10月30日，厦门大学方匡南教授应邀作题为“Multi-source PU Learning for Credit Risk Forecasting”的学术报告。本次报告由统计与数学学院党委副书记、常务副院长安起光主持，副院长（挂职）金立斌以及相关专业教师参会。

　　方匡南，厦门大学统计学与数据科学系教授、系主任、福建省统计科学重点实验室主任、厦门大学信用大数据与智能风控研究中心主任。入选了国家级高层次人才、福建省高层次人才A类、福建省宣传思想文化领军人才等。主要研究方向为经济统计、管理统计、统计机器学习、数智金融等。共发表学术论文150多篇，其中在统计学和数据科学期刊Journal of the American Statistical Association, Journal of Machine Learning Research, Biometrics, Statistica Sinica, Bioinformatic等发表论文70多篇，在经济管理期刊Journal of Econometrics, Journal of Business & Economic Statistics, INFORMS Journal on Computing (UTD24),  International Journal of Forecasting，《经济研究》《统计研究》《管理科学学报》《数量经济技术经济研究》《世界经济》等发表论文70多篇。20多份研究成果被中办、国办等采用或获领导批示。著有学术专著和教材等7部。主持了国家社科基金重大项目1项，国家自然科学基金项目4项。获省部级以上科研成果奖9项，其中一等奖2项，二等奖2项。

　　会上，方匡南教授指出，针对正例-未标记（PU）学习在欺诈检测、医学诊断等高风险领域缺乏显式负样本、且面临数据稀缺与隐私约束的问题，其研究团队提出了一种基于模型平均的迁移学习框架，能够在不直接共享数据的情况下整合完全二值标记、半监督和PU等多类异构数据源信息，并针对不同源域分别构建定制化逻辑回归模型、通过模型平均将知识迁移至PU目标域，以最小化Kullback–Leibler散度的交叉验证准则确定源模型最优组合权重；研究还建立了权重最优性与收敛性的理论保证，覆盖目标模型误设和正确设定情形，并扩展至采用稀疏惩罚估计量的高维场景，大量模拟实验和真实信用风险数据分析表明该方法在预测准确性和稳健性方面优于其他对比方法，尤其在标记数据有限和异构环境下表现突出。

　　报告结束后，专家与参会教师围绕报告内容展开了交流讨论。此次活动搭建了良好的学术交流平台，有助于师生开阔学术视野、拓展科研思路，也为学院后续科研工作带来了新机遇，有利于扎实做好科研积累，营造良好的学术研讨氛围。

（图片：赵婷婷，文字：刘馨忆）