南京审计大学数学学院
姓名: 刘广应
单位：南京审计大学
性别：男
职称与职位：教授、博士生导师，金融数学系主任
研究方向：金融高频数据、应用统计、金融风险管理、深度学习
主讲课程：金融数据与机器学习、非参数统计、数理金融、金融计量经济学、计量经济模型、高等数学、微积分等
E-mail: liugying2016@163.com; liugying@nau.edu.cn
教育经历：
1998.9-2002.7 安徽师范大学数学计算机科学学院 数学与应用数学专业 理学学士
2002.9-2004.7 南京理工大学理学院 概率论与数理统计专业 理学硕士
2008.9-2011.7 复旦大学统计学系 概率论与数理统计专业 理学博士
工作经历：
2004.7-2006.10 南京审计学院 应用数学系助教
2006.10-2012.7 南京审计学院 应用数学系讲师
2012.8-2018.7 南京审计大学 金融数学系副教授
2018.8-至今 南京审计大学 金融数学系教授
2014.1-2014.2 香港科技大学 访问学者
2015.1-2015.12 香港科技大学 访问学者
2014.3-2017.7 浙江大学 博士后
主要获奖和荣誉：
2012年江苏省青蓝工程学术骨干 (1/1)
2014年江苏省统计局第十三届江苏省统计科研优秀成果奖，三等奖 (1/3)
2016年江苏省青蓝工程学术带头人 (1/1)
2020年江苏省优秀本科毕业论文三等奖（蒋茗选，多因子变量选择模型的投资组合研究）指导教师
2021年第一届统计科学技术进步奖一等奖 (3/3)
2021年江苏省应用统计学会优秀成果一等奖(1/3)
2021年第十届校教学成果奖一等奖（1/5）
2021年校优秀支部书记
2022年江苏省优秀本科毕业论文二等奖（姚雨菲，高维投资组合的VaR风险管理——基于高频已实现协方差预测视角）指导教师
主持课题：
l 国家社会科学基金一般项目：基于深度学习的金融高频数据波动率预测及其应用研究，编号：19BTJ035，主持，时间：2019.7-2022.6
l 国家自然科学基金青年项目:含微观噪音半鞅的预平均统计量渐近理论及其在金融高频数据的应用，编号：11501503，主持，2016.1-2018.12
l 国家自然科学基金天元项目：含微观噪音过程的幂变差理论及其统计应用，编号：11226201，主持，2013.1-2013.12
l 江苏省高等学校自然科学研究重大项目：波动率矩阵自回归模型统计推断及其在金融高频数据应用,项目编号：21KJA110003，主持，时间：2021.9-2024.9
l 江苏省自然科学基金面上项目：波动率矩阵值模型的统计推断及其在金融高频数据应用，编号：BK20221348，主持，2022.7-2025.6
l 江苏省自然科学基金面上项目：噪音过程和价格过程相依情形的统计推断研究及其在金融高频数据的应用，编号：BK20181417，主持，2018.7-2021.6
l 中国博士后科学基金第九批特别资助项目：随机波动率模型的预平均渐近理论及其在高频数据的应用，编号：2016T90534，主持，2016.3-2017.7
l 中国博士后基金：预平均幂变差理论及其在金融高频数据中的应用，编号：2014M560471，主持，2014.9-2017.7
l 教育部人文社会科学研究青年项目：含微观噪音金融高频数据的统计分析及其在VaR度量中的应用，编号：12YJCZH128，主持，2012.10-2016.12
l 江苏省高等学校自然科学研究重大项目：波动率过程的动态特征研究及其在金融高频数据应用, 项目编号：17KJA110001，主持，时间：2017.7-2020.6
l 江苏省自然科学基金面上项目：含微观噪音过程两维度幂变差理论及其在金融高频数据中应用，编号：BK20131340，主持，2013.7-2016.12
l 浙江省博士后基金：金融高频数据预平均幂变差理论研究及其应用，编号：BSH1402026，主持，2014.7-2017.7
l 江苏省金融工程重点实验室招标课题:金融杠杆性研究及其在VaR中应用——基于金融高频数据视角,主持，2015.9-2017.7
l 江苏省高校自然科学研究面上项目：幂变差理论及其在金融高频数据中的应用，编号：11KJD110002，主持，2011.7-2012.12
l 复旦大学研究生创新基金项目：高频数据的统计推断，编号：EYH1019149，主持，2009.9-2011.7
主要论文：
· Kong Xinbing, Lin Jinguan, Liu Cheng and Liu Guangying. Discrepancy between global and local principal component analysis on large-panel high-frequency data, Journal of the American Statistical Association, 2021, forthcoming.
· Li Yingying, Liu Guangying, Zhang Zhiyuan. Volatility of volatility: estimation and tests based on noisy high frequency data，Journal of Econometrics, 2022, 229(2): 422-451.
· Liu Guangying and Jing Bingyi. On estimation of Hurst parameter under noisy observations. Journal of Business & Economic Statistics, 2018, 36: 483–492.
· Liu Guangying, Xiang jing and Cang Yuquan. Testing for jumps based on the high frequency data: an exploiting microstructure noise method, Quantitative Finance, 2020, 20(11): 1795-1809.
