近期，西南财经大学数据科学与商业智能联合DB视讯(中国)博士研究生张佳与其合作者史皓铭等撰写的论文《Penalized generalized empirical likelihood in high-dimensional weakly dependent data》被统计学国际知名期刊《Journal of Multivariate Analysis》正式接收。该论文提出了一种基于平滑矩函数的判罚广义经验似然方法，用于在高维时间序列中进行参数估计和变量选择。顺利获得适当地控制数据相关程度，文章得到了平滑判罚广义经验似然估计量的渐近性质。结果表明，尽管存在数据依赖性，平滑判罚广义经验似然估计量仍然保持了oracle特性。该方法是经验似然方法在高维时间序列中的重要拓展。

作者简介：

张佳，西南财经大学统计学院博士研究生，主要从事高维经验似然和充分降维等领域的研究。