西安电子科技大学段江涛在统计学四大期刊JASA发表重要成果

近日，西安电子科技大学数学与统计学院概率统计系段江涛副教授与美国哥伦比亚大学白聚山教授、香港城市大学韩旭教授合作的论文 Taxonomy and Estimation of Multiple Breakpoints in High-Dimensional Factor Models 在统计学国际顶级期刊 Journal of the American Statistical Association（JASA）在线发表。段江涛副教授为论文第一作者，西安电子科技大学为第一署名单位，这是学校在统计学四大顶级期刊上发表的第一篇论文。

JASA创刊于1888年，与 Annals of Statistics, Journal of the Royal Statistical Society: Series B 以及 Biometrika 并称为统计学“四大顶级期刊”，在国际统计学界享有崇高声誉。

随着数字化和智能化深入发展，经济金融等领域不断产生规模庞大、相互关联且随时间演化的高维数据。高维因子模型能够用少数共同因子概括海量变量背后的主要驱动力，是宏观经济预测、金融风险管理、资产定价和政策评估的重要基础工具。然而，政策调整、金融危机、技术变革和重大突发事件往往会使数据的共同结构在未知时点发生改变。若忽视这些变化，就可能把不同阶段的运行机制混合在一起，造成因子识别偏差，并影响预测、风险判断和政策评价的可靠性。因此，准确识别结构变化发生的时间、次数和性质，是理解复杂经济金融系统演化、识别重大冲击影响并提升科学决策可靠性的关键问题。

针对多重结构变化下断点类型难区分、位置难精确估计和数量难统一确定的问题，论文提出了一套基于拟极大似然估计的系统方法，构建了断点分类、位置估计和数量选择的一体化框架。该方法能够区分反映因子结构实质改变的“奇异变化”和反映既有结构内部调整的“旋转变化”，并允许共同因子在不同阶段出现或消失。论文证明，对于奇异变化，所提方法可在大样本下精确识别真实断点；对于旋转变化，估计误差保持有界，同时提出了可一致选择断点数量的信息准则。模拟研究和公开数据分析验证了方法的有效性，为高维动态数据中的结构变化监测、风险识别和政策评估提供了新的统计工具。

该论文是段江涛副教授与合作者围绕高维因子模型结构变化开展的系列成果之一。此前，团队已在计量经济学国际顶级期刊 Journal of Econometrics 发表单断点估计和结构变化检验方面的研究。本次工作进一步将理论拓展至多重断点分析，形成了从结构变化检验、单断点估计到多重断点分类与估计的系统研究链条。（通讯员：张小斌）