管理学院“管理学杰出学者论坛”
时间：2012年11月20日（星期二）下午16:00-17:30
地点：善思堂M202
主题：A varying-coefficient expectile model for estimating Value at Risk
主讲嘉宾：周勇，国家杰出青年基金获得者，中国科学院数学与系统科学研究院研究员、（理学、管理科学与工程）博士生导师上海财经大学统计与管理学院常务副院长,博士生导师；中国科技大学及云南大学兼职教授、博士生导师
主持人：李仲飞教授
欢迎各位师生积极参加！
嘉宾简历：
周勇，男，国家杰出青年基金获得者，“新世纪百千万人才工程”国家人选，上海市科技领军人才后备队人选。1994年获中国科学院应用数学所理学博士学位，1996年北京大学概率统计系博士后，1997年香港大学社会学院统计与精算系博士后，香港理工大学商学院会计系研究员，美国北卡罗莱纳大学（UNC）生物统计系研究副教授。现任中国科学院数学与系统科学研究院研究员、（理学、管理科学与工程）博士生导师, 上海财经大学统计与管理学院常务副院长,博士生导师；中国科技大学及云南大学兼职教授、博士生导师。
现担任中国应用统计专业硕士教授指导委员会委员、中国现场统计研究会环境与资源统计分会理事长，中国统计学会高等教育分会副会长，美国数理统计协会（ISM，中国）会员，中国数理统计学会常务理事，中国数量经济学会常务理事，中国优选法统筹法与经济数学研究会常务理事，中国系统工程与管理学学会风险管理分会理事，中国现场统计学会常务理事，国际标准与技术法规分会常务理事，生存分析分会理事。现任《数理统计与管理》编委，《应用数学学报》执行编委，《应用概率统计》编委,《The Open Statistic & Probability Journal》编委，《Sankhya A》编委，《Journal of the Korean Statistical Society》副主编（Associate Editor）和《Frontiers of Economics in China (FEC)》编委。曾任973重大基础研究计划评委。
周勇教授长期从事风险管理，统计理论和方法，经济计量及统计建模等科学研究工作。在复杂数据分析与建模、风险计量与管理、重大（突发）事件及经济结构变化的检测及预报等方面的研究处于世界领先地位。先后承担并完成国家自然科学基金项目6项，主持国家杰出青年基金1 项,参加国家973重大项目“金融风险控制中的定量分析与计算” 子项目、863重大项目和海外杰出青年基金（国内合作人）各1项，国家自然科学基金委创新团队项目1项, 国家自然科学基金委重点项目1项。曾获得省部级科技奖二项。在包括国际顶级《The Annals of Statistics》、《Journal of The American Statistical Association》，《Biometrika》和《Journal of Econometrics》等学术杂志上发表学术论文100余篇，其中，SCI/SSCI索引论文55篇，EI索引7篇,被SCI他引190余次。曾多次应邀在国外开展合作研究、专题演讲或在国际会议中担任大会主席、组委会主席、副主席、成员和大会特邀报告, 研究成果获得了国内外同行的高度肯定。
演讲主题介绍：
Abstract: In this paper, quantile regression methods are suggested for varying-coefficient model with censored data. We use local linear fitting to estimate the smooth coefficient in the quantile framework. An inverse probability of censoring weighted estimating equation are constructed. We use MM algorithm to obtain the solution to the proposed estimating equation in this paper. We derive the local Bahadur representation of the proposed method and establish the asymptotic normality of the resulting estimator. We also provide a consistent and efficient estimate of the asymptotic covariance matrix. However, in practice, we resort to a resampling method for variance estimating, due to the complexity of variance estimator. A simulation study is carried out to illustrate the performance of the estimates. An empirical application of the model to real data further demonstrates the potential of the proposed modeling.
Key words: quantile regression, censored data, varying-coefficient model, Bahadur representation, inverse probability of censoring weighted estimating equation,MM algorithm, perturbation resampling methods.
