一个数据块的信息，称为“子充分统计量”。然后通过与当前子统计量聚合来更新统计量。因此，该方法不仅可以基于当前数据块，还可以基于历史数据更新估计值，同时只存储一组动态更新的充分统计量。
同时，姚教授具体介绍了提出用于稠密和稀疏函数数据的在线均值和协方差估计，并进行了理论分析，得到了两个估计的渐近正态性。姚教授指出，更重要的是，与基于完整数据的经典结果相比，提出的在线估计具有动态更新带宽序列所获得的相对效率的明确下限。这些下限表明，效率与候选带宽序列的长度成正比，这表明计算时间和内存需要以线性方式进行，特别是对于相似大小的块。因此，在实际使用时，可以根据实际问题在估计精度和计算成本之间作出明智的选择。最后，姚教授展示了模拟和飞机延误数据集上的应用结果，支持这些发现，并显示了所提出方法的优势。
统计主题研讨会
主持人
李辰旭
北京大学光华管理学院商务统计与经济计量系教授
Statistical Inference for Genetic Pleiotropic Analysis
李启寨
中国科学院
中国科学院的李启寨教授带来了遗传多效性的关联检验的报告。李教授先介绍了研究目的，即希望从遗传学角度出发，研究哪些遗传因素、遗传突变位点、遗传因子和复杂疾病相关。接着，介绍了目前通常使用的工具——遗传关联检验，即建立有效的检验统计量，寻找与复杂性状相关联的遗传突变。进一步地，李教授介绍了目前的四个策略：单位点检验，即单性状单位点；多位点检验，即单性状多位点；遗传多效性，即多性状单位点；遗传多效性，即多性状多位点。现有的多效性分析推断程序大多侧重于多表型和一个变异问题。由于连锁不平衡，生物结构中的一些遗传变异，如基因可能同时与多种表型相关。因此，李教授及其合作者提出了一组能够处理多个变体遗传多样性的测试，并表明这些测试在H0假设下的渐近分布为多个服从卡方分布的随机变量的加权和。在此基础上，李研究员及其合作者构造了最大功率加权伪F检验和最大最小有效稳健检验来评估关联及其渐近分布，并从理论上研究了这两种测试的功效。
Statistically Guided Divide-and-Conquer for Sparse Factorization of Large Matrix
郑泽敏
中国科学技术大学
中国科学技术大学的郑泽敏教授带来了基于分而治之策略的高维矩阵稀疏分解的报告。郑教授从电影评分的例子引入大规模矩阵奇异值分解的问题，接着介绍了稀疏奇异值分解在有多个响应变量的线性回归中的应用。现有的稀疏矩阵分解方法亦或缺少理论保证，亦或计算复杂，在大规模矩阵的情形下难以直接应用。郑教授及其合作者提出将多响应回归问题转化为因子分解问题（要求潜在因子之间相互正交），并通过分而治之的策略对低秩矩阵进行估计。具体做法是依据奇异值分解将问题拆成多个秩1矩阵的估计问题，通过并行或次序估计的方式依次对这些秩1矩阵进行估计。两种方式都不需要强制要求正交性。郑教授详细介绍了两种方法下估计量的收敛速率。算法层面，秩1矩阵的拟合可采用竞争性的分阶段学习策略实现，这一算法比交替凸优化的计算复杂度更低，而且通过灵活选择步长可以在统计精度和计算效率之间进行灵活的权衡。模拟结果显示，分阶段算法相比传统的计算方法的计算误差更小，同时速度更快；此外，随着步长趋于零，解路径和交替凸优化的解路径重合。
Neutral Frailty Machine: Beyond Proportional Hazards Assumption in Neutral Survival Regressions
郁 文
复旦大学
复旦大学的郁文教授在报告中分享了其与合作者将神经网络应用于生存分析问题的最新研究。郁文教授指出，传统Cox模型中的部分似然函数不是独立同分布的随机变量和，而是基于秩的，因此对于大数据难以应用随机梯度下降法。如何将深度学习引入生存分析值得探讨。本研究将frailty引入条件风险函数来解释不可观测因素，并将深层网络引入生存分析，基于此提出两类模型：模型一，Neutral Frailty Machines（NFM-FN），基于时间t和特征Z构建全神经网络；模型二，the proportional frailty（PF）scheme，对t和Z分别应用网络结构。两个模型均可以通过随机梯度下降法估计参数，避免大样本下似然函数依赖秩的问题。研究给出了估计量的一致性和收敛速度，并希望进一步得到frailty估计的渐近分布及相关检验。实证发现，本文模型与Cox比例风险模型、非参数生存模型，Neutral Cox models等模型相比具有更好的表现。
