报告时间：4月23日（星期四）上午10:00-12:35

报告地点：沙河校区，二教105

主持人：安坤呈

学术报告一：Assessing the ripple effects of climate transition risk: network evidence across countries and financial markets

报告人：陈芳，中央财经大学统计与数学学院，博士研究生

报告摘要：We propose an interval-dependent tensor autoregressive model with a nonlinear smooth transition mechanism to construct multidimensional attribute-based risk correlation networks for the stock and sovereign credit markets of G20 countries and EU member states, and further employ a higher-order aggregated network based on time-respecting paths to characterize the temporal evolution of ripple diffusion pathways, revealing a clear sequencing in which equity markets react first and sovereign credit markets respond later. Risk spillovers concentrate in economies with high emissions, large market value, and high sovereign credit risk, and high economic policy uncertainty and the COVID-19 pandemic amplify the transmission intensity of transition risk.

报告人简介：陈芳，统计与数学学院经济统计专业2024级博士研究生，第四期科教融汇研究生学术新星孵化计划成员，主要研究方向为气候金融。

学术报告二：Extreme downside shocks in international financial markets: transmission boundaries and typical events

报告人：刘馨竹，中央财经大学统计与数学学院，博士研究生

报告摘要：考虑到极端下行冲击对金融市场具有巨大破坏力，本文扩展了一种极值copula（SMEVC）模型的理论框架，分析了主要国际金融市场的极端下行冲击传导效应及其异质性，揭示了极端下行冲击的“边界效应”，量化了市场间极端下行冲击的“同向变动”和“相互触发”效应。研究发现，经济联系紧密的市场间，极端下行冲击的传导范围较小；而经济联系较弱的市场间，传导范围则较大。此外，区域内市场的极端下行冲击表现出较高的“同向变动”特征，形成明显的区域联动，尤其是欧洲国家。美国市场与其他市场的极端下行冲击联动性均较高。最后，负面经济事件通常引发较强的极端下行冲击，并具有较高的传导性，政治事件和自然灾害的影响较为有限。公共卫生危机（如新冠疫情）引发了剧烈的全球性冲击。本文为金融市场的风险管理和政策制定提供了新的视角，尤其在全球经济一体化背景下，跨市场极端下行冲击的管理显得尤为重要。

报告人简介：刘馨竹，中央财经大学统计与数学学院经济统计专业博士生。导师为邓露教授。

学术报告三：面向大规模流数据的在线变量选择方法

报告人：孟康，中央财经大学统计与数学学院，博士研究生

报告摘要：针对流数据“数据持续到达、规模不断扩展”的特点，传统离线方法难以直接应用。本研究的核心思想是构建依赖当前批数据与历史统计量的在线更新框架，通过引入平方根lasso、卷积平滑、逆概率加权及非凸正则化等技术，实现参数估计与变量选择的统一。在方法上，强调“可更新统计量+在线优化”的设计思路；在理论上，保证估计量具有一致性与渐近正态性，并在统计效率上接近离线方法；在计算上，显著降低存储与计算成本。整体而言，该研究为复杂流数据环境下的实时建模与高效推断提供了一种兼顾统计精度与计算效率的可行路径。

报告人简介：孟康，统计与数学学院2021级数理统计硕博连读研究生，导师为盖玉洁教授。主要研究方向包括海量数据的统计建模与推断、迁移学习等。

撰稿人：刘洁

审稿人：邓露