統(tǒng)計因果推斷模型理論與應用：基于大腦網絡及金融市場研究

　　本書主要針對大腦網絡及金融市場場景研究統(tǒng)計因果推斷模型的理論與應用，主要創(chuàng)新點與特色有以下五點。（1）在大腦神經元網絡方面，通過非線性動力學、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系算法開展神經網絡因果關系檢測。分析統(tǒng)計上的因果關系與實際解剖上的拓撲連接結構之間的聯系，探討神經元突觸連接強度、因果關系值、不同動力學特性三者之間所存在的關聯，重構出給定拓撲接的Hodgkin-Huxley模型的神經網絡因果關系。（2） 研究Hodgkin-Huxley神經網絡混沌、周期動力學發(fā)生的條件，找到混沌、周期、 擬周期三種不同動力學情況下所對應的刺激參數。將兩個神經元網絡NEGCI算法拓展到更大規(guī)模的神經網絡模型，研究檢驗神經網絡結構中神經元之間的因果強度關系，以及所得出的因果強度與突觸的鏈接權重之間的關系。（3）關于宏觀經濟數據和金融數據，考慮到尾部風險在金融風險管理中的重要性，提出了非參數分位數格蘭杰因果檢驗、分位數回歸下的條件格蘭杰因果檢驗、基于Copula分位數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)的格蘭杰因果關系。（4）相對于非參數因果關系檢驗方法，本書提出的分位數回歸條件格蘭杰因果檢驗方法不僅不需要選擇平滑參數，對檢驗結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區(qū)域下的因果關系，有利于獲得數據分布整體因果關系結構。（5）考慮到數據的異質性問題，本書開展面板數據格蘭杰因果關系研究，重點探討了異質性面板數據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。

　　數學博士，上海立信會計金融學院統(tǒng)計與數學學院講師，主要研究領域為計算神經科學中的數學建模及動力學分析、金融風險與管理，包括大腦神經元網絡因果關系重建及神經元動力學內在機制；模式識別，深度學習等方法在大數據中的應用；分位數回歸及分位數回歸下的格蘭杰因果檢驗等。在《系統(tǒng)工程學報》《數量經濟研究》《計算機工程與科學》《The Journal of Computer Science and Technology》《Italian Journal of Pure and Applied Mathematics》等學術期刊發(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1項。參與完成國家自然科學基金項目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院教學改革項目等。