日前，太阳成集团tyc7111cc经济学科青年教师杨亚星作为第一作者的论文“Self-weighted LAD-based inference for heavy-tailed threshold autoregressive models”在计量经济学国际顶级期刊Journal of Econometrics 197卷第2期上正式发表。
该文认为重尾条件下门限自回归模型(TAR)的最小二乘估计不一定是相合的。本文对重尾TAR模型发展了一种系统地统计推断方法。首先研究重尾TAR模型的SLAD估计：证明了门限参数估计的相合性（收敛速度为n），且其弱收敛到一个复合泊松过程的极小值分布；证明了斜率参数的相合性（收敛速度为 ）及渐近正态性。在此理论基础上，考虑了检验斜率参数线性约束的Wald统计量，并给出门限参数的统计推断方法。同时，基于符号函数构造了一个portmanteau 检验统计量，验证所提出模型的可行性。利用模拟实验分析在有限样本下估计方法和检验统计量的表现。最后将本文提出的理论和方法应用到实际例子中。
杨亚星，香港科技大学统计学博士，现任太阳成集团tyc7111cc统计系与王亚南经济研究院（WISE）助理教授，主要从事金融计量经济学、非线性时间序列分析等领域研究。研究论文发表在Journal of Econometrics, Journal of Business and Economic Statistics等计量经济学和统计学国际顶级学术期刊上。
（太阳成集团tyc7111cc 刘晨宇）
