数学与统计学院学术报告[2021] 082号

(高水平大学建设系列报告582号)

报告题目: Central limit theorems for high dimensional dependent data

报告人：常晋源 教授（西南财经大学）

报告时间：9月16日16:20-17:10

报告地点：汇星楼514　　　　　　　　　　　　　　　　　　　　　 　　

报告内容：

Motivated by statistical inference problems in high-dimensional time series analysis, we derive non-asymptotic error bounds for Gaussian approximations of sums of high-dimensional dependent random vectors on hyper-rectangles, simple convex sets and sparsely convex sets. We investigate the quantitative effect of temporal dependence on the rates of convergence to normality over three different dependency frameworks (\alpha-mixing, m-dependent, and physical dependence measure). In particular, we establish new error bounds under the \alpha-mixing framework and derive faster rate over existing results under the physical dependence measure. To implement the proposed results in practical statistical inference problems, we also derive a data-driven parametric bootstrap procedure based on a kernel-type estimator for the long-run covariance matrices.

报告人简历：

简介：常晋源，西南财经大学数据科学与商业智能联合实验室执行主任、光华特聘教授、博士生导师、国家杰出青年科学基金获得者、四川省特聘专家、四川省统计专家咨询委员会委员，主要从事“超高维数据分析”和“高频金融数据分析”两个领域的研究，现为Journal of the Royal Statistical Society Series B、Journal of Business & Economic Statistics以及Statistica Sinica的Associate Editor。

欢迎感兴趣的师生参加！

　　　　　　 　　　　　　　　　　　 数学与统计学院

　　　　　　 　　　　　　　　　　　　2021年9月14日