Estimating Individual Treatment Effect in Nonlinear Difference in Difference Models
林 明
厦门大学
厦门大学的林明教授带来了基于非线性倍差法的个体处理效应估计与应用的报告。该研究考虑了在带有协变量的非线性倍差法模型框架以及新的识别条件下,个体处理效应的估计问题。林明教授指出，个体处理效应与条件均值处理效应相比包含更加丰富的信息。为了正确识别个体处理效应,假设在没有政策干预的情况下,控制组和处理组潜在结果变量的条件分布函数在两期内具有相同的变化，并且个体在接受处理或不接受处理的情况下,所对应的潜在结果变量的条件秩不变。基于所提出的模型和假设,发展了一种个体处理效应的估计方法，并给出了反事实估计量的收敛速度及渐近分布。数值模拟结果表明所提出的估计量具有良好的有限样本性质。最后,所提出的模型和方法被应用于分析美国最低工资法案的实施对各县失业率的影响。
Matrix Quantile Factor Model
孔新兵
南京审计大学
南京审计大学的孔新兵教授的报告关注具有低秩结构的矩阵分位数因子模型，讨论矩阵的生成机制、分位数随时间的变化、变量的分位数是否联动等问题。模型假设分位数依赖矩阵的行、列因子及公共因子，双向分位数固定效应模型是该模型的一个特例。孔新兵教授指出，传统的将矩阵拉直的估计方法存在两个问题：一是需要通过分解kronecker恢复行列因子，二是参数复杂度高，尤其是对于大数据。本研究通过最小化empirical check loss函数，利用迭代算法进行参数估计，可得到比拉直方法更快的收敛速度。研究随后提出秩最小化（RM）、信息准则（IC）、特征值比（ER）等3种确定行列因子个数的方法，并证明了3种方法都是一致的。模拟发现，本文模型对因子个数和参数的估计与alpha-PCA、投影、拉直等方法相比具有更好的有限样本表现。最后,所提出的模型和方法被应用于投资组合的实证分析。
统计与计量应用主题研讨会
主持人
徐敏亚
北京大学光华管理学院商务统计与经济计量系副系主任、副教授
在高质量发展中分阶段促进共同富裕
李雪松
中国社会科学院
中国社会科学院的李雪松教授在报告中分享了在高质量发展中分阶段促进共同富裕的研究。李雪松教授提出，在高质量发展中分阶段促进共同富裕，首先要通过全国人民共同奋斗把“蛋糕”做大做好，然后通过合理的制度安排正确处理增长和分配关系，把“蛋糕”切好分好。一是以数字经济为抓手，推动经济高质量发展。二是以绿色低碳为抓手，推动经济高质量发展。既要大力发展新能源，推动能源革命，促进能源结构转型，又要警惕传统化石能源收缩带来的区域差距拉大、资产搁置风险和价格上涨对中下游及小微企业带来的冲击。三是以改革开放为抓手，优化内外资准入管理，在高水平开放中提升驾驭开放能力。最后，李雪松教授也建议，在高质量发展中分阶段促进共同富裕，既等不得，也急不得，应当注意初次分配重在效率，再分配重在公平，三次分配重在自愿，形成初次分配为基础、再分配为关键、三次分配为补充的分配体系。
工业碳中和与投资成本核算
犯罪片陈诗一
复旦大学
复旦大学的陈诗一教授分享了关于工业碳中和与投资成本核算的研究与见解。陈教授首先指出，工业是中国的支柱产业和重要的碳排放来源。能否为中国工业部门探寻出合理有效的碳减排路径，在很大程度上决定着中国碳达峰、碳中和目标能否顺利实现。陈教授在报告中对中国工业历史碳排放的驱动因素进行分解，并进一步核算了工业实现碳中和的减排成本。陈教授的研究发现：首先，对于工业历史碳排放而言，规模效应是首要促增因素，而能源效率效应是碳排放的关键促减因素。第二，工业部门未来碳中和的实现除了继续依靠能源效率提高外，需要更多地依赖化石能源清洁转化、清洁能源替代等尚未得到充分发展的技术。第三，以当前的技术水平，工业碳中和的实现需要超过200万亿元的减排成本，所需投资主要集中于高碳行业。最后，陈诗一教授表示，在碳排放目标一定的条件下，尽早达峰、尽可能降低峰值和达峰后尽快减排对于降低碳中和所需的成本至关重要。
