• 姓名:
  • 职位:
  • 电话:
  • 邮件:
  • 所属:
  • 主要专业方向:
  • 张博
  • 副教授
  • wbchpmp@ustc.edu.cn
  • 统计与金融系
  • 概率与统计
English

2017年于新加坡南洋理工大学获得博士学位。

2017年4月至2019年8月于澳大利亚莫纳什大学从事博士后工作。

2019年9月加入管理学院统计与金融系。

研究方向:大维随机矩阵、高维时间序列和复杂网络问题。统计方法在经管学科的应用。


1. Han Xiao. Pan Guangming. and Zhang Bo(2016). The Tracy-Widom law for the largest eigenvalue of F type matrices. Annals of Statistics, 44(4), 1564-1592


2. Zhang Bo, Pan Guangming and Gao Jiti(2018). CLT for Largest Eigenvalues and Unit Root Tests for High-Dimensional Nonstationary Time Series. Annals of Statistics, 46(5), 2186-2215.


3. Zhang Bo, Pan Guangming, Yao Qiwei and Zhou Wang(2024). Factor Modeling for Clustering High-dimensional Time Series. JASA, 119(546), 1252-1263.


4. Zhang Bo (2024). Bo Zhang’s contribution to the Discussion of the Discussion Meeting on Probabilistic and statistical aspects of machine learning, Journal of the Royal Statistical Society Series B-Statistical Methodology, 86(2),309-310.


5. Tian Hanyang, Zhang Bo*, Jiang Ruixue* and Han Xiao(2023). A New Preferential Model With Homophily for Recommender Systems. Statistica Sinica. DOI:10.5705/ss.202022.0136.


6.  Zhang Bo*, Hao Sixing and Yao Qiwei(2023). Blind Source Separation over Space: An Eigenanalysis Approach. Statistica Sinica. DOI:10.5705/ss.202023.0157


7. He Lingyu, Yang Yanrong and Zhang Bo*(2023). Robust PCA for high dimensional data based on characteristic transformation. Australian & New Zealand Journal of Statistics. 65(2), 127-151.


8. Zhang Bo, Tian Hanyang, Yao Chi, Pan Guanming*(2024+). A New Model for Preferential Attachment Scheme with Time-Varying Parameters. Journal of Statistical Physics, to appear.








本科生研究指导:对高维统计或复杂网络有兴趣的同学。对统计方法在经管学科的应用有兴趣的同学(与有相关学科顶刊发表经验的学者共同指导)。

本科生毕业设计:倾向于指导计划未来从事高维统计或复杂网络研究的同学。


硕士生招收要求:随机矩阵方向:对随机过程和复分析课程掌握较好的同学。

                           高维统计方向:对数理统计和时间序列分析掌握较好的同学。‘

                           统计方法在经管学科的应用方向(与有相关学科顶刊发表经验的学者共同指导)                          

                               1. 本科阶段主修课程成绩优秀,总评成绩排名前30%

                               2. 熟练掌握Python编程,有数据分析、机器学习项目经验者优先。本研究涉及知识图谱构建、图神经网络模型实现等,需要学生具备编程和数据处理能力。

                               3. 具备良好的英文文献阅读和写作能力,CET-6成绩425分以上或具备同等英语水平。

                               4. 有学术论文发表、参与科研项目经历者优先。

                               5.具有良好的逻辑思维和独立科研能力,勤奋踏实,能够专注科研。

                               6. 有志于从事高校教师、科研人员等职业,或有意向在大型会计师事务所、金融机构从事与数据分析、风险管理相关工作。




扫码浏览