9月13日下午，应统计与数学学院邀请，香港城市大学应用数学系副教授、博生生导师练恒博士在竞慧东楼302给该院部分师生做了题为“Multilinear Low-Rank Vector Autoregressive Modeling via Tensor Decomposition”的精彩报告。
报告中，练恒副教授以张量角度深入研究了向量自回归的低秩模型。向量自回归是数量经济学与统计学的经典模型，侧重刻画多元时序向量的动态演变关系。然而，经典的向量自回归模型需要估计大量的矩阵参数，当样本量获取有限时容易出现过度拟合等不良现象。为此，许多学者提出简约的向量自回归模型以便更好的估计内在模型参数。不过练恒副教授注意到已经有简约参数的假设无法刻画多个待估矩阵的高阶信息，可以说在某些意义下不是有效的估计。为此，练恒副教授以三元张量的角度，提出了新的矩阵参数估计方法。并且从理论与数值实验两方面表明他们方法的有效性。
讲座中练恒副教授严谨的论证、渊博的知识、全新的视角给统计与数学学院师生留下了深刻的印象。在座年轻老师和博士生就“张量的统计建模问题”与练恒进行了深入交流。练恒副教授耐心解答了大家的问题，并给出了若干个可以从张量角度研究的统计问题。张量最近在机器学习与统计领域得到了广泛的重视，它在许多具体领域取得了成功的应用。练恒副教授从张量角度研究经典的统计模型，可以说给出研究一类问题的新的出发点。