本网讯（通讯员：邹建文）2018年1月15日下午，2018年经济学院第一次学术讲座在经济学院106会议室举行，英国南安普顿大学数学科学学院和南安普顿统计科学研究所教授卢祖帝作了题为“Theory and Practice on Semiparametric Model Averaging for Nonlinear Time Series Forecasting”的汇报。

卢祖帝指出，动态时间序列预测有重要的价值，如预测英国的通货膨胀率。在自变量维度非常小的时候，可以用常规的非参方法，比如核方法，局部多项式方法，样条法。当自变量的维度变大时，就会碰到“维度灾难”问题。一个典型例子是预测CPI，选取53个预测因子，4阶CPI滞后项，一共57个自变量，但样本量只有64个。

传统的非参时间序列估计一般建立在mixing conditions条件下，但现实的数据很多并不满足这个条件，卢祖帝考虑更一般的条件，near epoch dependence (NED)，在NED条件下，卢祖帝建立了估计的一致性和渐进正态性。

在NED条件下，卢祖帝考虑半参时间序列预测模型，第一个是MARMA模型，这是在做边际回归，卢祖帝建立了MARMA的大样本性质。第二个是大数据的半参预测模型，有两种处理方式，第一种是先使用Kernel Sure Independence Screening (KSIS)方法排除对预测没有显著贡献的变量，再使用penalised MARMA进一步刷选变量，选出最优的模型。第二种方式是先使用PCA估计潜在的共同因子，再使用penalised MARMA进一步刷选变量，选出最优的模型。

卢祖帝比较了不同预测模型预测英国通货膨胀率的效果，选取53个预测因子，4阶因变量的滞后项，锻炼期的样本量64个。估计和预测结果显示，IKSIS+PMARMA的MSPE最小，也就是迭代KSIS+PMARMA预测效果最好。

最后，经济学院教师魏杰、教师蔡必卿与卢祖帝就一些半参时间序列预测模型的估计细节进行了讨论。