（通讯员：刘晔）2026年8月18日下午16:00，我院特邀南京审计大学统计与数据科学学院教授、博士生导师刘广应教授，在南湖校区办会楼二楼会议室1256室作学术报告。本次报告由beat365在线唯一官网登录承办，会议由学院副院长杨凯教授主持，学院院长王纯杰教授、统计系副主任王淑影教授、统计系支部书记袁晓惠教授、学院部分教师和研究生参加了本次学术报告会。

会议开始之际，杨教授对刘教授的到来表示热烈欢迎，并简要介绍了刘教授的研究方向与学术成果。

报告人简介： 刘广应，南京审计大学统计与数据科学学院教授、博士生导师。复旦大学博士，浙江大学博士后，香港科技大学访问学者，江苏省“青蓝工程”学术带头人。兼任多个统计与风险管理学会理事。主要研究方向为金融高频数据、应用统计、深度学习、金融数学。在中国科学、JASA、Journal of Econometrics等权威期刊发表论文40余篇，主持国家自然科学基金、国家社会科学基金及省部级课题10余项。

报告题目：Heterogeneous Autoregressive Model for Symmetric Matrix-valued Time Series

报告摘要： Matrix-valued time series data are common in the fields of economics and finance, and some of these are symmetric matrices, such as realized covariance matrices obtained from financial high-frequency data. This paper constructs a matrix heterogeneous autoregressive (MHAR) model for symmetric matrix-valued time series data to describe their dynamics. The coefficient matrices are estimated using the alternating direction method of multipliers, and the algorithmic convergence results and asymptotic properties of these estimators are established. Simulation results confirm these asymptotic properties. We then use our MHAR model to predict future realized covariance matrices and apply these predicted matrix values in portfolio management. Compared to other models for predicting realized covariance, our simulation studies and real-data analysis both demonstrate that our proposed model has superior predictive accuracy and investment performance.

报告会上，刘广应教授围绕MHAR模型的构建动机、估计方法、理论证明及应用案例进行了系统阐述。

他重点解析了如何利用矩阵结构保留信息、通过异质自回归捕捉长记忆性，以及交替方向乘子法在大规模矩阵估计中的优势。结合模拟实验和实际股票市场数据，刘教授直观展示了模型在预测未来波动率中的显著效果，为高频金融数据分析提供了新的工具和视角。

报告结束后，与会师生就模型假设、参数选择等在实际高频数据中的应用难点等问题与刘教授展开了热烈讨论。刘教授逐一详细解答，并分享了自身在研究过程中的经验与心得，现场互动积极，学术氛围浓厚。

与会师生一致认为，本次报告紧贴金融统计前沿，内容丰富、逻辑清晰，对理解和处理高维矩阵值时间序列数据具有重要的启发和借鉴意义。大家表示，将结合自身研究领域，尝试应用该模型方法，进一步提升科研工作的创新性和实用性。

初审：关迪

复审：杨凯

终审：王丹、王纯杰

beat365在线唯一官网登录

2026年8月19日