2025年6月14日上午10:30-11:30，复旦大学大数据学院邀请了伦敦政治经济学院统计系姚琦伟教授，于子彬院北205作题为“Autoregressive networks and stylized features”的学术报告。此次报告由复旦大学大数据学院副教授朱雪宁老师主持，共30余人线下参与了此次学术报告。
姚琦伟，英国伦敦经济与政治科学学院统计系教授，英国皇家统计学会会士，美国统计协会会士，数理统计学会会士，国际统计研究学会选举会员。姚琦伟教授一直从事统计学的教学和科研工作，主要研究领域为：时间序列分析、时空过程分析、金融计量经济学。他在非线性和高维时间序列方面的研究国际领先。姚琦伟教授迄今已发表学术论文80多篇，并获得EPSRC、BBSRC等英国国家基金会支持的多项研究基金项目。其专著《非线性时间序列：非参数及参数方法》（与范剑青合著）于2003年由Springer出版，《计量金融简要》（与范剑青合著）于2017年由剑桥出版社出版。姚琦伟教授曾任包括 Annals of Statistics，Journal of the American Statistics Association 等多个顶级期刊的副主编，曾任 Journal of the Royal Statistical Society Series B，Statistica Sinica 的联合主编。
在报告中，姚琦伟教授系统介绍了其团队在动态网络建模领域的最新研究成果。报告旨在建立简洁有效的模型，显式刻画动态网络随时间演化的核心特征。
报告首先阐述了自回归网络（AR网络）的基础理论框架。该模型将网络视为马尔可夫链，利用创新序列驱动边状态（存在/不存在）。该框架成功应用于随机分块模型（SBM）的社区发现和变点检测（如全球贸易网络分析）。
针对网络节点行为的异质性，报告进一步介绍了双向异质性动态网络模型（TWHM），这是一种结合了自回归动态与静态β-模型的简约参数化方法。为捕捉网络依赖关系（如传递性、密度依赖性和持续性），姚教授的研究团队开发了依赖边的AR(m)网络模型（如传递性模型、密度依赖模型、持续性模型），并探讨了其与时间指数随机图模型（TERGM）的联系及统计推断的技术难点。
报告通过丰富的实际案例（如医院近距离接触网络、法国高中社交网络、公司邮件交互网络）验证了所提模型的有效性和优越性。
最后，姚琦伟教授对报告进行了总结，热情回答了参会老师和同学的提问，并进行了热烈的讨论和交流。