統(tǒng)計因果推斷模型理論與應(yīng)用：基于大腦網(wǎng)絡(luò)及金融市場研究

　　本書主要針對大腦網(wǎng)絡(luò)及金融市場場景研究統(tǒng)計因果推斷模型的理論與應(yīng)用，主要創(chuàng)新點與特色有以下五點。（1）在大腦神經(jīng)元網(wǎng)絡(luò)方面，通過非線性動力學(xué)、格蘭杰因果等方法對Hodgkin-Huxley模型及其耦合系統(tǒng)進行研究，運用提出的具有弱小噪聲的延展型格蘭杰因果關(guān)系算法開展神經(jīng)網(wǎng)絡(luò)因果關(guān)系檢測。分析統(tǒng)計上的因果關(guān)系與實際解剖上的拓撲連接結(jié)構(gòu)之間的聯(lián)系，探討神經(jīng)元突觸連接強度、因果關(guān)系值、不同動力學(xué)特性三者之間所存在的關(guān)聯(lián)，重構(gòu)出給定拓撲接的Hodgkin-Huxley模型的神經(jīng)網(wǎng)絡(luò)因果關(guān)系。（2） 研究Hodgkin-Huxley神經(jīng)網(wǎng)絡(luò)混沌、周期動力學(xué)發(fā)生的條件，找到混沌、周期、 擬周期三種不同動力學(xué)情況下所對應(yīng)的刺激參數(shù)。將兩個神經(jīng)元網(wǎng)絡(luò)NEGCI算法拓展到更大規(guī)模的神經(jīng)網(wǎng)絡(luò)模型，研究檢驗神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中神經(jīng)元之間的因果強度關(guān)系，以及所得出的因果強度與突觸的鏈接權(quán)重之間的關(guān)系。（3）關(guān)于宏觀經(jīng)濟數(shù)據(jù)和金融數(shù)據(jù)，考慮到尾部風(fēng)險在金融風(fēng)險管理中的重要性，提出了非參數(shù)分位數(shù)格蘭杰因果檢驗、分位數(shù)回歸下的條件格蘭杰因果檢驗、基于Copula分位數(shù)格蘭杰因果檢驗方法，所提出的方法具有較好的統(tǒng)計水平和功效，并且能夠檢驗線性和非線性系統(tǒng)的格蘭杰因果關(guān)系。（4）相對于非參數(shù)因果關(guān)系檢驗方法，本書提出的分位數(shù)回歸條件格蘭杰因果檢驗方法不僅不需要選擇平滑參數(shù)，對檢驗結(jié)果的可靠性也有進一步的保證，而且還能夠獲得單分位點和分位數(shù)區(qū)域下的因果關(guān)系，有利于獲得數(shù)據(jù)分布整體因果關(guān)系結(jié)構(gòu)。（5）考慮到數(shù)據(jù)的異質(zhì)性問題，本書開展面板數(shù)據(jù)格蘭杰因果關(guān)系研究，重點探討了異質(zhì)性面板數(shù)據(jù)模型的格蘭杰非因果檢驗和自助法面板格蘭杰因果檢驗兩種方法。

　　數(shù)學(xué)博士，上海立信會計金融學(xué)院統(tǒng)計與數(shù)學(xué)學(xué)院講師，主要研究領(lǐng)域為計算神經(jīng)科學(xué)中的數(shù)學(xué)建模及動力學(xué)分析、金融風(fēng)險與管理，包括大腦神經(jīng)元網(wǎng)絡(luò)因果關(guān)系重建及神經(jīng)元動力學(xué)內(nèi)在機制；模式識別，深度學(xué)習(xí)等方法在大數(shù)據(jù)中的應(yīng)用；分位數(shù)回歸及分位數(shù)回歸下的格蘭杰因果檢驗等。在《系統(tǒng)工程學(xué)報》《數(shù)量經(jīng)濟研究》《計算機工程與科學(xué)》《The Journal of Computer Science and Technology》《Italian Journal of Pure and Applied Mathematics》等學(xué)術(shù)期刊發(fā)表論文5篇，其中多篇論文被CSSCI、CSCD及SCI全文收錄，軟件著作權(quán)1項。參與完成國家自然科學(xué)基金項目1項，主持并完成“上海市青年科技英才揚帆計劃”人才項目（16YF1415900）、“上海市高校青年教師培養(yǎng)資助計劃”（ZZSHJR15045），上海立信會計金融學(xué)院教學(xué)改革項目等。