2026年6月1日下午，金融学院主办的金融工程系Seminar第42期在沙河校区学院楼3号楼222报告厅顺利举办。清华大学经济管理学院C.V. Starr讲席经济学教授苏良军以“Robustifying PCA Estimators for Panel Data”为题展开了精彩报告。讲座由中央财经大学金融工程系主任朱一峰副教授主持。金融学院五十余名师生参加了讲座。

苏良军教授作报告

苏良军教授本次分享的研究成果围绕具有交互固定效应的面板数据模型展开。他在报告中指出，当潜在因子较弱时，标准的主成分分析（PCA）估计量会面临严重的偏差和推断失真。为了应对这一缺陷，苏教授团队提出了一种新颖的三阶段稳健PCA估计量。在第一阶段，通过提取回归元的潜在因子分量对其进行去因子化；第二阶段采用满足Neyman正交性条件的DFL估计量，迭代估计斜率系数以及潜在因子和载荷；第三阶段则对估计量进行最终更新。研究表明，该估计量具有渐近无偏性，在弱因子结构下依然有效，并且对过度设定因子数量的情况具有稳健性。为进行统计推断，研究还开发了基于该稳健估计量的相关自助抽样。讲座最后，苏教授展示了将该方法应用于分析美国制造业中高技能与低技能工人之间的工资不平等问题的实际案例。

自由交流环节，学院老师与同学们踊跃发言提问，围绕多阶段估计量在实际金融数据中的计算实现、弱因子设定的检验边界，以及该稳健性方法在其他微观实证领域的延展应用等问题，与苏良军教授展开了热烈讨论。

苏良军教授的研究不仅为解决面板数据模型中的高维因子估计与偏差修正提供了前沿的理论工具，也为进一步思考复杂经济结构下的实证模型稳健性设计等问题带来了有价值的学术启发。

撰稿：朱一峰

审核：苟琴