央财统计与数学学院孙志猛 (R金融商务, 大规模数据分析) 8月19日在线访谈

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

热烈欢迎中央财经大学统计与数学学院孙志猛副教授于2016年8月19日下午3点接受经管之家的在线访谈活动。欢迎大家热烈提问。

提问领域：
R金融商务；复杂数据分析；计量经济建模；大规模数据分析


PS：的问题提问者会获得50论坛币的奖励~
VIP，不止是论坛币！！！

孙老师9月北京R金融商务案例实战现场培训：https://bbs.pinggu.org/thread-4740813-1-1.html

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏3 回帖

关键词：数据分析 在线访谈 大规模 中央财经大学 pinggu 数学 统计 学院 财经大学 副教授

孙志猛，理学博士，中央财经大学统计与数学学院副教授，硕士研究生导师

研究方向
1. 复杂数据分析
2. 计量经济建模
3. 大规模数据分析

工作经历
2011年7月至今  中央财经大学统计学院与数学学院教师

所授课程
1.数理统计学(本科生)
2.抽样技术(本科生)
3.非参数统计（本科生）
4.现代统计前沿（研究生）
5.回归分析（研究生）
6.应用统计案例选讲（研究生）

学术兼职与社会职务
北京大学光华管理学院商务智能中心教授团队成员

匿名评审
1. Journal of Applied Statistics
2. Journal of Statistical Computation and Simulation
3. Journal of Systems Science and Complexity
4. 数理统计与管理
5. 北京化工大学学报

学术论文

• Focused vector information criterion model selection and model averaging regression with missing response, Metrika，2013，(SCI)
• Semiparametric analysis of additive isotonic errors-in-variables regression models，Statistics and Probability Letters，2013，83(1):100-114. ( SCI)
• Semiparametric analysis of isotonic errors-in-variables regression models with censored response， Journal of Systems Science and Complexity，2013，26：441-461，(SCI)
• M-estimation for the partly linear regression model under monotonicity constraints，Statistics and Probability Letters，2013，83:1353-1363 ，(SCI)
• Functional partially linear quantile regression model，Metrika，2013，(SCI)
• Variable selection for partially linear varying coefficient quantile regressionmodel，Interna-
• tional Journal of Biomathematics，2013，(SCI)
• Semiparametric analysis of isotonic errors-in-variables regression models with missing response，Communications in Statistics-Theory and Methods，2012，41:2034-2060. (SCI)
• Empirical Likelihood Inference of the Partial Linear Isotonic Errors-in-Variables Regression Models with Missing Data，Communications in Statistics- Simulation and Computation，  (Accepted, SCI)
• Model averaging based on rank, Journal of Business and Economic Statistics.(Submitted)
• 响应变量删失情况下线性模型的FIC模型选择和模型平均, 中国科学，2013，43(7): 1-15.
• 删失分位数回归模型的扩展兴趣信息准则和平均估计,中国科学.（已接收）
• Factor model averaging quantile regression and simulation study，Lecture Notes in Computer Science，2012，7473:291-298. (EI)
• 缺失数据下半参数单调回归模型的估计，数理统计与管理， 2011，30(6):979-988
• 半参数单调回归EV模型的估计，工程数学学报，2011，28(6):821-831.
• Empirical likelihood inference of linear transformation models with right censoreddata，International Institute of Applied Statistics Studies，2009, 2:1958-1964.(ISTP)
• 随机右删失数据下单调回归函数的估计，北京工业大学学报，2009,  35(8): 1142-1147.（EI）
• 北京市房地产业发展研究，首都高校博士生和博士后挂职锻炼通讯，2009.
• 随机右删失数据下半参数线性变换模型的经验似然推断,数学进展.(录用待发表)
  

科研课题
1．《随机右删失数据半参数回归模型的光滑FIC平均估计理论及其应用》，国家自然科学基金青年项目，2014-2016，负责人。
2．《大型调查中无效数据的分位数模型平均插补方法及其应用研究》，2012全国统计科学研究（计划）项目，负责人。
3.《生存数据下单调回归模型的统计分析研究》，其他横向课题，2009-2010，负责人。
4.《纵向数据线性混合效应模型的统计推断及其变量选择》，国家自然科学基金面上项目，2012－1015，参与者。
5.《计量经济模型的经验似然方法研究》，国家社会科学基金项目，2010－2013，参与者。
6.《基于结构突变的分数单积半参数统计推断及应用研究》，教育部人文社科青年项目，2012-2014，参与者。
7.《北京市未来经济增长潜力及其支撑条件研究》，其他横向课题，2009-2010，参与者。
8．《散度模型的变量选择》，其他横向课题，2007-208，参与者。

