9月8日，2003网站太阳集团第十期午餐研讨會在紅樓2号樓226學術報告廳舉行。此次研讨會由保險精算系助理教授畢達甯做論文分享，共有二十餘名師生參加本次午餐研讨會。

研讨會上，畢達甯老師做了主題為《Sieve Bootstrap for High-dimensional Time Series: A Factor Model Approach》的學術報告。在經濟社會與日常生活中，高維時間序列數據是一種十分常見的數據類型，如一段時間内的PM₁₀的排放量、一段時間内的股價收益率，一定時期内不同年齡人口的死亡率數據等。然而在統計學上，随着數據集維數的增加，學者們總是會不可避免的遇到“維數禍根”的困境，即随着維數的增加，很多統計方法的有效性會降低甚至是直接失效；同時，由于時間序列數據大多具有自相關的性質，其有效樣本量相對于其餘數據量會偏低。如何在諸多問題的困擾下進行有效的統計推斷，是一個非常重要的問題。AR sieve bootstrap是統計學中常用的抽樣統計方法，能夠幫助人們研究總體分布的性質。但對于高維時間序列數據，該方法也面臨着前文所述的問題。畢達甯老師在總結前人研究的基礎上，提出先用因子模型對模型進行降維，再利用sieve bootstrap方法構建新的樣本，從而幫助我們進行高維數據的處理與統計推斷。為了加深與會老師及同學們的理解，畢達甯老師以PM₁₀排放數據集為例，向大家展示了通過因子模型處理之後的數據集進行參數與非參數bootstrap抽樣的結果以及相關的統計量。