［1］ 许启发主持, 基于高维非线性广义分位数回归的系统性金融风险计量, 国家自然科学基金项目(编号: 71671056), 2016(在研: 2017.01-2020.12).

［2］ 许启发主持, 安徽省城乡居民家庭贫困脆弱性研究, 安徽省哲学社会科学规划基金项目(编号: AHSKY2014D103), 2014(在研).

［3］ 许启发主持, 多维贫困统计监测方法与脱贫路径选择研究, 全国统计科研计划重点项目(编号: 2012LZ041), 2014(结题).

［4］ 许启发主持, 大数据设备健康管理智能模型、算法与应用研究, 企业（安徽容知日新信息技术有限公司）委托项目, 2017.8-2018.8(在研).

［5］ 许启发主持, 基于电力大数据的智慧城市模型与算法研究, 企业（朗新科技股份有限公司，W2017JSKF0060）委托项目, 2016.12-2017.12(在研).

［6］ 许启发主持, 基于大数据机泵群智能报警算法研究, 企业（安徽容知日新信息技术有限公司）委托项目, 2015(结题).

［7］ 许启发主持, 机泵群智能报警算法研究, 企业（安徽容知日新信息技术有限公司）委托项目, 2014(结题).

［8］ 许启发主持, 天津智能电网及综合建设工程评价研究, 企业（国网天津市电力公司经济技术研究院）委托项目, 2014(结题).

［9］ 许启发主持, 多元条件联合分布长期均衡关系及其在金融领域应用研究, 国家自然科学基金项目(编号: 70901048), 2012(结题：良好).

［10］ 许启发主持, 自回归条件密度建模及其在金融领域应用研究, 高等学校全国优秀博士学位论文作者2008年专项资金资助项目(编号: 200982), 2013(结题).

［11］ 许启发主持, 基于Copula技术的金融风险计量与控制, 教育部人文社会科学研究青年基金项目(编号: 08JC790062), 2011(结题).

［12］ 许启发主持, 基于统计过程控制的收入分配不平等与贫困监测系统研究, 山东省自然科学基金项目(编号: Q2008H03), 2011(结题：优秀).

［13］ 许启发主持, 分位数协整理论、方法与应用, 中央高校基本科研业务费专项资金资助项目(编号: 2011HGRJ0006), 2013(结题).

［14］ 许启发主持, 烟台市商业银行信用风险识别与评价研究, 企业委托项目, 2009.05(结题).

［15］ 许启发主持, 高阶矩风险条件下动态组合投资理论、方法与应用, 中国博士后科学基金一等资助(编号: 20060400192), 2008(结题).

［16］ 许启发主持, 动态高阶矩风险对金融投资决策的影响, 全国统计科学研究计划重点项目(编号: 2006B07), 2008(结题).

［17］ 许启发主持, 科技进步与区域经济、社会协调发展战略研究, 国家安全生产科技发展计划项目(编号:06-526), 2008(结题).

［18］ 许启发主持,协整与协同持续问题研究, 全国统计科学研究计划项目(编号: LX0411), 2006(结题).

［19］ 许启发(第2位), 高维数据广义分位数回归及在证券投资基金管理中应用研究, 国家社会科学基金一般项目(编号: 15BJY008), 2015.04-2018.03.

［20］ 许启发(第2位), 区域科技与经济协调发展的统计研究, 全国统计科研计划项目(编号: 2009LY030), 2011(结题).

［21］ 许启发(第2位), 山东省居民多维贫困监测系统研究, 山东省软科学研究计划项目(编号: 2009RKB401), 2011(结题).

［22］ 许启发(第2位), 动态Copula模型的构建及其在金融领域的应用研究, 国家自然科学基金项目(编号: 70671074), 2009(结题).

［23］ 许启发(第5位), 现代企业统计理论与实践创新体系研究, 国家社会科学基金项目(编号: 05BTJ003), 2008(结题).

［24］ 许启发(第3位), 煤炭企业营销风险预警与防范研究, 企业委托项目, 2005.12(结题).

［25］ 许启发(第3位), 多变量矩序列长期均衡关系及动态金融风险规避策略研究, 国家自然科学基金项目(编号: 70471050), 2007(结题).

［26］ 许启发(第2位), 波动持续及动态金融风险规避策略研究, 全国统计科学研究计划项目(编号: LX2005-y29), 2007(结题).

［27］ 许启发(第2位), 金融市场的风险测度及管理模型研究, 全国统计科学研究计划项目(编号: LX0271), 2004(结题).

［28］ 许启发(第2位), 区域产业结构与消费结构的研究, 全国统计科学研究计划项目(编号: LX0148), 2003(结题).