荣誉与奖励
1. 2013年获中央财经大学青年教师基本功大赛奖。
2. 2011年获“2011年京津地区青年概率统计会议论文奖”。
3. 2009年获“北京市第十五次统计科学讨论会论文评比三等奖”。

感谢孙老师与大家进行在线学术交流
期待大家的热烈提问

坛友wuhui1018：
尊敬的孙老师，您好！由于自己本科数理背景，研究生，金融工程（金融衍生品定价）方向，对于大数据研究了解甚少，缺乏相应的知识结构支撑，但一直也想做一点大数据方面的实务工作，有几个关于银行大数据风险管理方面的初浅问题想向您请教下，还望您能详细解答一下。（1）针对银行大数据风险管理这个领域，您认为这个问题可以从哪几方面进行切入？（2）做大数据风控哪个语言或者软件比较适合（R, SAS, python）还是其它？（3）针对大数据风险管理或者大数据研究相关领域，还请您可以推荐一些入门级的参考文献或者书本。

孙老师，因为自己很想比较快速的了解大数据方面的知识或者方法，以便开展具体的工作，不知道孙老师您有一些什么具体建议？

先在此感谢孙老师的指导！

请教孙老师R语言进行金融商务案例分析的优势是？
要说开源还有Python，要说强大有SAS，还有金融业常用的MATLAB

孙老师发了多篇SCI论文，有这方面问题的坛友不要错过机会哦

请问孙老师，请举几个国内公用事业大规模数据分析的实例，整体计算架构，算法及实际效果。有没有失败案例？

孙老师好，我是从事量化研究工作，也一直用r在处理交易数据方面，我以为r在统计分析方面是有着自己的优势的，但在交易系统对接方面，比较底层的开发兼容性还是比较差的，不知孙老师有没有这样的经验来交流一下，另外一个问题，我学数理统计的，在计量方面不太了解，能否简单介绍一下R在计量方面的包和应用，如Engle-Granger检验等。工作中需要比较多，走个捷径吧1

老师您好，我想请问您，做GMM估计的时候，检验一阶二阶的平稳性，是不是AR（1）要拒绝原假设，而AR（2）要接受原假设才有意义呢？原因是什么呢？谢谢老师！

资料狂人 发表于 2016-8-18 09:50
坛友wuhui1018：
尊敬的孙老师，您好！由于自己本科数理背景，研究生，金融工程（金融衍生品定价）方向，对 ...

您好，我还是针对你感兴趣的几个问题逐条回复吧。
（1）任何数据分析和数据挖掘都是基于对具体业务的深刻理解，银行风险控制也不例外。所以，如果打算在银行风险控制领域做些工作，首先是了解目前银行风险控制的基本模式和基本流程，深入了解银行客户的风险点和风险特征，掌握基本的风险控制方法；其次是了解和掌握一些风险控制的理论模型，结合对银行客户风险特点的深刻理解，寻找能够量化的风险点，针对性地开发一些风控模型，对风险进行量化控制。这两方面也许是比较合适的切入点。
（2）数据分析软件各有特点，SAS分析功能强大，对大规模数据的处理能力也教强，但是其费用较贵，难以大规模推广；python处理大规模数据也具有一定的优势，但是其统计分析功能尚显薄弱；R统计分析非常强大，用起来非常方便，尤其是对非数理专业的人员更具吸引力，但是其处理大规模数据的能力相比较弱，但是对超大规模数据的分析建模可以先用一些比较基础的语言如JAVA对数据清洗，对清洗后的数据再用R建模分析，这也同样可以处理实务中遇到的大多数问题。所以，软件的选取没有固定的标准，找到一个用熟了就是最好的。
（3）风控是一项复杂和细致的工作，大数据风控也是也是相对较新的领域，限于笔者有限的涉猎范围，在市面上尚未在大数据风控方面比较系统和优秀的书和教材。
（4）我想任何专业领域的学习都是一个逐步了解和积累的过程，可以从一些简单的模型开始，在学习中不断提升自己的数据分析和建模能力。
希望以上浅见能对你有所帮助，谢谢！