11月18日下午，“统计大讲堂”系列讲座第177讲举行。本次讲座采取线上会议的方式，邀请西南财经大学兰伟副教授作题为“等预测能力的最大子抽样检验”的报告。讲座由中国人民大学统计学院副教授、应用统计科学研究中心研究员黄丹阳主持。

黄丹阳首先介绍了主讲人的相关信息。兰伟，博士毕业于北京大学光华管理学院，现为西南财经大学副教授，博士生导师，主要研究方向为高维数据建模、大型网络数据分析和投资组合优化。他主持过国家自然科学基金项目和多个重点重大项目子课题，在JASA、AOS、 JOE、JBES、《金融研究》等国内国际知名期刊发表和接收中英文论文40余篇。

兰伟首先介绍了研究的相关背景。他指出，检验问题是一种很基础的理论问题，所使用的预测方法十分多样。而经济学面临的问题是，如何判断哪个方法的预测能力最好，即怎么去更好地估计两样本t检验的渐进方差。针对此问题，他介绍了两种典型的方法——DM方法和GW方法。这两种方法本质由三步构成：用样本数据去估计两个模型的参数；基于所得到的模型，使用滚动的预测方法，用t期及t期之前的数据对t+1期的情况进行预测；用损失函数衡量真实值和预测值之间的差异。随后，兰伟从数学层面结合相关公式对两种方法作了更深入的介绍。

接下来，兰伟提到，McCracken在最近发表的一篇文章中声明DM方法存在缺陷。该文章通过两个简单的情形——预测为0和预测为历史样本均值，指出当损失差序列弱相关时，尤其是针对小样本，传统的DM方法估计标准差的效果很差；当损失差序列强相关时，由于不符合中心极限定理，DM方法直接不能使用。

基于此，兰伟构造了MS方法，以弥补DM方法在面对一些特例时的不足。该方法的主要思想是：抽样足够多次，然后取检验统计样本的最大值作为统计量。这样就可以避免计算样本之间的相关系数。经试验，在McCracken提到的两个设定下，MS方法的效果均比较稳定可靠。

最后，兰伟对报告内容进行了总结，并对MS方法作了进一步的评价。他指出，MS方法不仅可用于上述问题的检验，也可推广到其他应用场景，如多维神经序列的构建，多个预测方法的比较，不同的协方差矩阵的比较和时间变点的检测等。

在提问交流环节中，在线师生就所讲内容积极提出问题，兰伟耐心清楚地解答了大家的疑问，并对所使用的MS检验方法作了进一步的阐释。

此后“统计大讲堂”系列将陆续推出更多精彩讲座，敬请关注。