［29］ 许启发(第3位), 统计数据质量的监控与评估问题研究, 全国统计科学研究计划项目(编号: LX99103), 2001(结题).

1.出版学术著作 

［1］ 许启发, 蒋翠侠. R软件及其在金融定量分析中的应用[M]. 北京: 清华大学出版社, 2015, 05.

［2］ 许启发. 金融高阶矩风险识别与控制[M]. 北京: 清华大学出版社, 2007, 02.

［3］ 张世英, 许启发, 周红. 金融时间序列分析[M]. 北京: 清华大学出版社, 2008(普通高等教育“十一五”国家级规划教材).


2.发表（录用）学术论文

［1］ Qifa Xu(许启发), Liukai Wang, Cuixia Jiang, Yezheng Liu. A novel (U)MIDAS-SVR model with multi-source market sentiment for forecasting stock returns[J]. Neural Computing and Applications, 2018. (SCI, Accepted)

［2］ Qifa Xu(许启发), Zhongpu Bo, Cuixia Jiang, Yezheng Liu. Does Google search index really help predicting stock market volatility? Evidence from a modified mixed data sampling model on volatility[J]. Knowledge-Based Systems, 2018. (SCI, Accepted)

［3］ Qifa Xu(许启发), Xingxuan Zhuo, Cuixia Jiang, Fang Sun, Xue Huang. Reverse restricted MIDAS model with application to US interest rate forecasts[J]. Communications in Statistics - Simulation and Computation, 2018 (SCI, Accepted).

［4］ Qifa Xu(许启发), Chao Cai, Cuixia Jiang, Xue Huang. Quantile Regression for Large-scale Data via Sparse Exponential Transform Method [J]. Statistics, 2018 (SCI, Accepted).

［5］ Qifa Xu(许启发), Chao Cai, Cuixia Jiang, Fang Sun, Xue Huang. Block average quantile regression for massive dataset[J]. Statistical Papers, 2017(SCI, In press).

［6］ 许启发, 王侠英, 蒋翠侠, 李辉艳. 基于D-vine copula-分位数回归的组合投资决策[J]. 系统工程学报, 2017 (录用).

［7］ Qifa Xu(许启发), Xingxuan Zhuo, Cuixia Jiang, Yezheng Liu. An artificial neural network for mixed frequency data[J]. Expert Systems with Applications, 2019, 118: 127-139. (SCI)

［8］ Qifa Xu(许启发), Xingxuan Zhuo, Cuixia Jiang, Xi Liu, Yezheng Liu. Group penalized unrestricted mixed data sampling model with application to forecasting US GDP growth[J]. Economic Modelling, 2018, 75:221-236 (SSCI).

［9］ Qifa Xu(许启发), Lu Chen, Cuixia Jiang, Jing Yuan. Measuring systemic risk of the banking industry in China: A DCC-MIDAS-t approach[J]. Pacific-Basin Finance Journal, 2018, 51: 13-31. (SSCI).

［10］ Qifa Xu(许启发), Chao Cai, Cuixia Jiang, Fang Sun, Xue Huang. Sampling lasso quantile regression for large-scale data[J]. Communications in Statistics - Simulation and Computation, 2018, 47(1): 92-114. (SCI).

［11］ Shubo Cao, Qifa Xu(许启发), Cuixia Jiang, Yaoyao He. Conditional density forecast of China’s energy demand via QRNN model[J]. Applied Economics Letters, 2018, 25(12): 867-875. (SSCI).

［12］ 许启发, 王侠英, 蒋翠侠, 熊熊. 基于藤copula-CAViaR方法的股市风险溢出效应研究[J]. 系统工程理论与实践, 2018, 38(11): 2738-2749.

［13］ 许启发, 丁晓涵, 蒋翠侠. 基于Expectile回归的均值-ES组合投资决策[J]. 中国管理科学, 2018, 26(10): 20-29.

［14］ 许启发, 刘曦, 蒋翠侠, 虞克明. 分位数向量自回归分布滞后模型及脉冲响应分析[J]. 系统工程学报, 2018, 33(4): 472-487.

［15］ 许启发, 李辉艳, 蒋翠侠, 何耀耀. 基于QRNN+GARCH方法的供应链金融多期价格风险测度及防范[J]. 数理统计与管理, 2018, 37(4): 728-740.

［16］ 许启发, 左俊青, 蒋翠侠. 基于DCC-MIDAS与参数化策略的时变组合投资决策[J]. 系统科学与数学, 2018, 38(4): 438-455.

