本网讯（通讯员王瑞）9月1日下午，加拿大卡尔加里大学数学与统计系副系主任、博士生导师吴静静教授应邀到访人工智能学院，于龙子湖校区繁塔楼作题为“Minimum Distance Estimations for GARCH Models”的专题学术报告。报告由人工智能学院信息与计算科学系教工党支部书记王建平教授主持，学院部分教师及相关专业本科生到场聆听学习。

GARCH模型是金融市场波动率估计的核心工具，其参数估计精度直接关系风险计算、资本金计提的可靠程度，深刻影响风险管理与货币政策实施成效。吴静静教授指出，传统参数估计方法长期存在现实困境：高斯拟极大似然法（GQMLE）面对尖峰厚尾数据时估计效率明显降低，而依托厚尾分布的替代方法又容易产生分布错配问题。围绕上述痛点，吴静静教授介绍了团队提出的最小剖面Hellinger距离估计（MPHDE）方法。该方法充分利用误差分布的对称特性，借助剖面技巧消去未知误差密度，无需预先设定新息分布，有效规避分布错配风险，同时能够对异常值自动降权，实现稳健统计推断。数值模拟结果表明，在数据存在污染的情形下，MPHDE在偏误、均方误差指标上显著优于MLE与GQMLE；针对S&P500指数开展的实证分析，进一步证实该方法在真实金融市场场景下具备良好稳健性与实用价值。该算法还可拓展应用于GARCH(p,q)模型，能够适配地震勘测、人工智能对抗训练、农业多性状育种等各类存在数据污染的研究场景，为复杂条件下实现高效、稳健的统计推断提供了一体化解决方案。

报告交流环节，吴静静教授与sm调教 师生深入研讨，细致解答专业疑问。结合海外科研经历，她鼓励同学们拓宽国际学术视野，积极参与国际学术交流。本次报告是sm调教 深化国际化办学的重要举措，学院将持续拓展国际交流渠道，推进国际联合实验室建设，汇聚海外优质学术资源，营造开放的科研育人环境，引导师生对标国际前沿，助推学院学科建设与人才培养高质量发展。

编辑:郑光 签审:司海平 签发责任人:蔡镔