長沙理工大學學術活動預告一
報告承辦單位: 長沙理工大學數學與統計學院
報告內容: 說說“疾控”咋回事
報告人姓名: 陳曦
報告人所在單位: 湖南省疾病預防控制中心
報告人職稱/職務及學術頭銜: 教授,湖南省疾病預防控制中心副主任
報告時間: 2018年10月17日周三下午2:00
報告地點: 理科樓A419
報告人簡介：陳曦 ，男，二級教授。1987年畢業于武漢大學。湖南省疾病預防控制中心副主任、學術委員會主任。享受國務院政府特殊津貼專家，中南大學和南華大學碩士研究生導師。一直從事艾滋病性病防控、科教管理等工作?，F兼任湖南省性病艾滋病防治協會副會長兼秘書長（法人），中國性病艾滋病防治協會常務理事、流行病組副組長，中華預防醫學會衛生事業管理委員會常務委員，湖南省預防醫學會常務理事。國際艾滋病學會（IAS）會員。曾在泰國、日本、美國、瑞典、澳大利亞等國家學習艾滋病、性病防治技術。多次參加國際和國內會議。1998年以來，擔任衛生部疾病控制專家委員會委員；國家疾病預防控制中心性病艾滋病預防控制中心專家，參與了國家、湖南省《中國艾滋病防治中長期規劃（1998-2010）》、《中國遏制與預防艾滋病行為計劃》“十二五”、“十三五”和《中國預防與控制梅毒規劃（2010-2020）》以及國務院《艾滋病防治條例》、《湖南省實施《艾滋病防治條例》辦法》、國家衛計委《性病防治管理辦法》的討論、調研與編寫。2007年入選湖南省新世紀“121”人才工程；湖南省高層次衛生人才225工程人選；2014年獲“全國優秀科技工作者”稱號。國內多個雜志編委和審稿專家。先后承擔世界衛生組織、聯合國人口基金會、聯合國艾滋病規劃署、NIH、瑞典等國際合作項目、省部級科研課題和衛生廳科研課題70多項次，引進合作經費約2000多萬元。在國內外刊物已發表論文230多篇，主編專業書籍8部，參編17部。
長沙理工大學學術活動預告二
報告承辦單位: 長沙理工大學數學與統計學院
報告內容: Testing for Series Correlation and ARCH Effect of High-Dimensional Time Series Data
報告人姓名: 凌仕卿
報告人所在單位: 香港科技大學
報告人職稱/職務及學術頭銜: 教授,博導
報告時間: 2018年10月17日周三下午3:30
報告地點: 理科樓A419
報告人簡介: 凌仕卿教授于1997年取得香港大學統計學博士學位，1997年至2000年西澳大學經濟學系博士后，2000年至2006年香港科技大學數學系助理教授，2003年至2006年受聘于西澳大學經濟學系和數學與統計系兼職副教授，2006年至2010年香港科技大學數學系副教授，2010年至今香港科技大學數學系教授。凌教授的主要研究方向為：大樣本理論、經驗過程、非平穩時間序列、非線性時間序列及計量經濟學。現為《Journal of Time Series Analysis》聯合編輯《Statistics & Probability Letters》、《Bernoulli》、《Electronic Journal of Statistics》、《Journal of the Japan Statistical Association》國際期刊的副主編。2003年和2013年分別榮獲澳大利亞和新西蘭MSS委員會頒發的Early Career Research Excellence Prize和Biennial Medal, 2005年當選為國際統計學會會員；2007年榮獲計量經濟學期刊(Econometric Theory)頒發的Multa Scripsit Award 的獎勵,2013年當選為澳大利亞和新西蘭MSS的Fellow。2015年當選為ITTI的Inaugural Distinguished Fellow。
報告摘要：This paper proposes two Portmanteau tests for detecting serial correlation and ARCH effect in high-dimensional data. The dimension of data $p=p(n)$ may go to infinity when the sample size $n\to\infty$. We first show that the sample autocorrelation function of the $L_{1}-$norm of data is asymptotically normal and a norm-based Portmanteau test statistic is asymptotically $\chi^{2}$-distributed. When the cross-sectional variables are $s$-dependent (i.e., at most $s$ elements are dependent), the test still works well in the case with $p>n$. Using a suitable function of the data, the norm-based test can be applied to the heavy-tailed time series. We next show that the sample rank autocorrelation function (Spearman's rank correlaion) of the $L_{1}-$norm of data is asymptotically normal and the norm-based rank test statistic is asymptotically $\chi^{2}$-distributed. Surprisingly, the norm-based rank test is dimension-free, i.e. independent of $p$, and without requiring any moment condition of the data or the covariance structure condition as required in the literature. Two standardized norm-based tests are further discussed. Simulation results show that these test statistics have satisfactory sizes and are very powerful even for small $n$ and large $p$. A real data example is given.