［17］ 蔡超, 许启发, 蒋翠侠, 王艳明. 大规模数据的分块SCAD惩罚回归分析[J]. 数理统计与管理, 2018, 37(6): 1023-1040.

［18］ 许启发, 徐金菊, 蒋翠侠. 基于神经网络分位数回归的多期CVaR风险测度[J]. 数理统计与管理, 2017, 36(4): 715-730.

［19］ 许启发, 伯仲璞, 蒋翠侠. 基于分位数Granger因果的网络情绪与股市收益关系研究[J]. 管理科学, 2017, 30(3): 147-160.

［20］ Qifa Xu(许启发), Kai Deng, Cuixia Jiang, Fang Sun, Xue Huang. Composite quantile regression neural network with applications[J]. Expert Systems with Applications, 2017, 76: 129-139. (SCI)

［21］ 许启发, 李辉艳, 蒋翠侠. 基于Copula-分位数回归的供应链金融多期贷款组合优化[J]. 中国管理科学, 2017, 25(6): 50-59.

［22］ 许启发, 周莹莹, 蒋翠侠. 带有范数约束的CVaR高维组合投资决策[J]. 中国管理科学, 2017, 25(2): 40-49.

［23］ Qifa Xu(许启发), Xi Liu, Cuixia Jiang, Keming Yu. Nonparametric conditional autoregressive expectile model via neural network with applications to estimating financial risk[J]. Applied Stochastic Models in Business and Industry, 2016, 32(6): 882-908. (SCI)

［24］ Qifa Xu(许启发), Yingying Zhou, Cuixia Jiang, Keming Yu, Xufeng Niu. A large CVaR-based portfolio selection model with weight constraints[J]. Economic modelling, 2016, 59: 436-447. (SSCI)

［25］ Qifa Xu(许启发), Xi Liu, Cuixia Jiang, Keming Yu. Quantile AutoRegression Neural Network Model with Applications to Evaluating Value at Risk[J]. Applied Soft Computing, 2016, 46: 1-12. (SCI)

［26］ Qifa Xu(许启发), Cuixia Jiang, Yaoyao He. An exponentially weighted quantile regression via SVM with application to estimating multiperiod VaR[J]. Statistical Methods & Applications, 2016, 25(2): 285-320. (SCI).

［27］ 许启发, 蔡超, 蒋翠侠. 指令不均衡与股票收益关系研究——基于大规模数据分位数回归的实证[J]. 中国管理科学, 2016, 24(12): 20-29.

［28］ 许启发, 康宁, 蒋翠侠. 分位数误差校正模型及应用[J]. 数量经济技术经济研究, 2016, 33(10): 110-127.

［29］ 许启发, 陈士俊, 蒋翠侠, 刘曦. 极端VaR风险测度的新方法：QRNN+POT[J]. 系统工程学报, 2016, 31(1): 33-44.

［30］ 许启发, 贾俊颖, 蒋翠侠, 杨善林. 基于门限分位数回归的网上商品销量影响因素探析[J]. 商业经济与管理, 2016, (7): 5-14.

［31］ Qifa Xu(许启发), Xufeng Niu, Cuixia Jiang, Xue Huang. The Phillips curve in the US: A nonlinear quantile regression approach[J]. Economic Modelling, 2015, 49: 186-197. (SSCI)

［32］ Xu Q(许启发), Zhang J, Jiang C, Huang X, He Y. Weighted quantile regression via support vector machine[J]. Expert Systems with Applications, 2015, 42(13): 5441-5451. (SCI)

［33］ 许启发, 康宁. 门限分位数自回归模型及在股市收益自相关分析中应用[J]. 系统工程理论与实践, 2015, 35(12): 2993-3007. (EI)

［34］ 许启发, 张金秀, 蒋翠侠. 基于非线性分位数回归模型的多期VaR风险测度[J]. 中国管理科学, 2015, 23(3): 56-65.

［35］ 许启发, 陈士俊, 蒋翠侠. 基于GARCH-EVT模型的证券投资基金动态风险测度[J]. 合肥工业大学学报（自然科学版）, 2015, 38(7): 997-1003.

［36］ 许启发, 李辉艳, 蒋翠侠. 全日制专硕培养方式与满意度的结构方程分析[J]. 合肥工业大学学报 (社会科学版), 2015, 29(2): 114-123.

［37］ 许启发, 陈士俊, 张金秀, 王长久. 一个新的Lorenz曲线模型[J]. 数量经济技术经济研究, 2014, 31(11): 146-158.

［38］ 许启发, 张金秀, 蒋翠侠. 基于支持向量分位数回归多期VaR测度[J]. 系统工程学报, 2014, 29(2): 202-214.

