一、报告时间

2025年11月12日（星期三）14:30-15：30

二、报告形式

线下报告：经管313会议室

三、报告人

汪仕炫  现任英国雷丁大学经济学正教授

四、报告主题

Forecast Evaluation for Functional Data (泛函数据的预测评价检验)

五、报告摘要

本文提出了一系列用于比较两组泛函数据预测的方法。随着越来越多的经济与金融预测研究聚焦于对泛函数据形式观测的变量进行预测，评价泛函数据预测的重要性日益凸显。然而迄今为止，尚无正式的统计检验可用于评估泛函数据预测的相对准确性。本文在经典的Diebold–Mariano 检验基础上，提出了一套适用于泛函数据的新型预测评价检验，并提供正式的统计判定依据。我们推导了这些检验的渐近性质，包括其自标准化版本，并验证了解析临界值与基于自助法的临界值的有效性。通过蒙特卡洛模拟，我们考察了所提检验在有限样本下的表现。最后，我们以美国收益率曲线的预测为实例，对基于远期利率的预测与随机游走基准模型进行了比较，展示了本文方法的应用价值。

六、报告人简介

汪仕炫现任雷丁大学经济学正教授，此前在该校担任副教授和讲师。在2018 年加入雷丁大学之前，他在卡迪夫大学从事预测领域的博士后工作。他于2017 年在伯明翰大学获得博士学位，并于 2016 年获得英国皇家经济学会Junior Fellowship。他的主要研究领域在于变点检测和函数数据分析的计量经济学方法，以及这些方法与统计预测的交叉应用。此外，他对可解释人工智能和机器学习有积极的研究兴趣。他的多项研究成果已发表在顶级学术期刊上，比如 Annals of Statistics, Journal of Econometrics, Econometric Theory, and Journal of Business & Economic Statistics。他目前担任International Journal of Finance & Economics的副主编，并主办Forecasting for Social Good的研究基金项目，和管理Econometrics with Data Science的研究中心。他曾与英国电信 (BT) 和英国国家医疗服务体系 (NHS) 进行合作；值得一提的是，他为BT开发的 AI 解决方案入围了英国2024 年国家人工智能奖 (The National AI Awards)。