经过长期的积累与发展，本学科点已形成以下主要学科方向：

（一）管理统计

重点研究领域：主要从事综合评价理论与方法（包括统计指数理论、统计预测方法、智能决策方法等）及在商业大数据、政策评估、经济运行分析等领域的应用。本方向通过融合大数据分析与混频预测、监测预警与政策推演、复杂评价与智能决策等技术，挖掘大数据和人工智能应用场景，创新复杂情形下（包括多源异构、高维混合、高频混频）的信息融合技术与智能决策技术，开发具有数字化、网络化、智能化的统计产品。

研究特色：一是综合评价理论与方法研究。通过对传统综合评价技术的扩展与集成，丰富综合评价理论、创新评价方法。重点研究模糊评价、函数型数据评价、混合数据评价，以及各类复杂情形下的评价机制设计问题。二是一体化管理分析平台的开发与应用。针对社会经济发展中的关键问题与热点问题，运用人工智能、大数据等技术，开发集数据收集、指标生成、统计建模与可视化于一体的系统或平台。重点关注在线推荐算法、智能决策方法、政策推演与反演技术的创新性应用。三是统计指数编制理论与应用。用统计指数量化社会经济复杂问题或刻画特定商业场景，提升统计指数理论在实践中的适应性。已编制并发布“义乌·中国小商品指数”“世界·永康五金指数”等代表性成果。

团队主要成员：苏为华、陈钰芬、张崇辉、陈骥、俞立平、孙利荣、张栋才、李博、余骁、焦翠红、罗刚飞、侯睿婕、薛文停。

（二）经济统计

重点研究领域：国民经济核算、宏观经济分析、经济统计测度。聚焦国民经济核算与宏观经济统计理论和方法，追踪国民经济核算国际前沿、服务中国国民经济核算实践改革与创新，围绕“十四五”规划和 2035 远景目标纲要、“知识强国战略”和“乡村振兴”等国家重大战略需求与浙江省域经济社会发展需要等，开展统计理论与方法创新并提供统计支撑。

研究特色：一是国民经济核算理论、方法与应用研究，围绕国际核算规则最新修订议题，面向国民账户体系SNA2025，重点开展“数字经济核算”“数据资产核算”“知识产权产品核算”的开拓性和创新性研究。二是国家重大战略效应特征的统计测度。开展对新质生产力发展、乡村振兴治理绩效、高价值专利规模和城镇阶段化特征等重大战略的统计测度，为有关政策的实施效果评价提供统计理论和方法支撑。 三是宏观经济预测与评估，针对“十四五”时期国家和浙江经济发展的结构、质量、效率、潜力与目标等问题，提供统计核算估算、监测评估、预警预测等技术，研发集“监测、预测、预警”于一体的统计产品，为政府监管与决策提供依据。

团队主要成员：向书坚、程开明、徐蔼婷、朱发仓、朱贺、曾慧、祝瑜晗、庄燕杰、李凯、聂颖、李海涛、邱可阳、陈宜治、徐雪琪、张昭时、洪金珠、范超。

（三）数理统计与应用概率

重点研究领域：主要从事概率极限、随机过程、非参数统计、高维数据、可靠性统计等。
研究特色：一是非线性概率模型与风险模型理论与应用研究，基于随机过程、随机分析、极限理论等概率工具，对具有复杂结构的非线性概率模型进行了深入的研究，发展非可加概率和非线性期望的渐近理论和基本分析工具，构建自适应动态随机化试验设计的一般设计框架与统计推断的风险控制理论。二是非参数统计理论与应用研究，重点研究高维数据和生存数据下统计分析的理论与方法，主要包括半参数、非参数、经验似然以及分位数回归等方法下的统计推断。三是复杂系统的可靠性评估，基于随机过程、重参技术以及随机近似等工具，提出新颖的随机退化建模技术和在线推断方法，解决复杂系统性能退化规律的精确刻画和实时可靠性评估中的关键难题，为制定科学合理的在线维修策略提供理论和方法论基础。

团队主要成员：张立新、杨晓蓉、徐安察、王炳兴、郭宝才、王励励、王江峰、周布、蔡利、汪懿君、王伟伟、余显烨、张建强、王伟刚、肖敏、林杭迈。

（四）金融统计与经济计量

重点研究领域：金融大数据、高维时间序列、空间计量模型。面向数字化经济与实际应用需求，聚焦金融数据与高维时空数据分析的研究前沿，融合统计分析与机器学习技术，深入开展高维时间序列、非平稳时空大数据、厚尾金融数据统计推断理论与方法的研究，及其在金融、经济、环境等领域中的应用。

研究特色：一是高维非平稳时空数据分析，基于随机矩阵理论和压缩惩罚估计，系统研究了高维结构变化非平稳时空数据的统计推断问题，提出了有效处理多重结构变化模型估计、高维协整检验及高维非平稳时空数据动态建模的创新方法。二是因子模型的理论与应用，基于动态公因子模型的最新理论与方法，研究高维面板数据的有效降维与建模、降秩回归模型的估计，并创新地将其应用于金融大数据的分析、高维波动率的建模与预测。三是厚尾金融数据的统计推断，针对金融数据厚尾、异方差的特征，构建高效稳健的推断方法与理论，为保险分析、金融投资与风险防控等实际问题的解决提供重要的思路与理论支撑。

团队主要成员：张荣茂、何启志、陈振龙、章上峰、江涛、顾文涛、明瑞星、郝晓珍、朱兆琛、徐茉、聂春笑、崔金鑫、秦安龙、王彦锋、陈娟、董亚娟、黄红梅。

（五）数据科学与统计应用

重点研究领域：数据挖掘与机器学习、数据工程与大数据管理以及统计学方法在社会科学、计算机视觉、生物医学、商业智能等领域中的应用研究。

研究特色：一是大数据处理与分析技术研究。专注于开发高效的数据收集与集成、数据存储与管理、数据的处理与清洗以及数据的可视化等工具；探索针对高维、复杂的数据进行信息提取和内容理解的创新方法，为智能决策提供更加精准的数据支持。二是深度学习算法和生成式人工智能的应用研究。设计有效的深度学习模型框架，实现对海量商业、医学、计算机等领域中数据的快速处理和智能分析，推动数据科学和人工智能技术的共同进步；探索大语言模型的智能涌现机制，努力解决生成内容中存在的可信问题，探索大语言模型的知识融合和创新性应用。三是统计模型及管理决策评价技术的创新与应用。构建基于数据驱动以及适用于复杂数据结构和场景的统计模型，优化传统统计方法，将其应用于政府管理决策、企业运营、市场预测、风险管理等多个关键领域，实现大数据时代下对海量数据资源的有效汲取、配置和利用，提升决策的精准度和效率，为政府等部门进行科学决策提供智力支持。

团队主要成员：张颖、俞绍才、琚春华、陈庭贵、章仁江、董雪梅、徐静、陆利正、方冠奇、裴雯熠、李地青、高钦姣、王玥垚。