数学科学学院学术报告[2026]095号

（高水平大学建设系列报告1354号）

报告题目：Nonparametric Estimation of Periodic Parameters in Periodic Linear Time Series Models with Periodic Conditional Heteroscedasticity

报告人：陈敏 教授 （中国科学院）

报告时间：2026年10月16日15:00-16:00

报告地点：深圳大学粤海校区汇研楼633会议室

报告摘要：Periodic phenomena are widely exist in various fields such as finance, economics, astronomy, and meteorology. Accurately estimating the periodic parameters of time series with periodic characteristics is of crucial importance for modeling and forecasting such time series. This paper mainly focuses on the period estimation of periodic linear time series models with periodic conditional heteroscedasticity, a very common structure in financial data. We propose a nonparametric period estimation method, specifically a "leave-out-one-cycle" cross-validation based on M-quantile loss. Theoretically, we establish the consistency of the period estimator. Simulation results demonstrate that the proposed method achieves satisfactory estimation accuracy and robustness in finite samples, especially when the error sequence of the model follows heavy-tailed or skewed distributions, or when the data are contaminated by outliers, our results are superior to the existing methods in the literature. The practical applications of the well-known time series of sunspots, EI Ni\~{n}o sea surface temperature series and quarterly real GDP growth rate data of the G20 illustrate the effectiveness of our method. This study provides a more general and reliable modeling framework for identifying periodic structures in complex financial time series.

报告人简介：陈敏，中国科学院数学与系统科学研究院研究员, 博士生导师，享受国务院政府特殊津贴。现任山西大学特聘教授，博士生导师，数学与统计学院学术院长，全国统计方法应用技术标准化委员会主任委员,全国工业统计学教学研究会会长。曾任中国数学学会副理事长、中国数学会数学奥林匹克委员会主席、中国统计教育学会副会长、北京大数据协会副会长、《数理统计与管理》主编、《应用数学学报（中文版）》副主编，中国科学院数学与系统科学研究院副院长。

主要研究方向为：金融统计理论与方法、非线性时间序列的统计分析，非参数统计估计和检验的大样本理论，生物统计的理论和方法，应用统计（工业统计、统计标准化、财税信息技术），大数据分析与处理的统计理论与算法研究。出版和翻译教材和专著7部；在国内外顶级和核心学术期刊发表统计理论与应用、经济、金融和管理科学论文160余篇，其中SCI和EI论文110余篇。

邀请人：周彦

数学科学学院

2026年10月14日