主题：Tobit models for count time series with negative autocorrelation
主讲人：朱复康 吉林大学
主持人：姜云卢 暨南大学
时间：2025年12月8日（周一）上午10:30-12:00
地点：暨南大学石牌校区经济学院（中惠楼）102室
摘要
Integer-valued ARMA (INARMA) and integer-valued GARCH (INGARCH) models are popular ones for modeling count time series, and both exhibit an ARMA-like autocorrelation function (ACF). Modeling count time series with negative ACF values in a simple construction is a long-standing open problem that has not been satisfactorily resolved so far. To address this problem, we present an alternative solution, named the Tobit approach. Skellam-Tobit INGARCH, Tobit INAR and Tobit INMA models are studied in detail, and stochastic properties, approximate linearity of the conditional mean, parameter estimation are given. Real-world data examples are analyzed in detail, and it is shown that the proposed models outperform existing ones.
主讲人简介
朱复康，吉林大学数学学院教授、博士生导师。2008年博士毕业，2013年破格晋升教授。主要从事时间序列分析和金融统计的研究，已经在Annals of Applied Statistics、Journal of Business & Economic Statistics、Statistica Sinica、Scandinavian Journal of Statistics、Journal of Time Series Analysis、中国科学-数学等期刊上发表论文多篇，主持国家自然科学基金面上项目3项和青年基金1项。曾获教育部自然科学奖二等奖、吉林省科学技术奖二等奖、吉林省享受省政府津贴专家等奖励，连续三年(2023-2025)入选美国斯坦福大学发布的全球前2%顶尖科学家榜单，获得Journal of Time Series Analysis期刊杰出作者奖。现任吉林省现场统计研究会副理事长，中国现场统计研究会、全国工业统计学教学研究会、中国数学会概率统计分会等学会的理事或常务理事。现任SCI期刊Statistical Papers、Journal of Statistical Computation and Simulation的副主编，是JASA、JRSSB、JBES、AoAS等80余个SCI期刊的匿名审稿人。指导的研究生1人获得吉林省优秀博士学位论文、3人获得吉林省优秀硕士学位论文。
欢迎感兴趣的师生参加！
校对|姜云卢
责编| 彭毅
初审| 姜云卢
终审发布| 何凌云
（来源：暨南大学经济学院微信公众号）
