欢迎光临托普仕留学!
托普仕留学

专注美国前30院校
规划与申请

400 - 686 - 9991

官方客服

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

理工

专业类别

理工

线上

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

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

1. 微信搜索(Tops6868)

2. 扫码添加微信即可咨询报名

3. 点击立即咨询

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

其他信息

托普仕留学