《偏正態(tài)下數字金融風險預警的統計建模及應用》突破經濟金融統計建模中常引發(fā)質疑的正態(tài)分布假定窠臼,創(chuàng)造性地提出非中心偏χ2分布、廣義非中心偏χ2分布、非中心偏F分布等偏態(tài)分布理論。進一步,構建偏正態(tài)單向分類隨機效應模型、偏正態(tài)兩向分類隨機效應模型、偏正態(tài)非平衡面板數據模型、偏正態(tài)混合效應模型等偏正態(tài)統計模型,并建立一系列新的有效的統計推斷理論與方法。*后,將上述偏正態(tài)建模理論與機器學習方法相結合,構建我國數字金融風險*優(yōu)預警模型,以提高數字金融領域統計推斷的精度,改善實際數據分析的效果,為當前數字金融風險預警及防范治理實踐提供更有力的數據支撐。