DEMO: A Flexible Deartifacting Module for Compressed Sensing MRI
刘卫东
上海交通大学
上海交通大学的刘卫东教授在会上分享了基于压缩感知的核磁共振图像自适应去伪影算法（DEMO）。压缩感知（CS）是一种能够利用低维空间上的特征快速重建高维磁共振图像的新技术。然而，重建图像的质量可能会受到各种来源的噪音的严重影响，理论和实务研究中通常称这些噪音为伪影。为此，团队提出了一种通过消除低维特征空间中的稀疏离群值来有效去除这些噪音的去伪影模块（DEMO）。具体来说，DEMO采用介于模型设定和纯数据驱动算法之间的思路，对压缩感知优化问题中的惩罚项引入结构，利用ADMM优化问题中解的结构以近似的构造一个对异常值具有鲁棒性的新损失函数。这里损失函数由平方损失替换为Huber损失的等价形式，使其兼具了稳健性和神经网络可解释性。由于DEMO是独立于其他算法独立开发的单独框架，它可以灵活地合并到其他被广泛使用的基于压缩感知技术的CS-MRI方法中，包括基于模型的方法和基于数据的深度神经网络。在不同设置下的大量实验证明了DEMO的有效性和鲁棒性。
Data-driven Selection of The Number of Change-points: Consistency and Error Rate Control
邹长亮
南开大学
南开大学的邹长亮教授在会上分享了数据驱动的变点数量估计问题，讨论了算法的一致性和错误率控制问题。邹教授表示，在多变点问题的研究中，主要难点之一是确定变点的数量，而很多变点研究并没有系统分析所提出的算法在未知变点数量情形时统计学性质。为此，邹教授介绍了一种保序的样本分割策略，其作为一种数据驱动方法，能够有效挖掘数据中蕴含的信息。该方法在统一的框架下建立了基于交叉验证的估计方案，能够实现对变点数量的一致估计。该算法的核心思想是构造一系列具有全局对称性的统计量，然后利用对称性，以数据驱动的方法计算临界值。通过这一框架，可以定量的研究“不确定性”，从而能够证明在温和的假设条件下，该方法可以渐进地控制错误发现率（FDR），同时识别出真的变点。数值实验表明，所提出的方法适用于大多数流行的变点算法，能够在有限样本下获得精确的FDR控制。
闭幕式
王汉生
北京大学光华管理学院商务统计与经济计量系教授、上任系主任
会议最后，王汉生教授进行了闭幕总结。王汉生教授向20年来给予商务统计与经济计量系支持的产学各界朋友及此次会议的赞助商——矩池云致以诚挚的感谢。王汉生教授说道：“我们系是一个不大的系，不到十个老师，但是特别团结，我们紧紧站在一起，小小团队中诞生了一名中科院的院士，两名杰青，一名青年长江学者，然后特别骄傲的是我们的学生里已经有一名杰青，两名优青，相信未来一定会更好。特别感谢我们的系友，你们在各行各业辛勤工作，为母校增光添彩，感谢我们所有教过的学生，是通过你们才让统计学和计量经济学在中国的产业做出贡献，你们留下的点点滴滴永不磨灭，是你们的辛苦努力，成就了我们系的今天。作为我本人，能够有幸在过去20年，或长或短与你们共事，曾经一起工作，拼搏向前，特别荣幸，是你们的优秀支撑了我职业生涯中所有的骄傲。20年光阴岁月、弹指一挥间，各位同仁，我们一起努力，用统计学知识、计量经济学智慧为共和国的数据产业添砖加瓦、保驾护航。”
最后，王汉生教授用来自统计之都的项海波同学精心创作的一幅对联结束了当天的盛会：
统观国策，廿载光华思想，
产学两界同称秀；
计量民生，百年复兴担当，
未来大道更辉煌！
中国科学院院士、北京大学讲席教授、光华管理学院商务统计与经济计量系前系主任陈松蹊教授及全系教授们出席活动，向嘉宾们致以诚挚的欢迎与感谢。会议当天，三千多名商务统计与经济计量领域的老师、同学在线参与和观看了直播。