九州平台-九州(中国)学术活动预告一

报告承办单位: 九州平台-九州(中国)数学与统计学院

报告内容: 说说“疾控”咋回事

报告人姓名: 陈曦

报告人所在单位: 湖南省疾病预防控制中心

报告人职称/职务及学术头衔: 教授,湖南省疾病预防控制中心副主任

报告时间: 2018年10月17日周三下午2:00

报告地点: 理科楼A419

报告人简介：陈曦 ，男，二级教授。1987年毕业于武汉大学。湖南省疾病预防控制中心副主任、学术委员会主任。享受国务院政府特殊津贴专家，中南大学和南华大学硕士研究生导师。一直从事艾滋病性病防控、科教管理等工作。现兼任湖南省性病艾滋病防治协会副会长兼秘书长（法人），中国性病艾滋病防治协会常务理事、流行病组副组长，中华预防医学会卫生事业管理委员会常务委员，湖南省预防医学会常务理事。国际艾滋病学会（IAS）会员。曾在泰国、日本、美国、瑞典、澳大利亚等国家学习艾滋病、性病防治技术。多次参加国际和国内会议。1998年以来，担任卫生部疾病控制专家委员会委员；国家疾病预防控制中心性病艾滋病预防控制中心专家，参与了国家、湖南省《中国艾滋病防治中长期规划（1998-2010）》、《中国遏制与预防艾滋病行为计划》“十二五”、“十三五”和《中国预防与控制梅毒规划（2010-2020）》以及国务院《艾滋病防治条例》、《湖南省实施《艾滋病防治条例》办法》、国家卫计委《性病防治管理办法》的讨论、调研与编写。2007年入选湖南省新世纪“121”人才工程；湖南省高层次卫生人才225工程人选；2014年获“全国优秀科技工作者”称号。国内多个杂志编委和审稿专家。先后承担世界卫生组织、联合国人口基金会、联合国艾滋病规划署、NIH、瑞典等国际合作项目、省部级科研课题和卫生厅科研课题70多项次，引进合作经费约2000多万元。在国内外刊物已发表论文230多篇，主编专业书籍8部，参编17部。

九州平台-九州(中国)学术活动预告二

报告承办单位: 九州平台-九州(中国)数学与统计学院

报告内容: Testing for Series Correlation and ARCH Effect of High-Dimensional Time Series Data

报告人姓名: 凌仕卿

报告人所在单位: 香港科技大学

报告人职称/职务及学术头衔: 教授,博导

报告时间: 2018年10月17日周三下午3:30

报告地点: 理科楼A419

报告人简介: 凌仕卿教授于1997年取得香港大学统计学博士学位，1997年至2000年西澳大学经济学系博士后，2000年至2006年香港科技大学数学系助理教授，2003年至2006年受聘于西澳大学经济学系和数学与统计系兼职副教授，2006年至2010年香港科技大学数学系副教授，2010年至今香港科技大学数学系教授。凌教授的主要研究方向为：大样本理论、经验过程、非平稳时间序列、非线性时间序列及计量经济学。现为《Journal of Time Series Analysis》联合编辑《Statistics & Probability Letters》、《Bernoulli》、《Electronic Journal of Statistics》、《Journal of the Japan Statistical Association》国际期刊的副主编。2003年和2013年分别荣获澳大利亚和新西兰MSS委员会颁发的Early Career Research Excellence Prize和Biennial Medal, 2005年当选为国际统计学会会员；2007年荣获计量经济学期刊(Econometric Theory)颁发的Multa Scripsit Award 的奖励,2013年当选为澳大利亚和新西兰MSS的Fellow。2015年当选为ITTI的Inaugural Distinguished Fellow。

报告摘要：This paper proposes  two Portmanteau tests  for detecting serial correlation and ARCH effect in high-dimensional data. The dimension of data $p=p(n)$ may go to infinity when the sample size $n\to\infty$.  We first show that the sample autocorrelation function of the $L_{1}-$norm of data is asymptotically normal and a norm-based Portmanteau test statistic is asymptotically $\chi^{2}$-distributed. When the cross-sectional variables  are  $s$-dependent (i.e., at most $s$  elements are dependent), the test still works well in the case with $p>n$.  Using  a suitable  function of  the data,  the norm-based test can be applied  to the heavy-tailed time series. We next show that the sample rank autocorrelation function (Spearman's rank correlaion) of the $L_{1}-$norm of data  is asymptotically normal and the norm-based rank test statistic  is asymptotically $\chi^{2}$-distributed. Surprisingly, the norm-based  rank test is dimension-free, i.e. independent of $p$,  and without requiring any moment condition of the data or the covariance structure condition  as required in the literature. Two standardized  norm-based tests are further discussed.  Simulation results show that these test statistics have satisfactory sizes and are very powerful even for small $n$ and large $p$. A real data example is given.