· Liu Guangying, Liu Meiyao, Lin Jinguan. Testing the volatility jumps based on the high frequency data, Journal of Time Series Analysis, 2022, 43(5): 669-694.
· Kong Xinbing, Liu Guangying and Xie Shangyu. Trading-flow Assisted Estimation of the Jump Activity Index. SCIENCE CHINA Mathematics, 2020,63(11): 2363–2378.
· Kong Xinbing, Lin Jinguan and Liu Guangying. Asymptotics for the Systematic and Idiosyncratic Volatility with Large Dimensional High-frequency Data. Random Matrices: Theory and Applications，2020, 9(3): 2050007.
· Kang Shuaimin, Liu Guangying, Qi Howard and Wang Min. Bayesian variance changepoint detection in linear models with symmetric heavy-tailed errors. Computational Economics. 2018, 52(2), 459–477.
· Liu Guangying. Zhang Lixin and Wang Min. Estimation of the Hurst parameter in the simultaneous presence of jumps and noise. Statistics, 2018, 52(5): 1156–1192.
· Liu Guangying. Zhang Lixin and Fang Xinian. Multipower variation from generalized difference for fractional integral processes with jumps. Communications in Statistics-Theory and Methods. 2017, 46(19): 9662-9678.
· Liu Guangying. Zhang Xinsheng and Zhang Shibin. Testing long memory based on a discretely observed process. Applied Mathematics-A Journal of Chinese Universities. 2016, 31(3): 253-268.
· Wang Min and Liu Guangying. A simple two-sample Bayesian t-test for hypothesis testing. American Statistician, 2016, 70(2): 195-201.
· Lu Tao, Wang Min, Liu Guangying, Dong Guang-Hui and Qian Feng. Mixed-effects varying-coefficient model with skewed distribution coupled with cause-specific varying-coefficient hazard model with random-effects for longitudinal-competing risks data analysis. Journal of Biopharmaceutical Statistics. 2016, 26(3):519-33.
· Liu Guangying, Tang Jiashan and Zhang Xinsheng. Central Limit Theorems for Power Variations of Gaussian Integral Processes with Jumps. SCIENCE CHINA Mathematics, 2014, 57(8): 1671-1685.
· Liu Guangying, Wei Zhengyuan and Zhang Xinsheng. Asymptotic properties for multipower variation of semimartingales and Gaussian integral processes with jumps. Journal of Statistical Planning and Inference, 2013, 143(8):1307–1319.
· Liu Guangying and Zhang Xinsheng. Power variation of fractional integral processes with jumps. Statistics and Probability Letters, 2011, 81: 962-972.
· Liu Guangying and Xu Yongqing. Capped stock loans. Computers and Mathematics with Applications, 2010, 59: 3548-3558.
· 刘广应, 张新生. 带跳的分数维Brown 运动幂变差的渐近行为. 中国科学, 2011, 41(1):81-94.
· 刘广应, 张新生. 带跳的Gauss积分过程幂变差的渐近行为. 数学年刊, 2012, 33(2): 247-260.
· 刘广应，唐家山，张新生.带跳分数维积分过程幂变差的渐近行为.数学物理学报, 2014, 34 (4): 925-937.
· 刘广应, 陆敏. 非线性漂移布朗运动的极值分布. 数学杂志, 2010, 30(2): 315-319.
· 刘广应, 吴鸿超, 孔新兵. 深度学习LSTM 模型与VaR 风险管理——基于含有交易量信息的金融高频数据视角. 统计与决策, 2021，37(8): 136-140.
· 刘广应, 张维. 基于Cox 过程的操作风险度量方法. 统计与决策, 2010, 313: 32-35.
· 刘广应. 基于VaR 的信用风险定价，南京审计学院学报， 2010, 7(3)：19-23
· 刘广应,陈萍,杨洋. Ornstein-Uhlenbeck 随机波动率模型的参数估计, 经济数学, 2007,24(3):248-253
· 刘广应，不完全信息下的期权定价, 南京审计学院学报, 2007, 4(4):36-40.
· 刘广应, 陆伟东. 不完备市场的消费投资问题, 南京审计学院学报, 2005,2(4):72-74
· 刘广应，蔡则祥，张新生.波动率度量方法的比较分析——基于LHAR-RV-EVT风险管理，南京审计学学报，2013(6):43-56.
· 刘广应，吴海月. 金融高频数据波动率度量比较研究—基于ARFIMA 模型的VaR视角.上海金融, 2014 (1): 84-88.
· 徐伟,刘广应. 多元线性回归分析中慎用偏最小二乘法. 统计与决策.2014,(24)：90-92
· 刘广应, 马丽娟. 不同微观噪音波动率度量的比较分析——基于风险管理视角. 吉林工商学院学报, 2014, 30(4): 46-50.
· 刘广应，包悦妍，林金官. 基于金融高频数据的LASSO-CDRD协方差矩阵预测模型，统计研究, 2022, 39(9): 145-160.
学术团体任职
中国现场统计研究会旅游大数据学会理事
江苏省概率统计协会理事
中国管理科学与工程学会金融计量与风险管理分会理事
研究生招生专业
硕士：统计学学硕、应用统计专业硕士、应用经济学学硕（统计学专业）
博士：统计学