本期课题:
#01 项目介绍
项目介绍:
本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。I
项目大纲:
·时间序列分析导论 Introduction to Time Series Analysis
·时间序列模型;金融时间序列 Simple Time Series Models; financial time series
·预估噪声序列的时间序列相关性检验固定的流程 Testing estimated noise sequences for time series dependence; stationary processes
·回归(AR)、移动平均(MA)和ARMA模型 ;模型选择和预测 Auto-regression (AR), moving average (MA), and ARMA models;model selection and forecasting
·学术研讨1 Final Project Phase I
·学术研讨1 Final Project Phase II
·项目回顾和成果展示 Program Review and Presentation
·论文辅导Project Deliverables Tutoring
#02 导师介绍
导师:Peter
麻省理工学院 (MIT)终身教职
Peter 导师以优异的成绩获得哈佛大学(Harvard University)应用数学学士学位,并当选为Phi Beta Kappa Alpha Chapter的成员。后续他攻读统计学,获得了帝国理工学院(Imperial College London)的硕士学位以及加州大学伯克利分校(University of California Berkeley)的博士学位。
Peter 曾任哈佛大学统计系教授,任教期间获得了美国国家科学基金会的博士后数学科学研究奖学金。随后成为麻省理工学院Sloan管理学院终身教授兼首席研究科学家,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。
#03 项目进行中
导师、副导师与助教的教学以及班主任的全程陪伴,充分保证学员的项目学习过程以及体验,提高项目学习的效果。
课堂截图
#04 项目成果展示
在科研小组成员的共同努力以及导师和班主任团队的指导帮助下,学员将自主完成完整的项目,并最终向导师进行汇报。
成果展示
同时,在写作课程结束后,论文老师将安排论文课。配合论文辅导团队的指导,学生将会把小组的科研成果进一步精细打磨,形成高质量的科研成果产出。
作业展示
#05 学员反馈
教授/TF沟通截图
#06 论文发表情况