2019年5月9日下午，应中央财经大学统计与数学学院邀请，山东大学林路教授在沙河校区做了题为“A Global Bias-Correction DC Method forBiased Estimation under Memory Constraint”的学术报告。学院青年教师参加了此次报告。  

林路是山东大学金融研究院教授、博士生导师、副院长；在南开大学获得博士学位后，先在南开大学任教，然后到山东大学任教至今；从事高维统计、非参数和半参数统计以及金融统计等方的研究，在国际统计学、机器学习和相关应用学科顶级期刊Annals of Statistics, Journal of MachineLearning Research, PLoScomputational biology和其它重要期刊发表研究论文100余篇；主持过多项国家自然科学基金课题、博士点专项基金课题、山东省自然科学基金重点项目等；获得国家统计局颁发的统计科技进步一二等奖，山东省优秀教学成果一等奖；是国家973项目、国家创新群体和教育部创新团队的核心成员，教育部应用统计专业硕士教育指导委员会成员，山东省政府参事。

林路教授介绍了一种在计算机内存约束条件下的全局纠偏的模型分块计算方法(global bias-correction divide-and-conquer，GBC-DC)。该种新的估计方法采用每批数据所得到的局部估计量，在局部估计量与所关心的真实参数之间建立了一个形式上的线性回归。在这个框架中使用最小二乘来合成参数的全局估计量。新的GBC-DC方法可以吸收隐藏在统计结构中的信息和每批数据中的变量，得到的全局估计量是严格无偏的。此外，在一些温和的条件下，全局估计值是一致的，甚至可以在批量较大时达到根号n的一致性。该方法具有计算简单、效率高、不需要任何迭代算法和局部偏置校正等特性。此外，该方法适用于各种有偏估计，如收缩型估计和非参数回归估计。在综合仿真研究的基础上，GBC-DC方法具有明显的偏置校正效果，其性能与全数据估计结果基本一致。

报告结束后，青年教师、研究生与林路教授进行了深入的交流。

本次活动受中央财经大学2019专题学术讲座项目资助。