［39］ 许启发, 王长久, 蒋翠侠. 基于分位数回归的中国股市费雪效应检验——以上证综指与行业分类指数为对象[J]. 当代财经, 2013, (12): 58-68. 

［40］ 许启发, 蒋翠侠. 所有制分割、行业选择与工资差异[J]. 管理科学, 2012, 25(1): 109-120.

［41］ 许启发, 蒋翠侠. 分位数局部调整模型及应用[J]. 数量经济技术经济研究, 2011, 28(8): 115-133.

［42］ 许启发, 蒋翠侠, 刘玉荣. 收入增长、分配公平与贫困减少[J]. 统计研究, 2011, 28(7): 27-36.

［43］ 许启发, 蔡超, 蒋翠侠. 基于半参数模型的Kuznets“倒U假说”再检验[J]. 统计与信息论坛, 2010, 25(8): 3-9.

［44］ 许启发. 投资组合动态VaR风险度量[J]. 统计与信息论坛, 2008, 23(6): 40-50.

［45］ 许启发, 蒋翠侠, 王永喜. 金融投资决策的负权重解读[J]. 统计教育, 2008, (6): 37-42.

［46］ 许启发, 蒋翠侠. 动态风险度量与组合投资选择[J]. 山西财经大学学报, 2008, 30(5):94-99.

［47］ 许启发, 张世英. 多分辨持续及协同持续研究[J]. 系统工程理论与实践, 2007, 27(2):36-45(EI).

［48］ 许启发, 张世英. 多元条件高阶矩波动性建模[J]. 系统工程学报, 2007,22(1): 1-8. 

［49］ 许启发, 蒋翠侠, 张世英. 基于小波多分辨分析的协整建模理论与方法的扩展[J]. 统计研究, 2007, 24(8): 92-96. 

［50］ 许启发, 张世英. Box-Cox-SV模型及其对金融时间序列刻画能力研究[J]. 系统工程学报, 2005, 20(4): 359-366.

［51］ 许启发. 高阶矩波动性建模及应用[J]. 数量经济技术经济研究, 2006,23(12): 135-145. 

［52］ 许启发, 张世英. 金融波动的平方根随机自回归波动模型[J]. 系统工程理论方法应用, 2004,13(6): 561-568. 

［53］ 许启发, 蒋翠侠. 对外贸易与经济增长的相关分析[J]. 预测, 2002, 21(2): 14-18.

［54］ Xi Liu, Keming Yu, Qifa Xu(许启发), Xueqing Tang. Improved local quantile regression[J]. Statistical Modelling: An International Journal, 2018. (In press, SCI).

［55］ Jiang C, Xu Q(许启发), Zhang W, Li M, Yang S. Does automatic bidding mechanism affect herding behavior? Evidence from online P2P lending in China[J]. Journal of Behavioral and Experimental Finance, 2018, 20: 39-44. (ABS 1).

［56］ Jiang C, Ding X, Xu Q(许启发), Liu X, Liu Y. Portfolio selection based on predictive joint return distribution[J]. Applied Economics, 2019, 51(2): 196-206. (SSCI).

［57］ Yaoyao He, Qifa Xu(许启发), Jinhong Wan, Shanlin Yang. Electrical load forecasting based on self-adaptive chaotic neural network using Chebyshev map[J]. Neural Computing and Applications, 2018, 29(7): 603-612. (SCI , EI). 

［58］ 黄荷暑, 许启发. 企业社会责任、银行信贷与投资行为——基于中介效应的检验[J]. 商业经济与管理, 2017, (11): 49-59+96.

［59］ 曹书波, 蔡超, 许启发. 开放式基金市场羊群效应研究——基于QRNN-CCK模型的实证[J]. 天津大学学报 (社会科学版), 2017, 19(5): 399-406.

［60］ Cuixia Jiang, Ming Jiang, Qifa Xu(许启发), Xue Huang. Expectile regression neural network model with applications[J]. Neurocomputing, 2017, 247: 73-86. (SCI)

［61］ 关春玉, 许启发, 蒋翠侠. 新结构经济学视角下FDI外溢的“门限特征”分析[J]. 经济评论, 2017, (3): 148-160.

［62］ 关春玉, 许启发. “丝绸之路经济带”战略实施的金融支持——基于金融排斥的分析[J]. 西北民族大学学报(哲学社会科学版), 2017, (3): 46-52.

［63］ 关春玉, 许启发. 服务业二维集聚对FDI的影响——中国287个城市的实证分析[J]. 北方民族大学学报, 2017, (4): 125-129.

