姓 名：朱倩倩
职 称：副教授
研究方向：时间序列分析
教授课程：数理统计、属性数据分析、时间序列分析、金融时间序列分析
E - mail：zhu.qianqian@mail.shufe.edu.cn
个人简介
朱倩倩，上海财经大学统计与数据科学学院副教授，博士生导师，入选国家级青年人才项目、上海市“浦江人才”团队项目和“晨光计划”项目，博士毕业于香港大学。研究方向为时间序列分析、时空数据建模、金融计量，研究方法主要应用于宏观经济变量预测和金融风险度量评估。研究成果主要发表在Journal of the Royal Statistical Society, Series B、Journal of Econometrics、Journal of Business & Economic Statistics、Econometric Theory及Statistica Sinica等国际权威期刊上。主持国家自然科学基金面上项目和青年项目，合著《数理统计》教材，获评上海财经大学“我心目中的好老师”和博士研究生“学术之星”指导老师。
招生对象
学生需要做事认真，具备较强的学习主动性、自律性以及承受较大压力的能力。
博士生招生要求：科研内动力强，逻辑思维能力强，数理基础扎实，英语水平或编程能力较好。
本科生及硕士生招生要求：应用分析能力或科研内动力强，数理基础较扎实，编程能力较好。
研究项目序号 | 项目名称 | 项目编号 | 项目来源 | 起止时间 | 项目经费 |
1 | 半参数估计与高维变量筛选在金融风险量化与家系遗传性研究中的应用 | 2019PJC051 | 上海市浦江人才计划团队项目 | 2019.11.01至2021.10.31 | 50万元 |
2 | 分位双自回归模型及其在金融和电力领域的应用 | 19CG44 | 上海市晨光计划 | 2020.2.19至2022.12.31 | 2万元 |
3 | 非对称线性双自回归模型的统计推断及应用研究 | 12001355 | 国家自然科学基金 青年项目 | 2021.01至2023.12 | 24万元 |
4 | 三种新多元时序模型的稳健统计推断及应用研究 | 72373087 | 国家自然科学基金 面上项目 | 2024.01至2027.12 | 40万元 |
5 | 中国经济指标序列的季节调整研究与应用 | 2025110633 | 国家统计局上海调查 总队 | 2025.10至2025.12 | 5万元 |
研究领域
时间序列分析、时空数据建模、金融计量
教育经历
1.山东财经大学 2007.9至2011.6 统计与数学学院经济学学士
2.中国人民大学 2011.9至2013.6 统计学院应用统计硕士
3.香港大学 2013.8至2017.8 统计与精算科学系统计学博士
1.上海财经大学 2017.8-2020.7 统计与数据科学学院助理教授
2.上海财经大学 2020.8至今 统计与数据科学学院副教授
* 通讯作者；# 指导的学生
1.Zhang, Y., Zhu, Q.*, Si, Y. and Li, G. (2025+) Quantile Index Regression. Accepted by Statistica Sinica.
2.Zhu, Q., Li, W.#, Zhang, W.* and Li, G. (2025+) Panel Quantile GARCH models under Homogeneity. Published online at Journal of Business & Economic Statistics.
3.Lei, C.# and Zhu, Q.* (2025+) On efficient estimation for Value-at-Risk via location-scale time series models. Accepted by Statistica Sinica.
4.Feng, X.*, Li, W.# and Zhu, Q. (2024) Estimation and Bootstrapping under Spatiotemporal Models with Unobserved Heterogeneity. Journal of Econometrics, 238, 105559.
5.Liu, H.#, Tan, S.# and Zhu, Q.*(2024) Quasi-maximum Likelihood Inference for Linear Double Autoregressive Models, Statistica Sinica,34, 699-723.
6.Lin, Y.# and Zhu, Q.* (2024) On vector linear double autoregression, Journal of Time Series Analysis, 45, 376-397.
7.Zhu, Q., Tan, S.#, Zheng, Y. and Li, G.*(2023) Quantile autoregressive conditional heteroscedasticity, Journal of the Royal Statistical Society, Series B, 85, 1099–1127.
8.Feng, X., Li, W.# and Zhu, Q.* (2023) Spatial-temporal Model with Heterogeneous Random Effects, Statistica Sinica, 33, 2613-2641.
9.Tan, S.# and Zhu, Q.*(2023) On dual-asymmetry linear double AR models, Statistics and Its Interface,16, 3-16.
10.Tan, S.# and Zhu, Q.* (2022) Asymmetric linear double autoregression, Journal of Time Series Analysis, 43, 371-388.
11.Zhu, Q.* and Li, G. (2022) Quantile double autoregression, Econometric Theory, 38, 793-839.
12.Zhu, Q.*, Li, G. and Xiao, Z. (2021) Quantile estimation of regression models with GARCH-X errors, Statistica Sinica, 31, 1261-1284.
13.Zhu, Q.*,Zeng, R. and Li, G. (2020) Bootstrap inference for GARCH models by the least absolute deviation estimation, Journal of Time Series Analysis, 41, 21-40.
14.Zhu, Q., Zheng, Y.* and Li, G. (2018) Linear double autoregression, Journal of Econometrics, 207, 162-174.
15.Zheng, Y.*, Zhu, Q., Li, G. and Xiao, Z. (2018) Hybrid quantile regression estimation for time series models with conditional heteroscedasticity, Journal of the Royal Statistical Society, Series B, 80, 975-993.
16.Li, G., Zhu, Q., Liu, Z. and Li, W.K.* (2017) On mixture double autoregressive time series models, Journal of Business & Economic Statistics,35, 306-317.
17.Zhu, Q., Hu, Y. and Tian, M.* (2017) Identifying interaction effects via additive quantile regression models, Statistics and Its Interface, 10, 255-265.
1.国家级青年人才（2025）
2.上海市浦江人才（2019）；上海市晨光学者（2020）
3.上海财经大学大学生创新创业“优秀指导教师”（2020）
4.上海财经大学第十一届“我心目中的好老师”（2020）
5.上海财经大学优秀共产党员（2021）
6.上海财经大学“巾帼新秀”（2022）
7.上海财经大学“学术之星”指导老师（2022）、“学术之星提名”指导老师（2024）
