计量经济与数据科学教研室学术讲座

报告题目：基于深度学习的格兰杰因果双重稳健检验
报  告 人：宋晓军（北京大学 副教授）
主  持 人：刘晓彬（raybet电竞下载岭南学院 副教授） 
时      间：2026年6月24日（周三）15: 00
地      址：岭南堂汪道涵会议室（101）
语      言：中文

摘要:
       格兰杰因果关系是分析时间序列数据中动态关系的一个基本概念，并在自然科学和社会科学中具有广泛应用，包括基因组学、神经科学、经济学和金融学。因此，非参数格兰杰因果检验数十年来一直是计量经济学中的核心研究议题。借助深度学习领域近期的理论突破，本文提出一种新的基于深度学习的双重稳健格兰杰因果检验，即 DRGCT。本文方法具有若干显著优势。第一，对于经验研究者而言，DRGCT 能够自然地容纳较大的滞后阶数，从而有效规避传统基于平滑方法的非参数检验所固有且严重受限于的维数灾难问题。第二，从理论角度看，本文的双重稳健矩构造能够巧妙地抵消深度神经网络较慢收敛速率的影响。这使得检验统计量能够达到参数收敛速率，从而为计量经济学中利用深度学习进行有效非参数推断确立了一种新的范式。第三，本文提出一种计算高效的乘子自助法程序，该程序无需冗余地重新训练神经网络，即可准确复制复杂的时间协方差结构；并且通过基于分块的扩展，进一步增强了本文检验在一般非马尔可夫动态过程下的稳健性。在理论上，本文证明该检验能够渐近控制第一类错误率，在固定备择假设下具有趋于一的渐近功效，并且在以最优参数速率n的1/2收敛的局部备择假设下具有非平凡的局部功效。最后，本文通过广泛的数值模拟验证了 DRGCT 的有限样本表现，并将其应用于重新考察美国、中国和日本股票市场中复杂的量价关系。

报告人介绍：

       宋晓军，北京大学光华管理学院商务统计与经济计量系副教授，博士生导师，西班牙马德里卡洛斯三世大学经济学博士。主要研究兴趣是理论计量经济学，包括非参数/半参数方法，假设检验和自助法，以及计量经济学的应用等。论文发表在Managent Science, Econometric Reviews, Econometric Theory, Journal of Applied Econometrics, Journal of Business & Economic Statistics, Journal of Econometrics和Management Science等国际期刊。主持和参加自然科学基金面上项目和重点项目等。获得北京大学优秀班主任、北京大学优秀博士学位论文指导教师、北京大学蔡元培美育奖教金等荣誉。自2020年1月起，担任Economic Modelling副主编。

       欢迎感兴趣的师生参加！