作者簡介
葉仁道，杭州電子科技大學經(jīng)濟學院教授、博士生導師?，F(xiàn)任杭州電子科技大學雜志社社長。主要從事數(shù)理統(tǒng)計、數(shù)據(jù)挖掘、金融統(tǒng)計等領(lǐng)域的研究。入選浙江省高校領(lǐng)軍人才培養(yǎng)計劃高層次拔尖人才、浙江省高校中青年學科帶頭人、浙江省“151人才工程”第三層次、浙江省“之江青年社科學者”。
主持國家自科、國家社科基金3項、省部級課題10項，在Journal of Multivariate Analysis、Computational Statistics & Data Analysis、《經(jīng)濟地理》等學術(shù)刊物上發(fā)表論文70余篇，其中SSCI、SCI論文34篇、EI收錄14篇、CSSCI收錄4篇、一級期刊9篇，出版專著、教材4部。獲浙江省高?？蒲谐晒劧泉?項、三等獎1項、杭州市哲學社科優(yōu)秀成果二等獎、浙江省教學成果二等獎等多個獎項。為教育部學位與研究生教育專家?guī)煸u審專家、International Journal of Applied & Experimental Mathematics期刊編委、中國數(shù)量經(jīng)濟學會理事等。
2019 年2 月，習近平總書記在主持中央政治局第十三次集體學習時指出“金融安全是國家安全的重要組成部分……防范化解金融風險特別是防止發(fā)生系統(tǒng)性風險，是金融工作的根本性任務(wù)”。2024 年5 月，中央政治局會議指出“防范化解金融風險，事關(guān)國家安全、發(fā)展全局、人民財產(chǎn)安全，是實現(xiàn)高質(zhì)量發(fā)展必須跨越的重大關(guān)口”。近年政府工作報告亦屢屢提及互聯(lián)網(wǎng)金融風險問題。因此，基于數(shù)字金融實際數(shù)據(jù)對其風險預警開展統(tǒng)計建模及應(yīng)用研究，已成為具有國家戰(zhàn)略意義的重要課題。
然而，數(shù)字金融實際數(shù)據(jù)更常見、更頻繁地呈現(xiàn)出各種偏態(tài)分布的特征，如偏正態(tài)分布、偏t分布、偏橢球等高分布等。在眾多偏態(tài)分布中，偏正態(tài)分布可以說是實際數(shù)據(jù)擬合分布中最為常見的。顯然，此時若簡單沿用傳統(tǒng)的正態(tài)分布假定對實際數(shù)據(jù)及其理論模型進行統(tǒng)計推斷研究，易導致統(tǒng)計推斷方法缺乏穩(wěn)健性，也易導致具有誤導性的結(jié)論。
對此，《偏正態(tài)下數(shù)字金融風險預警的統(tǒng)計建模及應(yīng)用》（葉仁道等著. 北京 : 科學出版社, 2024. 12）突破經(jīng)濟金融統(tǒng)計建模中常引發(fā)質(zhì)疑的正態(tài)分布假定窠臼，創(chuàng)造性地提出非中心偏 χ2分布、廣義非中心偏 χ2分布、非中心偏F 分布等偏態(tài)分布理論。進一步，構(gòu)建偏正態(tài)單向分類隨機效應(yīng)模型、偏正態(tài)兩向分類隨機效應(yīng)模型、偏正態(tài)非平衡面板數(shù)據(jù)模型、偏正態(tài)混合效應(yīng)模型等偏正態(tài)統(tǒng)計模型。在此基礎(chǔ)上，綜合運用矩陣技術(shù)、極大似然估計、EM（expectation-maximum，期望最大化）算法、Bootstrap（自助）方法、廣義方法、蒙特卡羅（Monte Carlo）方法、機器學習等多種研究方法和工具，建立一系列新的有效的統(tǒng)計推斷理論與方法，并將其應(yīng)用到我國數(shù)字金融風險最優(yōu)預警模型的構(gòu)造中，以提高數(shù)字金融領(lǐng)域統(tǒng)計推斷的精度，改善實際數(shù)據(jù)分析的效果，為當前數(shù)字金融風險預警及防范治理實踐提供更有力的數(shù)據(jù)支撐。
本書共分10 章，系統(tǒng)闡述復雜偏正態(tài)數(shù)據(jù)下統(tǒng)計建模理論與方法、數(shù)字金融風險評估指標及最優(yōu)預警模型構(gòu)建等。具體內(nèi)容：
