统计与数据科学学院曹丹丹 报道
9月13日上午8点40，重庆工商大学数学与统计学院胡雪梅教授应邀为统计与数据科学学院全体研究生博士生及导师开展主题为“Group penalized multinomial logit models and stock return direction prediction”的学术讲座。讲座在位育楼417，由研究生院副院长（主持）孔新兵教授主持。
胡雪梅教授是长江上游经济中心(教育部人文社科重点研究基地)博士生导师，中南大学理学博士，中科院数学与系统科学研究院控制论国家重点实验室系统科学博土后，目前已对半变系数模型的统计推断、半参数模型的经验似然、随机扩散方程的稳健推断、高维数据模型的统计学习等展开了系统研究。在Journal of Multivariate Analysis、 Statistical Papers、
North American Journal of Economics and Finance等学术期刊上发表论文40多篇，其中SCI/SSCI收录27篇。
在报告中，胡教授首先介绍了整篇论文的研究背景和研究方法，以往文献对于股价预测问题的研究多是进行二分类，而在本篇论文中将股票回报预测问题分为三类，在后续研究中还会拓展到多类。胡教授提到多项逻辑模型（Multinomial logit model）是对于无序多分类响应变量最常用的模型。在本篇论文中，结合MLM，用G-LASSO、G-SCAD、G-MCP惩罚来收缩组系数，避免多重共线性，提出GCD算法来解决高维多类别预测问题。随后，胡雪梅教授详细介绍了该模型算法，提出了一种新的群坐标下降算法来实现分组选择和分组估计，应用于训练集，G-LASSO、G-SCAD、G-MCP估计量得到类概率估计量，选择相对最优的贝叶斯分类器识别类别指标信息。最后，胡雪梅教授分享了该论文的仿真实验，从结果来看，G-LASSO、G-SCAD 、 G-MCP惩罚MLM优于LASSO、SCAD 、 MCP惩罚MLM，其次是深度学习方法（卷积神经网络、深度神经网络、循环神经网络）和机器学习方法（人工神经网络、支持向量机、随机森林）。胡教授还分享了使用G-LASSO、G-SCAD、G-MCP惩罚的58个技术指标的MLM来预测股价的上行趋势、横向趋势和下行趋势，并表明对于所选择的3家公司，所提出的组惩罚预测方法优于其他方法。
互动环节中，孔新兵教授以及研究生、博士生们与胡雪梅教授就该论文的股价预测分组分类等问题展开讨论，胡教授还对于研究生博士生培养提出宝贵意见。通过本次讲座，与会师生均表示受益良多，对于高维多类分类问题有进一步的认识。
