MIT金融数学科研项目：时间序列模型在金融市场中的应用与R语言实践
2025-04-30 10:56:58项目基本信息
专业类别
理工
参加形式
线上
适合人群
适合金融数学、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语言的高中生及大学生人群。
导师介绍
Peter
MIT终身教授
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。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。现为麻省理工学院数学系金融数学与统计讲师。2014年在北京交通大学全球暑期学校任教期间，被聘为计算机与信息技术学院特聘教授。
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
一、项目全称
金融数学专题：时间序列模型在金融市场中的应用与R语言实践 以AR/MA/ARMA等模型为例
二、项目简介
本项目将向学生介绍金融数学中时间序列分析的基本方法和模型，以及在金融市场和股票投资领域的应用。利用多阶段指数平滑，重要的趋势和季节性模型得到了更好的发展和应用。项目中介绍了用于固定时间序列(自回归、移动平均线)的 Box-Jenkins 模型，包括估计、顺序选择和预测方法。学生们将从互联网上收集现实世界的时间序列数据，并使用项目中涵盖的方法进行分析。
三、课程大纲
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)
四、开课时间
2025年7月12日
课时安排
12周时间安排
报名方式
项目收获
1、教授推荐信
2、EI/CPCI会议论文发表
3、成绩单
4、结业证书
