报告题目： 多变量时间序列的半参数动态最大copula模型
       主讲人：张正军教授（美国威斯康辛大学）
       时间：2018年12月26日（周三）14:30 p.m.
       地点：北院卓远楼305
       主办单位：统计与数学学院

       摘要： 本文基于一个简单的“成对极大”规则，提出了一种由现有copula构造多变量柔性依赖结构（即copula）的非线性理论框架。该构造的最大copula具有显示表达式，而且具有较强的可解释性。与经典的“线性对称”混合型copula相比，最大copula可以看作“非线性不对称”结构。它能够对非对称依赖和联合尾部行为进行建模，同时在非极值行为建模方面具有良好的表现。基于单因素和分块因素模型的最大copula被用于推到具有结构化的相关结构，尤其是高维场合的建模方法。与半参数时间序列模型相结合，最大copula可用于建立灵活准确的多变量时间序列模型，提出了一种新的半参数复合极大似然参数估计方法，建立了该估计量的相容性和渐近正态性。通过大量的数值实验说明了最大copula估计的灵活性和估计过程的精度。在金融风险管理的风险价值估计和投资组合优化中的实际数据应用表明，在金融市场的正常和危机状态下，最大copula法能够准确捕捉高维多元股票收益的联合运动。这是与Zifeng Zhao共同完成的工作。

       主讲人简介：张正军教授现为美国威斯康辛大学统计系长聘正教授、美国统计协会会士、国际数理统计协会财务总监、国际顶级期刊“商业和经济统计”副主编、“计量经济学期刊”金融工程与风险管理特刊共同主编、“泛华统计学报Statistica Sinica”副主编。
       张正军教授2002年毕业于北卡罗来纳大学教堂山分校，获统计学博士学位。主要研究方向包括：金融时间序列分析、极值理论、异常气候分析、稀有疾病（癌症、帕金森综合症、奥兹海默病等等）分析、金融风险的建模和评估、市场系统性风险评估等等。