2026年4月29日上午，应数学科学学院孙红芳博士邀请，中国科学院叶仕奇助理研究员 来我院交流指导并作题为 “Double Pooling for Dynamic Tail Estimation” 的学术报告。统计与金融数学研究室的师生们参加了本次报告会。

叶仕奇，中国科学院数学与系统科学研究院预测科学研究中心，助理研究员。主要从事高维复杂系统建模、宏观经济风险管理、大数据方法与应用等领域的研究工作。相关成果发表于《经济研究》《中国工业经济》《世界经济》《统计研究》《数量经济技术经济研究》、Journal of Economic Dynamics and Control、Journal of Management Science and Engineering、Energy Economics等国内外学术期刊。 主持首批国家自然科学基金青年学生基础研究（博士研究生）项目以及博士后面上资助、特别资助、国资计划等项目。

报告会上，叶仕奇研究员首先对研究背景进行了介绍。 如何有效地估计和应对尾部风险是宏观经济学和金融领域的一个重要议题。尾部风险通常是指极端的市场波动和小概率事件带来的潜在损失。常用的在险价值（VaR）和期望短缺（ES）在面板数据中往往因国家异质性大、极端事件稀少而难以捕捉，传统方法难以同时兼顾多分位数水平与多个截面的动态变化。为了解决这一问题，叶研究员介绍了其最新提出的双重池化动态尾部估计框架（DPDTE）. DPDTE框架的核心突破在于通过构建一个统一损失函数，同时实现两个方向上的信息池化：跨截面个体（国家或部门）和跨分位数水平。这一“双重池化”设计大大提高了尾部风险估计的效率，使得多个水平的VaR和对应的极端ES能够被联合恢复，且估计结果更加稳定。在动态设定上，该框架将得分驱动模型与极值理论有机结合，使尾部动态既能及时响应新的极端观察，又保持对尾部形态的合理约束。报告人展示了估计量的相合性和渐近正态性，模拟实验也证实了有限样本下良好的小样本表现。在应用方面，DPDTE被用于对1985至2025年间14个欧洲经济体的增长风险（Growth-at-Risk, GaR）和极端ES进行估计，揭示了宏观经济尾部风险的长期演变及其跨国差异。叶研究员强调DPDTE框架的价值不仅体现在理论创新上，更在于其对“锯齿边缘”数据结构和尾部信息稀疏性的天然适应能力。

报告结束后，与会老师与叶仕奇研究员就DPDTE框架中的细节展开了充分交流。整个报告引发了与会学者对尾部风险建模、跨经济体风险溢出等前沿问题的热烈讨论，也为宏观尾部风险研究开辟了新的方向。