4月11日中午，8797威尼斯老品牌第136次“学术午餐会”举行。本次午餐会邀请了8797威尼斯老品牌新结构经济学研究院的胡博助理教授。胡博助理教授是经院校友，并于美国印第安纳大学获得经济学博士学位。他的主要研究兴趣在计量经济学和宏观经济学领域，其主要研究方向为时间序列和泛函数据分析，以及它们在宏观经济学和金融学中的应用。
胡博助理教授分享了他与另外两位合作者的一篇有关理论计量经济学的工作论文。胡博助理教授指出，由于经济学中很多现象都与状态分布的时间演变相关，因此，在经济学中，研究各种状态分布是如何随时间发生变化的就是一个非常重要的问题。但是，前人的研究主要存在两个缺陷：一是对于状态分布的特征刻画过于局限；二是对于参数的假设限制过于严格。而胡博助理教授的文章通过构建一个更为一般化的框架，将状态分布相应的密度函数表示为Hilbert空间中的一个函数自回归过程来完善了以上不足。具体来看，文章首先在最简单的AR(1)模型的基础上，通过将密度函数视作Hilbert空间中一个随机变量来估计出密度函数的形式，这一步的估计需要非常精确，因为利用每个时间段估计出的密度函数才能计算出扰动项的分布，扰动项的估计越精确，后续的估计也才会越准确。在第一步的基础上，模型进而基于一系列的假说及工具，将密度函数投射为一个具体的向量，该过程的一个优势在于，可以通过特征值快速的计算出矩阵的逆。但是需要注意的是，不同于一般的VAR模型可以直接求逆，由于模型为建立在Hilbert空间上的无穷向量，因此当λ趋近于0时，即使矩阵满秩，也不存在逆矩阵，因此，只能通过设定有限的K值，进行近似的估计。在构建好模型之后，为了验证这种方法的现实性，胡博助理教授给出了两个实践案例，分别是基于国债以及股票市场回报率的估计，模型结果表明，FAR整体来看，其估计结果都相对于AVE和LAST方法表现更好，也更稳健。最后，在模型的基础上，文章还提出了一种新的方差分解方法，将当前状态分布的特征与其过去的矩相关联，给出了一个有益的结论：如果在过去市场表现疯狂，那么今天其更有可能具有一个高的波动性，反之，如果市场过去的表现较为理性，那么今天也就更可能出现一个较小的波动。
学术午餐会上，与会师生与胡博助理教授进行了热烈的探讨。他们分别就模型的假设以及应用环节的取值细节纷纷提出了自己的疑问以及建议，胡博助理教授也进行了细致的回应。
学术午餐会上，与会师生与胡博助理教授进行了热烈的探讨。他们分别就模型的假设以及应用环节的取值细节纷纷提出了自己的疑问以及建议，胡博助理教授也进行了细致的回应。
（科研办公室 供稿）
