日前，国家自然科学基金委员会公布了2026年度项目评审结果。我院青年教师阎冬、马少沛、高慕鸿获得立项。

阎冬

统计学院数量金融系讲师

项目类别：青年项目

项目名称：基于流动性风险与过度外推动态耦合的投资组合优化研究

项目简介：本项目基于经典投资组合理论与我国特色市场实践相偏离的现实背景，研究中国股票市场“T+1”交易制度下，考虑流动性风险与过度外推信念动态耦合的投资组合优化问题。首先，通过构建耦合随机微分方程组，严格刻画流动性风险与投资者过度外推信念之间的双向反馈机制，并运用随机系统理论证明解的存在唯一性与随机稳定性。其次，结合“T+1”交易制度引入脉冲控制与边界约束，建立融合连续价格动态与离散事件干预的混合随机控制系统。该问题最终转化为高维且具有非光滑约束的HJB拟变分不等式，传统数值方法难以求解。为此，本项目从参数校准与高效算法两个维度检验模型的有效性，进而定量评估耦合机制与交易制度约束对投资组合收益与系统性风险的影响。本项目研究成果将深化混合系统理论、非光滑分析与深度学习的交叉融合，为我国证券交易结算制度下整合市场摩擦、非理性行为与交易约束的投资组合优化提供新范式与科学决策支持。

马少沛

统计学院数据科学系讲师

项目类别：青年项目

项目名称：高维函数型数据下空间自回归变系数模型的理论与应用

项目简介：随着跨区域协同治理的深入推进，依托高频时空监测数据实现精准决策已成为重要趋势。该类数据呈现函数型动态过程、网络相依结构以及高维异质效应等复杂特征，对现有空间自回归建模方法提出了严峻挑战。本项目以空间自回归变系数模型为主线，系统构建高维函数型时空数据的模型与推断框架，包含三部分递进研究：（1）针对不规则地理域上函数型响应的网络内生性问题，基于三角剖分张量积与剖面拟似然方法，建立时变网络溢出效应与时空变系数函数的估计与推断理论；（2）将响应变量拓展至高维函数型设定，引入多元投影方法提取公共因子结构，建立因子增广联合估计的渐近理论；（3）在高维协变量条件下，以三角剖分单元为基本区域，构建局部组惩罚估计框架，建立局部信号的识别理论与集合推断方法。实证研究依托全国慢性病监测数据，识别跨区域溢出效应与风险因素的空间异质效应，为公共卫生资源的优化配置以及跨区域精准治理提供量化支撑。

高慕鸿

统计学院数据科学系讲师

项目类型：青年项目

项目名称：变量间条件独立性的度量与检验

项目简介：条件独立性的度量与检验是统计学中的核心问题，在人工智能、因果推断等重要应用领域中具有基础性作用。针对连续型数据情形，本项目拟开展系统研究：（1）构建新的条件独立性度量及其样本估计方法，刻画其统计性质，保证对条件独立关系的有效识别能力；（2）提出新的条件独立性假设检验方法，系统建立检验统计量的渐近分布理论，证明检验方法的一致性；（3）在所提出检验框架基础上，进一步发展面向多维数据的变量选择与多重假设检验方法，实现一致性与错误发现率（FDR）控制，并通过真实数据分析验证方法的有效性与适用性。预期研究成果将为人工智能等前沿领域提供坚实的统计学理论基础。

（通讯员：胡灏楠 审核：唐晓彬 郭伟）