报告题目: 密度函数的最优平均估计
报告人：廖军（中国人民大学副教授）
报告地点：文波楼401会议室
摘要: 数据科学时代，从数据中提取信息至关重要。概率密度函数从理论上为数据提供了全面的信息。然而，在实践中，不论是参数模型还是非参数模型，不同的概率密度模型由于模型偏差或估计效率较低通常只能描述数据的部分特征。本文提出了一种新的基于无监督学习的信息准则来优化组合不同的密度模型以充分捕捉数据的特征。在此基础上，我们提出了一种可行的密度模型平均（DMA）估计。DMA估计可以渐近达到最小KL损失。此外，我们证明了DMA估计的权重收敛性。模拟研究表明，本文所提出的DMA方法比常见的密度估计方法表现更优。实证分析进一步展示了该方法的优良性能。
报告人简介：廖军，中国人民大学统计学院副教授，主要研究方向包括模型选择与模型平均、组合预测、时间序列分析等。在JASA、Journal of Econometrics等统计学和计量经济学国际顶级期刊发表论文多篇，主持国家自然科学基金和教育部人文社会科学研究等项目。