［64］ 蒋翠侠, 黄韵华, 许启发, 虞克明. 基于二元选择分位数回归的上市公司信用评估[J]. 合肥工业大学学报(自然科学版), 2016, 39(7): 998-1003.

［65］ 何耀耀, 闻才喜, 许启发. 基于Epanechnikov核与最优窗宽组合的中期电力负荷概率密度预测方法[J]. 电力自动化设备, 2016, 36(11): 120-126. （EI）

［66］ Yaoyao He, Qifa Xu(许启发), Jinhong Wan, Shanlin Yang. Short-term power load probability density forecasting based on quantile regression neural network and triangle kernel function[J]. Energy, 2016, 114: 498-512. (SCI)

［67］ 蒋翠侠, 刘玉叶, 许启发. 基于LASSO分位数回归的对冲基金投资策略研究[J]. 管理科学学报, 2016, 19(3): 107-126.

［68］ 隋静, 蒋翠侠, 许启发. 股权制衡与公司价值非线性异质关系研究——来自中国A股上市公司的证据[J]. 南开管理评论, 2016, 19(1): 70-83.

［69］ 蒋翠侠, 张婷婷, 许启发. 一个新的时变系数分位数回归模型及应用[J]. 数量经济技术经济研究, 2015, 32(12): 142-158.

［70］ 蒋翠侠, 赵怡, 许启发. 基于截尾分位数回归模型的上市公司财务困境影响因素研究[J]. 合肥工业大学学报:社会科学版, 2016, 30(1): 15-24.

［71］ 何耀耀, 闻才喜, 许启发, 撖奥洋. 考虑温度因素的中期电力负荷概率密度预测方法[J]. 电网技术, 2015, 39(1): 176-181.

［72］ 蒋翠侠, 许启发. 非线性参数异质Phillips曲线模型及应用[J]. 统计研究, 2014, 31(5): 95-101.

［73］ 王艳明, 许启发, 徐金菊. 中等收入人口规模统计测度新方法及应用[J]. 统计研究, 2014, 31(10): 9-15.

［74］ Yaoyao He, Qifa Xu(许启发). Shanlin Yang, Li Liao. Reservoir Flood Control Operation based on Chaotic Particle Swarm Optimization Algorithm[J]. Applied Mathematical Modelling, 2014, 38: 4480-4492. (SCI, EI)

［75］ 蔡超, 王艳明, 许启发. 库兹涅茨曲线在中国的适用性研究——基于分位数回归的方法[J]. 江西财经大学学报, 2013, (3): 54-62.

［76］ 王长久, 许启发. 基于产出缺口的中国菲利普斯曲线再分析——分位数回归的角度[J]. 海南金融, 2013, (6): 18-22.

［77］ 何耀耀, 许启发, 杨善林, 余本功. 基于RBF神经网络分位数回归的电力负荷概率密度预测方法[J]. 中国电机工程学报, 2013, 33(1): 93-98. (EI)

［78］ 蔡超, 许启发. 高等教育入学机会城乡差异研究——基于二元选择O-B分解方法[J]. 统计与信息论坛, 2012, 27(4): 87-93.

［79］ 蒋翠侠, 许启发, 张世英. 基于多目标优化和效用理论的高阶矩动态组合投资[J]. 统计研究, 2009, 26(10): 73-79.

［80］ 刘冰, 马宇, 许启发. 教练员的价值: 基于中国足球职业联赛的实证分析[J]. 体育科学, 2009, 29(7): 19-28.

［81］ 蒋翠侠, 许启发, 张世英. 基于“已实现”高阶矩的动态组合投资分析[J]. 山西财经大学学报, 2008, 30(6):96-103.

［82］ 蒋翠侠, 许启发, 张世英. 金融资产多分辨风险识别及投资组合策略[J]. 数理统计与管理, 2007, 26(4): 685-692. 

［83］ 蒋翠侠, 许启发, 张世英. 金融市场条件高阶矩风险与动态组合投资[J]. 中国管理科学, 2007, 15(1): 27-33. 

      教学上，承担过《管理数据分析》《管理统计学》《统计学》《数理统计学》《时间序列分析》《计量经济学》《非参数统计学》《多元统计分析》《试验设计与质量控制》《统计分析专题》《数值分析》《西方经济学》等12门课程的教学任务。

      主讲的《统计学》课程被评为省级精品课程、主持的《时间序列分析》课程被评为校级精品课程；获得省部级教学成果奖励一等奖1项、二等奖3项，厅局级教学成果奖励5项；主编“十一五”国家级规划教材1部，主编其他教材1部；获得学校优秀教学效果一等奖2次、二等奖1次。