2024暑期iHUB·北京：金融經濟學專題：時間序列的理論研究與應用 基于時間序列模型的經濟數(shù)據分析與股票趨勢預測【大學組】

專業(yè)：金融,經濟學

項目類型：海外導師線下項目

開始時間：2024年07月20日

是否可加論文：是

項目周期：1周在線科研+14天面授科研+5周在線論文指導

語言：英文

有無剩余名額：名額充足

建議學生年級：大學生

是否必需面試：否

適合專業(yè)：商業(yè)分析金融學經濟學金融市場數(shù)據科學數(shù)據分析統(tǒng)計學發(fā)展經濟學經濟數(shù)學股票投資宏觀經濟學應用經濟金融經濟

地點：北京愛迪學校

建議選修：R語言統(tǒng)計分析速成

建議具備的基礎：應用數(shù)學、金融經濟學、宏觀經濟學、計量經濟學、金融數(shù)據分析、股票投資、商業(yè)分析等專業(yè)或希望修讀相關專業(yè)的學生； 學生需具備隨機變量、概率論等相關知識并熟練掌握R語言；

產出：1周在線科研+14天面授科研+5周在線論文指導 項目報告 優(yōu)秀學員獲主導師Reference Letter EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等級別索引國際會議全文投遞與發(fā)表指導（可用于申請） 結業(yè)證書 成績單

項目背景：時間序列是指將某種現(xiàn)象某一個統(tǒng)計指標在不同時間上的各個數(shù)值，按時間先后順序排列而形成的序列。時間序列法是一種定量預測方法，亦稱簡單外延方法，在統(tǒng)計學中作為一種常用的預測手段被廣泛應用。時間序列分析在第二次世界大戰(zhàn)前應用于經濟預測。二次大戰(zhàn)中和戰(zhàn)后，在軍事科學、空間科學、氣象預報和工業(yè)自動化等部門的應用更加廣泛。時間序列分析(Time series analysis)是一種動態(tài)數(shù)據處理的統(tǒng)計方法。該方法基于隨機過程理論和數(shù)理統(tǒng)計學方法，研究隨機數(shù)據序列所遵從的統(tǒng)計規(guī)律，以用于解決實際問題。時間序列構成要素是：現(xiàn)象所屬的時間，反映現(xiàn)象發(fā)展水平的指標數(shù)值。

項目介紹：本課程將重點介紹時間序列分析的基本方法和模型及其在經濟、金融數(shù)據分析中的應用。本課程將融合計算機編程的R語言輔助時間序列模型在金融經濟數(shù)據中的處理分析。目前，主流經濟數(shù)據分析往往會以圖形方法來進行呈現(xiàn)，這些可視化方法被用于大數(shù)據探索、分析模型的有效性驗證和數(shù)據預測結果的展現(xiàn)。在本課程中，導師開發(fā)并應用了趨勢和季節(jié)性的重要時間序列模型，包括經典分解和多級指數(shù)平滑模型。同時導師將利用真實世界的時間序列數(shù)據（包括美國聯(lián)邦儲備局、世界銀行和雅虎金融數(shù)據庫）對本課程中涵蓋的統(tǒng)計概率方法進行分析和實踐應用。Introduction to fundamental methods and models of time series analysis with applications in economics, finance, and public health. The course uses R to forecast time series. Graphical methods are emphasized for data exploration, analyzing the validity of models, and presenting forecast results. Important models of trend and seasonality are developed and applied, including classical decompositions and multi-stage exponential smoothing. Real-world time series data are collected from the internet and analyzed with the methods covered in the course.

項目大綱：時間序列分析導論 Introduction to Time Series Analysis 時間序列模型;金融時間序列 Simple Time Series Models; financial time series 預估噪聲序列的時間序列相關性檢驗固定的流程 Testing estimated noise sequences for time series dependence; stationary processes 回歸(AR)、移動平均(MA)和ARMA模型 ；模型選擇和預測 Auto-regression (AR), moving average (MA), and ARMA models；model selection and forecasting 學術研討1 Final Project Phase I 學術研討1 Final Project Phase II 項目回顧和成果展示 Program Review and Presentation 論文輔導Project Deliverables Tutoring