本网讯（通讯员：程静静）2019年5月17日下午16点至17点30分，经济学院2019年第二十九次学术讲座在经济学院413教室举行，上海财经大学经济学院助理教授陈亮做了题为《QuantileFactor Models》和《Estimating Quantile Panel Data Models with Interactive Fixed Effects》的报告，经济学院金融系教师魏杰、文旷宇两位老师以及部分博士研究生、硕士研究生参加报告。本次报告由魏杰老师主持。

报告开始前，魏老师向在座师生介绍了陈亮教授的相关情况，并表达了对陈亮教授的热烈欢迎。

在对第一篇论文《QuantileFactor Models》的报告中，陈老师主要介绍了模型和相关例子、估计量和一致性、因子数量估计、基于分位数回归（QR）的渐进分布、仿真五个部分。

陈老师首先介绍模型和相关例子，通过特定因素对不同收入水平人群的异质性影响提出相对于OLS回归，QR能够在更弱的假设下提供更多的信息，同时梳理了相关的研究包括Approximate Factor Models（AFM），DynamicQuantileModels,QuantilePanel Data,Factor AugmentedQuantileRegression，Joint Dynamic Factor Models for returns and volatilities,以及Volatility Factors等内容。在对模型以及相关研究进行介绍之后，陈老师向在座师生介绍了包括location、location-scale（same factors，sign restricted）、location-scale（different factors）。陈老师接下来介绍了估计量和一致性的相关内容，随机样本的基础上假设因子的数量已知，通过正则化给出了QFA的估计量。在介绍了QFA估计量之后，陈老师基于一系列假设，通过数理推导证明了QFA估计量的一致性。在对因子数量估计部分的报告中，陈老师向在座师生介绍了两种方法，一种是基于信息准则（Information Criteria,IC）的因子估计方法，另一种是基于平滑QR的因子估计方法，他指出基于平滑QR方法的因子估计效率更高，并进一步通过数理推导给出了平滑QR的渐进正态分布。陈老师在第一篇论文报告的尾声向大家分享了仿真的相关结果，在服从柯西分布误差项的数据生成过程下，基于平滑QR的因子估计方法在截面数量与时间数量二者中较小值不低于100时具有稳健的估计效果。

在对第二篇论文《Estimating Quantile Panel Data Models with Interactive Fixed Effects》的报告中，陈老师的讲座内容包括介绍、文献回顾及贡献、研究动机、估计量、渐进正态性以及偏差修正六个部分。陈老师首先引入分位数因子面板数据模型，并提出一个类似于最小二乘法的估计方法，但是却存在偶发参数、非线性和非平滑方程以及运算成本高等难题。基于分位数因子面板数据模型以及存在的难题，陈老师进行了包括Linear panel with interactive fixed effects、Nonlinear(Probit,logit) panel with interactive fixed effects、Quantile panel with individual effects(small T)、Quantile panel with individual effects(large T)以及Quantile panel with interactive fixed effects等内容在内的文献梳理及评述，并指出《Estimating Quantile Panel Data Models with Interactive Fixed Effects》是对宽时间维度下具有交互固定效应的的分位数面板模型的拓展。陈老师接下来使用先通过主成分分析估计出因子，然后对估计出的因子利用平滑QR方法进行处理的两步法得到估计量，并通过数理推导证明了以上估计量服从渐进正态分布。最后陈老师报告了偏差修正的相关内容，他指出与不进行偏差修正相比，经过偏差修正获得的待估参数平均值的标准误更小。

报告结束后，陈老师与在座师生就偏差展开了讨论，他指出使用过多虚拟变量，平滑数据过程等都会造成估计量有偏，应进行偏差修正。

据悉，陈亮是上海财经大学经济学院助理教授，马德里卡洛斯三世大学博士，牛津大学博士后，论文发表在Journal of Econometrics 和Economics Letters期刊上。