金融數(shù)學(xué)專題：時(shí)間序列模型在金融市場(chǎng)中的應(yīng)用與R語言實(shí)踐 以AR/MA/ARMA等模型為例

專業(yè)：金融

項(xiàng)目類型：國外小組科研

開始時(shí)間：2024年12月21日

是否可加論文：是

項(xiàng)目周期：7周在線小組科研學(xué)習(xí)+5周不限時(shí)論文指導(dǎo)學(xué)習(xí)

語言：英文

有無剩余名額：名額充足

建議學(xué)生年級(jí)：大學(xué)生 高中生

是否必需面試：否

適合專業(yè)：商業(yè)分析金融工程金融學(xué)金融市場(chǎng)數(shù)據(jù)科學(xué)數(shù)據(jù)分析統(tǒng)計(jì)學(xué)股票投資宏觀經(jīng)濟(jì)學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)金融經(jīng)濟(jì)

地點(diǎn)：無

建議選修：定量研究分析方法

建議具備的基礎(chǔ)：金融數(shù)學(xué)、金融經(jīng)濟(jì)學(xué)、宏觀經(jīng)濟(jì)學(xué)、計(jì)量經(jīng)濟(jì)學(xué)、金融數(shù)據(jù)分析、股票投資、商業(yè)分析等專業(yè)或希望修讀相關(guān)專業(yè)的學(xué)生；學(xué)生需具備隨機(jī)變量、概率論等相關(guān)知識(shí)并熟練掌握R語言。

產(chǎn)出：7周在線小組科研學(xué)習(xí)+5周不限時(shí)論文指導(dǎo)學(xué)習(xí) 共125課時(shí) 項(xiàng)目報(bào)告 優(yōu)秀學(xué)員獲主導(dǎo)師Reference Letter EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等級(jí)別索引國際會(huì)議全文投遞與發(fā)表指導(dǎo)（可用于申請(qǐng)） 結(jié)業(yè)證書 成績單

項(xiàng)目背景：時(shí)間序列是指將某種現(xiàn)象某一個(gè)統(tǒng)計(jì)指標(biāo)在不同時(shí)間上的各個(gè)數(shù)值，按時(shí)間先后順序排列而形成的序列。時(shí)間序列法是一種定量預(yù)測(cè)方法，亦稱簡單外延方法，在統(tǒng)計(jì)學(xué)中作為一種常用的預(yù)測(cè)手段被廣泛應(yīng)用。時(shí)間序列分析在第二次世界大戰(zhàn)前應(yīng)用于經(jīng)濟(jì)預(yù)測(cè)。二次大戰(zhàn)中和戰(zhàn)后，在軍事科學(xué)、空間科學(xué)、氣象預(yù)報(bào)和工業(yè)自動(dòng)化等部門的應(yīng)用更加廣泛。時(shí)間序列分析(Time series analysis)是一種動(dòng)態(tài)數(shù)據(jù)處理的統(tǒng)計(jì)方法。該方法基于隨機(jī)過程理論和數(shù)理統(tǒng)計(jì)學(xué)方法，研究隨機(jī)數(shù)據(jù)序列所遵從的統(tǒng)計(jì)規(guī)律，以用于解決實(shí)際問題。時(shí)間序列構(gòu)成要素是：現(xiàn)象所屬的時(shí)間，反映現(xiàn)象發(fā)展水平的指標(biāo)數(shù)值。

項(xiàng)目介紹：本項(xiàng)目將向?qū)W生介紹金融數(shù)學(xué)中時(shí)間序列分析的基本方法和模型，以及在金融市場(chǎng)和股票投資領(lǐng)域的應(yīng)用。利用多階段指數(shù)平滑，重要的趨勢(shì)和季節(jié)性模型得到了更好的發(fā)展和應(yīng)用。項(xiàng)目中介紹了用于固定時(shí)間序列（自回歸、移動(dòng)平均線）的 Box-Jenkins 模型，包括估計(jì)、順序選擇和預(yù)測(cè)方法。學(xué)生們將從互聯(lián)網(wǎng)上收集現(xiàn)實(shí)世界的時(shí)間序列數(shù)據(jù)，并使用項(xiàng)目中涵蓋的方法進(jìn)行分析。

Introduction to fundamental methods and models of time series analysis with applications in economics, finance, and public health. Important models of trend and seasonality are developed and applied, using multi-stage exponential smoothing. Box-Jenkins models for stationary time series (auto-regressions, moving averages) are covered including methods for estimation, order selection, and forecasting. Real-world time series data are collected from the internet and analyzed with the methods covered in the program.

項(xiàng)目大綱：時(shí)間序列分析導(dǎo)論 Introduction to Time Series Analysis 時(shí)間序列模型;金融時(shí)間序列 Simple Time Series Models; financial time series 預(yù)估噪聲序列的時(shí)間序列相關(guān)性檢驗(yàn)固定的流程 Testing estimated noise sequences for time series dependence; stationary processes 回歸(AR)、移動(dòng)平均(MA)和ARMA模型 ；模型選擇和預(yù)測(cè) Auto-regression (AR), moving average (MA), and ARMA models；model selection and forecasting 學(xué)術(shù)研討1 Final Project Phase I 學(xué)術(shù)研討1 Final Project Phase II 項(xiàng)目回顧和成果展示 Program Review and Presentation 論文輔導(dǎo)Project Deliverables Tutoring