【简报】天美制作果冻视频系列学术研讨会（八十七）
2013-11-15 00:00:00
主讲人：Hyun Hak Kim
时间：2013年11月13日 14:00??-15:30
主题：Big Data Mining Using Parsimonious Factor and Shrinkage Methods
此次学术研讨会由来自韩国银行的Hyun Hak Kim作为主讲人，与来自汇丰商学院的张化成，Young Joon Park, Sung Bin Sohn等多位教授，以及十余位同学，使用Parisimonious factor和收缩方法来挖掘大数据这一课题进行了热烈的讨论。
近期许多经济文献中的研究都聚焦于大数据背景下预测因子模型的用处，研究人员能够从大量的可得数据中获益良多，然而有时数据库太过庞大以至于很难从中获取有效的结论。因此，需要发展一种合适的运算规则，来发现统计数据中的特定模式，也就是计量中所说的“潜变量”。有很多可以用来研究大数据的统计运算法则，总的来说，需要找到有用的变量组，也就是“降低维度”。
主讲人首先介绍了一些近期统计和计量研究的预测方法，主要关注因子建设方法，分析使用降维的独立分量分析ICA、稀疏主成分分析SPCA，以及与其相关联的预测，再加上其他多种因素估计及数据的收缩方法（Shrinkage Method），然后讲解了预测方法论，包括大数据集、实验中需要预测的变量、因子增广自回归(FAAR)。在研讨中，在场的几位教授针对ICA、SPCA等与主讲人进行了热烈的讨论。
最后，主讲人对实践研究所得到的计量结果进行说明，结果说明了新的因子模型和缩减方法的有用性。
图片，新闻稿：姬青
时间：2013年11月13日 14:00??-15:30
主题：Big Data Mining Using Parsimonious Factor and Shrinkage Methods
此次学术研讨会由来自韩国银行的Hyun Hak Kim作为主讲人，与来自汇丰商学院的张化成，Young Joon Park, Sung Bin Sohn等多位教授，以及十余位同学，使用Parisimonious factor和收缩方法来挖掘大数据这一课题进行了热烈的讨论。
近期许多经济文献中的研究都聚焦于大数据背景下预测因子模型的用处，研究人员能够从大量的可得数据中获益良多，然而有时数据库太过庞大以至于很难从中获取有效的结论。因此，需要发展一种合适的运算规则，来发现统计数据中的特定模式，也就是计量中所说的“潜变量”。有很多可以用来研究大数据的统计运算法则，总的来说，需要找到有用的变量组，也就是“降低维度”。
主讲人首先介绍了一些近期统计和计量研究的预测方法，主要关注因子建设方法，分析使用降维的独立分量分析ICA、稀疏主成分分析SPCA，以及与其相关联的预测，再加上其他多种因素估计及数据的收缩方法（Shrinkage Method），然后讲解了预测方法论，包括大数据集、实验中需要预测的变量、因子增广自回归(FAAR)。在研讨中，在场的几位教授针对ICA、SPCA等与主讲人进行了热烈的讨论。
最后，主讲人对实践研究所得到的计量结果进行说明，结果说明了新的因子模型和缩减方法的有用性。
图片，新闻稿：姬青
