統計因果推斷模型理論與應用：基於大腦網絡及金融市場研究（簡體書）

本書主要針對大腦網絡及金融市場場景研究統計因果推斷模型的理論與應用，主要創新點與特色有以下五點。(1)在大腦神經元網絡方面，通過非線性動力學、格蘭傑因果等方法對Hodgkin-Huxley模型及其耦合系統進行研究，運用提出的具有弱小噪聲的延展型格蘭傑因果關係算法開展神經網絡因果關係檢測。分析統計上的因果關係與實際解剖上的拓撲連接結構之間的聯繫，探討神經元突觸連接強度、因果關係值、不同動力學特性三者之間所存在的關聯，重構出給定拓撲接的Hodgkin-Huxley模型的神經網絡因果關係。(2) 研究Hodgkin-Huxley神經網絡混沌、週期動力學發生的條件,找到混沌、週期、 擬週期三種不同動力學情況下所對應的刺激參數。將兩個神經元網絡NEGCI算法拓展到更大規模的神經網絡模型，研究檢驗神經網絡結構中神經元之間的因果強度關係，以及所得出的因果強度與突觸的鏈接權重之間的關係。(3)關於宏觀經濟數據和金融數據，考慮到尾部風險在金融風險管理中的重要性，提出了非參數分位數格蘭傑因果檢驗、分位數回歸下的條件格蘭傑因果檢驗、基於Copula分位數格蘭傑因果檢驗方法，所提出的方法具有較好的統計水平和功效，並且能夠檢驗線性和非線性系統的格蘭傑因果關係。(4)相對於非參數因果關係檢驗方法，本書提出的分位數回歸條件格蘭傑因果檢驗方法不僅不需要選擇平滑參數，對檢驗結果的可靠性也有進一步的保證，而且還能夠獲得單分位點和分位數區域下的因果關係，有利於獲得數據分佈整體因果關系結構。(5)考慮到數據的異質性問題，本書開展面板數據格蘭傑因果關係研究，重點探討了異質性面板數據模型的格蘭傑非因果檢驗和自助法面板格蘭傑因果檢驗兩種方法。