项目介绍
本职位旨在推进依赖模型的前沿研究，特别是针对基于连接函数的统计模型，发展新的理论与方法。自20世纪90年代以来，连接函数已被公认为建模随机变量间任意依赖关系的主要工具，广泛应用于金融与风险管理、保险、水文学及健康等定量领域。
本项目包含三个主要研究方向。第一个子项目涉及条件连接函数与条件依赖模型理论的新近发展。这些模型用于量化一个随机向量X对两个或多个随机变量之间依赖关系的影响，尤其在金融领域有重要应用。该方向旨在从一组估计的条件依赖函数中恢复其底层结构，并将其推广到条件U统计量。
第二个子项目致力于发展连接函数的信息几何理论。信息几何是概率论、统计学与几何学的交叉领域，旨在为统计问题获取几何信息和结构。
第三个子项目专注于将离散随机变量整合到 Pair-Copula 贝叶斯网络中，并开发相应的结构学习算法。该模型利用条件独立性信息，将复杂的多元分布推断问题分解为更小的二元问题。与经典的高斯贝叶斯网络不同，此方法基于具有任意边缘分布的连接函数。
所属院系：代尔夫特理工大学，应用数学系
项目时长：4 年
申请要求和方式
申请要求：
·已获得或即将获得数理统计学硕士学位或同等学历；
·必须具备有R语言编程经验，且有C++等编译型语言经验者优先。
申请方式：特招公开项目，按照项目要求通过申请系统递交材料。