構(gòu)建若干類偏正態(tài)統(tǒng)計模型，并討論矩生成函數(shù)、密度函數(shù)、線性型分布、二次型分布、獨立性等模型性質(zhì)。
針對上述偏正態(tài)統(tǒng)計模型，探討回歸系數(shù)、方差分量函數(shù)、偏度參數(shù)等感興趣參數(shù)的可行估計問題，并從理論視角證明其統(tǒng)計優(yōu)良性。
針對上述偏正態(tài)統(tǒng)計模型，研究回歸系數(shù)、方差分量函數(shù)、位置參數(shù)等感興趣參數(shù)的可行檢驗問題，并從數(shù)值視角證明其統(tǒng)計優(yōu)良性。
構(gòu)建數(shù)字金融風險指標體系，并基于最優(yōu)綜合賦權(quán)法研究我國數(shù)字金融風險指數(shù)的測度問題。
將偏正態(tài)統(tǒng)計建模理論與機器學習方法相結(jié)合，探究中國數(shù)字金融風險最優(yōu)預警模型的構(gòu)建問題，并作數(shù)值模擬及對策分析。
本書將偏正態(tài)總體推廣至偏正態(tài)統(tǒng)計模型，系統(tǒng)探討數(shù)字金融風險預警的統(tǒng)計建模理論，建立了一系列新的有效的統(tǒng)計推斷理論與方法，實現(xiàn)了對文獻中現(xiàn)有結(jié)果的改進與推廣（可參見第2～4 章和第6 章）。
具體研究特色與創(chuàng)新之處：
巧妙運用矩陣分解、矩陣微商、矩陣偏序等矩陣技術(shù)的高度技巧，結(jié)合極大似然估計、EM算法等統(tǒng)計方法，構(gòu)造回歸系數(shù)、方差分量函數(shù)、偏度參數(shù)等感興趣參數(shù)的優(yōu)良估計。
利用Bootstrap 方法和廣義方法，建立回歸系數(shù)、方差分量函數(shù)、位置參數(shù)等感興趣參數(shù)的優(yōu)良檢驗。
創(chuàng)造性地提出一系列新的偏態(tài)分布理論，基于此構(gòu)造回歸系數(shù)、方差分量函數(shù)等感興趣參數(shù)的精確檢驗統(tǒng)計量。
應(yīng)用上述統(tǒng)計推斷理論與方法，構(gòu)建我國數(shù)字金融風險最優(yōu)預警模型，以提高數(shù)字金融領(lǐng)域統(tǒng)計推斷的精度，改善實際數(shù)據(jù)分析的效果。
本書研究成果不僅有助于深化對偏態(tài)數(shù)據(jù)統(tǒng)計建模理論與方法的探索，亦有助于提高我國數(shù)字金融風險的預測能力，具有重要的學術(shù)價值和應(yīng)用價值：
構(gòu)建偏正態(tài)統(tǒng)計模型在平衡、非平衡、異方差情形下的可行估計和檢驗，并證明其統(tǒng)計優(yōu)良性，可深化與推廣現(xiàn)有關(guān)于此類模型的統(tǒng)計推斷理論。
突破經(jīng)濟金融統(tǒng)計建模中常引發(fā)質(zhì)疑的正態(tài)分布假定窠臼，在偏正態(tài)分布下建立統(tǒng)計推斷理論與方法，以更為準確地刻畫實際數(shù)據(jù)特征及提高統(tǒng)計推斷精度，為偏態(tài)數(shù)據(jù)分析提供一種新的有效的統(tǒng)計方法。
充分契合數(shù)字金融風險預警的統(tǒng)計建模的現(xiàn)實問題，研究成果可對數(shù)字金融風險作出更為準確有效的統(tǒng)計推斷和預測，改善實際數(shù)據(jù)分析效果，為當前數(shù)字金融風險預警及防范治理實踐提供更有力的數(shù)據(jù)支撐。
研究成果亦可推廣應(yīng)用于類似的復雜經(jīng)濟金融問題，具有重要的借鑒意義。
本書是作者主持完成的國家社會科學基金項目“復雜偏態(tài)數(shù)據(jù)下數(shù)字金融風險預警的統(tǒng)計建模及應(yīng)用研究”（21BTJ068）、國家自然科學基金項目“偏正態(tài)縱向數(shù)據(jù)混合效應(yīng)模型的統(tǒng)計推斷及應(yīng)用”（11401148）、全國統(tǒng)計科學研究重點項目“數(shù)字金融風險評估與預警的復雜數(shù)據(jù)統(tǒng)計建模研究”（2024LZ029）的重要研究成果之一。書中若有不足之處還望國內(nèi)同行及廣大讀者不吝賜教（聯(lián)系方式：yerendao@hdu.edu.cn）。