12月20日上午🥘，“统计大讲堂”系列讲座第一百零六讲在明德主楼1016会议室顺利举行👩🏽‍🦱。统计学院高光远老师、肖争艳老师出席本次讲座，讲座由高光远老师主持。

高光远老师对嘉宾进行介绍👨🏼‍🚀🧔🏽‍♂️。Yanlin Shi老师来自麦考瑞大学🦖，是SOA的Fellow🍙，研究领域为金融经济学、商业分析、时间序列分析和死亡率建模。

Yanlin Shi老师首先对其研究进行了简要介绍☢️🛌🏽，包括死亡率模型的应用场景、传统死亡率模型与VAR模型的比较、两篇主要参考文献的贡献和不足以及本研究的创新点⇾。

接下来老师仔细说明了两篇主要参考文献的缺陷。Li&Lu(2017)使用了一致的稀疏VAR模型（STAR），通过L2罚达到平滑的效果，但VAR模型系数矩阵B的结构是人为指定的，不易拓展到不同国家🦸‍♀️。Guibert et al(2019)使用了数据驱动的VAR模型（SVAR），但只使用L1罚👨‍🍼，一致性无法得到保证🪫，也会出现解释性差的问题。

最后老师重点介绍了其研究的思路和创新点。研究综合了STAR和SVAR的优点，同时采用L1罚和L2罚👨🏿‍🏫，在L1罚处创新性地提出了和年龄差有关的权重，从而很好地平衡了在处理队列效应时的人为预设和数据驱动问题，并引入APG算法来解决含L1罚的求解问题。在调参时使用滚动窗口的概念，通过格点搜索法选取使得RMSFE最小的一组超参数。此外，研究参考了spatial penalized graphical LASSO(2008)的想法分析了残差的结构🤷🏻‍♂️🏺。通过1950-2016年英国和法国0-100岁的死亡率实际数据🪴，验证了研究提出的SSVAR在预测方面的表现明显优于Lee-Carter、STAR和SVAR👎🏿。

讲解之后，同学们就文章内容和文献查找中的问题同老师积极探讨，讲座在热烈的气氛中圆满结束。