2022年4月27日，对外经济贸易大学国际经济贸易学院副教授林蔚应s36沙龙会邀请，开展主题为“Seasonal adjustment of time series observed at mixed frequencies using singular value decomposition with wavelet thresholding”的讲座，本次讲座于下午2点在腾讯会议线上举行，持续近两个小时。本次讲座由s36沙龙会黄乃静老师主持，洪圣杰老师和部分学生参加了此次讲座。

林蔚，对外经济贸易大学国际经济贸易学院副教授，在加州大学河滨分校获得经济学博士学位，主要研究领域包括计量经济学、季节调整和非参数方法。他在Journal of Econometrics， Journal of Business and Economic Statics，Journal of Applied Econometrics等国际学术期刊上发表学术论文数篇，主持两项国家自科基金。提出了基于通过重塑季节性时间序列数据获得的矩阵的正则化奇异值分解（RSVD）的一种新的季节性调整方法；当前的区间值数据回归模型忽略了区间上下限的极端性质，因此提出了一种新的估计方法与无论是样本拟合区间还是区间预测，都能保持区间的自然顺序的一个约束回归模型；还提出了一种基于未知分位数回归函数梯度的数据驱动带宽选择方法。

在本次讲座中，林蔚教授向我们介绍了其最新研究。提出了一种新的季节性调整方法，在非季节性成分是差分静止的假设下，该方法可以适应在混合频率下观察到的时间序列，并且可能拥有多个突然的季节性变化。通过广义差分法，去除混合频率时间序列的随机趋势。同时，用一个具有低等级SVD结构的矩阵来表示季节性成分。左右奇异向量对应于季节性模式和它们的时变振幅。为了估计季节性的SVD结构，提出了一种有效的算法，将小波阈值技术应用于左侧奇异向量。这个方法不仅适应了季节性的持久性特征，而且还允许季节性中可能存在的多种突然变化。利用模拟数据和真实数据，发现：（1）当季节性适中或较强时，方法表现良好，能正确检测出潜在的季节性结构；（2）对于单频时间序列，这个方法与传统的X-12-ARIMA和SEATS方法的性能相比良好，尤其是在季节性较强的情况下。

讲座过程中，s36沙龙会师生认真听讲，并与林蔚教授积极互动。林蔚教授对现场师生提出的问题进行了耐心地解答。讲座现场气氛活跃，参与的师生都表示受益匪浅。