课程详情
2024-05-28
广州集思未来数据科学与时间序列模型的应用课程将重点介绍时间序列分析的基本方法和模型及其在经济、金融数据分析中的应用。本课程将融合计算机编程的R语言辅助时间序列模型在金融经济数据中的处理分析。目前，主流经济数据分析往往会以图形方法来进行呈现，这些可视化方法被用于大数据探索、分析模型的有效性验证和数据预测结果的展现。在本课程中，导师开发并应用了趋势和季节性的重要时间序列模型，包括经典分解和多级指数平滑模型。同时导师将利用真实世界的时间序列数据(包括美国联邦储备局、世界银行和雅虎金融数据库)对本课程中涵盖的统计概率方法进行分析和实践应用。
适合人群
适合年级(Grade):高中生/大学生
适合专业(Major):应用数学、金融经济学、宏观经济学、计量经济学、金融数据分析、股票投资、商业分析等专业或希望修读相关专业的学生;学生需具备随机变量、概率论等相关知识并熟练掌握R语言。
项目背景
时间序列是指将某种现象某一个统计指标在不同时间上的各个数值，按时间先后顺序排列而形成的序列。时间序列法是一种定量预测方法，亦称简单外延方法，在统计学中作为一种常用的预测手段被广泛应用。时间序列分析在第二次世界大战前应用于经济预测。二次大战中和战后，在军事科学、空间科学、气象预报和工业自动化等部门的应用更加广泛。时间序列分析(Time series analysis)是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律，以用于解决实际问题。时间序列构成要素是:现象所属的时间，反映现象发展水平的指标数值。
项目大纲
时间序列分析导论
时间序列模型;金融时间序列
预估噪声序列的时间序列相关性检验固定的流程
回归(AR)、移动平均(MA)和ARMA模型;模型选择和预测
学术研讨1
学术研讨1
项目回顾和成果展示
论文辅导
项目收获
1.7周在线小组科研学习+5周不限时论文指导学习共125课时
2.项目报告
3.优秀学员获主导师Reference Letter
4.EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等级别索引国际会议全文投递与发表指导(可用于申请)
5.结业证书
6.成绩单
导师简介
Peter--麻省理工学院(MIT)，终身教职
Peter导师以优异成绩获得哈佛大学(Harvard University)应用数学学士学位，并当选为Phi Beta KappaAlpha Chapter的成员。后续他攻读统计学硕士学位，并获得了伦敦大学帝国理工学院(University ofLondon)的硕士学位和文凭，以及加州大学伯克利分校(University of California Berkeley)的博士学位。在哈佛大学担任统计学教授期间，他获得了美国科学基金会的博士后数学研究奖学金。随后，他成为麻省理工学院斯隆管理学院(MIT Sloan School of Management)的教授，并晋升为管理科学终身教授。从1990年到1998年，他还担任麻省理工学院斯隆管理学院(MIT Sloan School of Management)的首席研究科学家，在经济和管理科学计算研究中心(CCREMS)和国际金融服务研究中心(IFSRC)进行研究。他是风险管理项目组的积极成员，并开发了纳入行业标准RiskMetrics方法论的分析方法。2013年，他加入MIT数学系，担任金融数学和统计讲师。2014年在北京交通大学暑期学校任教期间，被聘为计算机与信息技术学院特聘教授。
