报告题目：高维区间数据建模及其在金融市场中的应用
报告时间：2025年11月14日上午9:00
报告地点：北湖东校区激情视频
新楼216室
主办单位：激情视频
报告人：包皓文
报告人简介：包皓文，中国科学院数学与系统科学研究院管理学博士，现任西安电子科技大学经济与管理学院华山菁英副教授。主要研究方向包括理论计量经济学、复杂数据分析、经济预测与宏观经济管理等。主持国家自然科学基金青年项目（C类），并参与多项国家自然科学基金面上项目和专项项目。研究成果发表于Journal of Forecasting、《计量经济学报》等国内外重要学术期刊。
摘要：在金融市场中，许多数据天然以区间形式出现，比如股票的日内价格波动区间、外汇的买卖价差、原油的价格区间等。这些区间数据包含了丰富的市场波动信息，如果简单地用单个点值来处理，会造成信息损失。同时，随着金融数据维度越来越高，如何从海量变量中筛选出真正有用的预测因子，也成为一个亟待解决的问题。针对这些挑战，本文将区间作为一个整体来处理，提出了适用于高维区间值时间序列的稀疏机器学习回归方法。我们采用LASSO或自适应LASSO等惩罚技术，构建了最小距离惩罚估计方法，该方法可以涵盖传统的点估计作为特例。无论预测变量个数的增长速度是否超过样本量，本文都证明了所提估计量具有相合性和oracle性质。蒙特卡洛模拟验证了该方法在有限样本下的良好表现。在原油价格预测和标普100指数跟踪两个实证应用中，本文方法相比随机森林、多层感知器等其他方法表现出明显优势。研究表明，正则化技术在区间值时间序列分析中有很大应用潜力，能够为金融预测和投资组合管理提供新的思路。
