基本信息

姓名：姜荣

职称：教授

办公室：15号楼507室

E-mail: jiangrong@sspu.edu.cn

个人简介：

姜荣，理学博士，教授。现为上海第二工业大学数理与统计学院教师。研究方向为：大数据建模，分位数回归和单指标模型等。在J Bus Econ Stat、J Financ Economet、Neurocomputing、Test和J Multivariate Anal等国际期刊上发表SCI和SSCI论文30余篇。主持国家自然科学基金青年基金、国家自然科学基金天元基金、教育部人文社科基金和上海市扬帆计划。

教育背景： 

2009年09月至2014年04月，同济大学数学科学学院，应用数学专业，获博士学位，研究方向：统计学

2005年09月至2009年07月，同济大学数学科学学院，统计学专业，获学士学位 

工作经历：

2023年01月至今：上海第二工业大学数理与统计学院，教授

2018年09月至2022年12月：东华大学理学院，副教授

2014年04月至2018年08月：东华大学理学院，讲师

2017年12月至2018年12月：Brunel University London（英国），访问学者

研究方向：

大数据分析，分位数回归和单指标模型

主讲课程：

《高等工程数学》、《应用统计》、《属性数据分析》、《非参数统计》、《概率论与数理统计》

主持项目： 

【1】2022年09月—2025年12月：教育部人文社会科学研究青年基金项目“高维流数据下线性分位数回归模型的理论研究及应用”（No.22YJC910005），8万元，在研；

【2】2019年01月—2021年12月：国家自然科学基金青年基金项目“大数据下单指标模型的统计推断研究”（No.11801069），20万元，结题 ；

【3】2017年05月—2020年04月：上海市扬帆计划“超高维数据单指标模型的变量选择问题研究”（No.17YF1400800），20万元，结题 

【4】2017年01月—2017年12月：国家自然科学基金天元基金项目“单指标模型估计方法的研究”（No.11626057），3万元，结题

学术论文：

[1] Jiang R,  Yu K. (2023). Rong Jiang and Keming Yu's Discussion of “Estimating  means of bounded random variables by betting” by Ian Waudby-Smith and  Aaditya Ramdas, Journal of the Royal Statistical Society Series B: Statistical Methodology. qkad119, https://doi.org/10.1093/jrsssb/qkad119(SCI, 一区，顶刊)

[2] Jiang R, Yu K. (2023). Unconditional quantile regression for streaming data sets. Journal of Business & Economic Statistics. https://doi.org/10.1080/ 07350015.2003.2293162. (SCI, SSCI二区)

[3] Jiang R, Yu K. (2023). No-crossing single-index quantile regression curve estimation. Journal of Business & Economic Statistics. 41: 309-320. (SCI, SSCI二区)

[4] Jiang R, Choy S, Yu K. (2023). Non-crossing quantile double-autoregression for the analysis of streaming time series data. Journal of Time Series Analysis. DOI: 10.1111/jtsa.12725. (SCI).

[5] Jiang R, Chen S, Wang F. (2023). Quantile regression for massive data set. Communications in Statistics-Simulation and Computation. https://doi.org/ 10.1080/03610918.2023.2202840. (SCI)

[6] Jiang R, Peng Y. (2023). A short note on fitting a single-index model with massive data. Statistical Theory and Related Fields. 7: 49-60. (ESCI)

[7] Jiang R, Hu X, Yu K. (2022). Single-index expectile models for estimating conditional value at risk and expected shortfall.  Journal of Financial Econometrics.  20: 345-366. (SSCI三区)

[8] Jiang R, Yu K (2022). Renewable quantile regression for streaming data sets. Neurocomputing. 508: 208-224. (SCI二区Top)

[9] Jiang R, Sun M. (2022).  Single-index composite quantile regression for ultra-high-dimensional data. Test. 31: 443-460. (SCI二区)

[10] Jiang R, Guo M, Liu X. (2022). Composite quasi-likelihood for single-index models with massive datasets. Communications in Statistics-Simulation and Computation. 51: 5024-5040. (SCI)

[11] Jiang R, Yu K. (2021). Smoothing quantile regression for a distributed system. Neurocomputing. 466: 311-326. (SCI二区Top)

[12] Jiang R, Chen W, Liu X. (2021). Adaptive quantile regressions for massive datasets. Statistical Papers, 62:1981-1995. (SCI, 二区)

[13] Jiang R, Peng Y, Deng Y. (2021). Variable selection and debiased estimation for single-index expectile model. Australian & New Zealand Journal of Statistics，63:658-673. (SCI)

[14] Jiang R, Yu K. (2020). Single-index composite quantile regression for massive data. Journal of Multivariate Analysis, 180: 104669. (SCI)

[15] Jiang R, Hu X, Yu K and Qian W. (2018). Composite quantile regression for massive datasets, Statistics, 52: 980-1004. (SCI)

[16] Jiang R, Qian W, and Zhou Z. (2018). Weighted composite quantile regression for partially linear varying coefficient models. Communications in Statistics—Theory and Methods, 47: 3987-4005. (SCI)

[17] Jiang R, Qian W, Zhou Z.(2016). Weighted composite quantile regression for single-index models, Journal of Multivariate Analysis, 148: 34-48. (SCI)

[18] Jiang R, Qian W, Zhou Z.(2016). Single-index composite quantile regression with heteroscedasticity and general error distributions, Statistical Papers, 57: 185-203. (SCI, 二区)

[19] Jiang R, Qian W.(2016). Quantile regression for single-index-coefficient, Statistics and Probability Letters, 110: 305-317. (SCI)

[20] Jiang R.(2015). Composite quantile regression for linear errors-in-variables models, Hacettepe Journal of Mathematics and Statistics, 44: 707-713. (SCI)

[21] Jiang R, Zhou Z, Qian W.(2015). Generalized Analysis-of-variance-type Test for the Single-index Quantile Model, Communications in Statistics—Theory and Methods, 44: 2842-2861. (SCI)

[22] Jiang R, Qian W, Zhou Z.(2014). Test for single-index composite quantile regression，Hacettepe Journal of Mathematics and Statistics, 43: 861-871. (SCI)

[23] Jiang R, Qian W, Li J.(2014). Testing in linear composite quantile regression models, Computational Statistics, 29: 1381-1402. (SCI)

[24] Jiang R, Zhou Z, Qian W. and Chen Y.(2013). Two step composite quantile regression for single-index models. Computational Statistics & Data Analysis, 64, 180-191. (SCI, 二区)

[25] Jiang R, Qian W, Zhou Z.(2012). Variable selection and coefficient estimation via composite quantile regression with randomly censored data, Statistics and Probability Letters, 82: 308-317. (SCI)

[26] Jiang R, Zhou Z, Qian W, Shao W.(2012). Single-index composite quantile regression, Journal of the Korean Statistical Society, 41: 323-332. (SCI)

[27] Jiang R, Yang X, Qian W.(2012). Random weighting M-estimation for linear errors-in-variables models, Journal of the Korean Statistical Society, 41: 505-514. (SCI)