前不久，經管之家邀請到了吉林大學數據學院概率統計系教授朱復康博士參與了論壇的線上互動問答，與廣大壇友就
時間序列分析、保險精算等內容進行了交流，小編將問答內容整理如下，以饗讀者。
本期嘉賓
朱復康博士，吉林大學數學學院概率統計系教授，研究方向為時間序列分析、保險精算，主要教授時間序列分析、多元統計分析與線性模型、統計軟件、概率統計、數理統計、多元統計分析、統計基礎等研究生和本科課程，新加坡南洋理工大學訪問學者， 美國佐治亞理工學院博士后，現兼任吉林省工業與應用數學學會理事，中國現場統計研究會高維數據統計分會理事，19個英文SCI雜志審稿人，Wiley出版社書稿評審人，德國洪堡基金推薦人等職。
問答匯總
壇友lzguo568：
朱復康老師，我平時喜歡學習有關統計方面知識，也看一些有關時間序列分析、多元統計分析與線性模型的書籍，對統計軟件SPSS和R及Python也熟悉。但在實際統計工作中好像這些知識極少用到，一元線性回歸用過幾次，預測一下十三五期間每年供水總量。我在自來水集團公司做營銷管理工作，請老師講幾個有關多遠統計分析在自來水行業應用實例，拓寬一下我工作的視野及思路。謝謝?。?！
另外我在給排水雜志上看到一篇文章，介紹利用馬爾科夫鏈進行供水調度和管網管理，坦白講沒有看懂。請老師簡單介紹一下馬爾科夫鏈。謝謝?。?！
朱復康：
1. 這樣的實例有很多，僅舉一些在中國知網搜索到的三個例子：白云《時間序列特性驅動的供水量預測方法研究及應用》，江潮《陜西省不同區域城區用水定額及需水量預測研究》，朱蘋《多元線性回歸模型在北京市用水量預測中的應用》。
2. 馬爾可夫鏈，是指具有馬爾可夫性質的離散事件隨機過程。該過程中，在給定當前信息的情況下，以前的信息對于預測將來是無關的。
壇友飛天大老鼠 ：
朱老師，在電力負荷預測方面用時間序列分析可行嗎，因為電力數據受天氣人口等因素影響隨機擾動項比較大，如果預測誤差比較大是應該建立綜合評價模型還是對原時序模型進行修正？因公司需求剛開始看時間序列這塊，請老師指點一下，謝謝！另外，課本里一個例子對隨機游動做adf.test檢驗p值竟然小于0.05，是因為誤差嗎？如果在實際應用時碰到這種問題該如何解決？
朱復康：
1. 時間序列是可以用來預測電力負荷的，這時候不能簡單地采用經典的ARMA模型，而是采用一些時間序列--回歸模型，可以參考經典文獻R Engle， C.W.J. Granger， J. Rice and A. Weiss， Semi-parametric estimates of the relation between weather and electricity demand， Journal of American Statistical Association 81 (1986)： 310-320或者如下網址：https://www.wiwi.hu-berlin.de/de ... FranziskaSchulz.pdf給出的ppt。
2. 單位根檢驗的結果依賴于你的研究框架(是否具有常數項、是否具有確定時間趨勢)，不能僅僅通過p值來得出結論，可以參考如下網頁的更多討論：https://www.researchgate.net/pos ... ficiency_in_market2
壇友zxj246：
朱老師好！請問對于金融交易的時間序列數據分析方法中，有沒有成功的非線性科學或者說復雜理論的一些模型？國內有些基金和證券公司簡單地采用的HURST指數用于量化擇時靠譜嗎？你的生存模型有沒有可能移植到金融交易的時間序列數據分析中，另外傳統的富里葉分析等技術對于金融交易的時間序列數據分析還有優勢嗎？
朱復康：
我的《生存模型》是一門課程，講授保險精算或生存分析的相關知識，與你說的金融交易無關。理論研究與證券公司采用的方法是有差距的，主要原因是證券公司要求所采用的的方法一定要簡單并且能夠以極快的速度算出結果。新方法如果優勢不是特別明顯，一般很少能在實際中得到推廣。
壇友0903clili：
朱老師好！請問面板馬夫科夫體制轉換模型該怎么進行估計和編程呢？
朱復康：
你可以先考慮普通的馬爾科夫體制轉換模型，這方面有現成的程序包，比如：
https://sites.google.com/site/ma ... ng-models-in-matlab
http://blogs.mathworks.com/pick/ ... g-models-in-matlab/
給出的Matlab程序，在Eviews中也可以，參見網頁
http://www.eviews.com/EViews8/ev8ecswitch_n.html
或者R程序包：https://cran.r-project.org/web/packages/MSwM/
在弄懂編程方法的基礎上，將現有程序修改使之適合面板情形。
壇友512002855：
朱老師，您好，現在網上公開可以下載的資料或者論文(知網等)，您可以推薦兩篇關于時間序列解決實際問題的嗎？非常感謝！學習了時間序列分析，但是用的時候感覺ARIMA，ARGCH等好像很難擬合的好。
朱復康：
除了前面提到的自來水例子，你可以看看Gait Shmueli著、李洪成翻譯的《時間序列預測實踐教程》，里面有很多具體的例子。
壇友complicated：
朱老師好，我從事互聯網相關工作，所在部門嘗試用R語言時間序列包（arima，tsoutliers做過濾）做一些業績預測的事情。我們的問題是異常波動很劇烈，很頻繁。比如收入預測，經常會受周期/力度不等的營銷活動的影響，一直沒有找到有效處理這些異常的方法，我看到google和twitter開發了一些異常偵測方面的包，但是他們的出發點跟我們的應用場景好像不太一樣。希望您能指點一下，謝謝！
朱復康：
一般的處理方法是先進行異常值處理，然后再用常見的模型，但這不適合數據流或者在線預測?？梢設nline Outlier Detection for Data Streams為主題搜索新方法，也可以參考R幫助文檔的第七章http://cran.r-project.org/doc/contrib/Zhao_R_and_data_mining.pdf
你說的twitter不知道是不是指下面的網頁：
https://blog.twitter.com/2015/in ... on-in-a-time-series
如果和你的出發點不一樣，但是可以借鑒他們的想法為你所用。
壇友HH公子：
朱老師好：探究兩組金融市場時間序列數據的相互影響關系，用GARCH類的模型，還是用SVAR之類的模型做分析合適呢？抑或說，研究哪種相關關系適合哪種分析方法呢。謝謝。
朱復康：
多元GARCH模型和結構向量自回歸(SVAR)模型都可以用來研究多元時間序列數據，多元GARCH是允許兩組數據間有相關性，但不能很好地用來研究這種相關性，相對來說用SVAR合適，它可以捕捉模型系統內各個變量之間的即時的(instantaneous)結構性關系。
壇友hyq2003：
朱老師，你好，請教單位根檢驗的問題：
1、李子奈《計量經濟學》中是這樣講的：用ADF逐次檢驗（1）含截距和趨勢項（2）含截距不含趨勢（3）不含截距和趨勢項
什么時候平穩就停止檢驗，三者都不平穩就認為不平穩。但是有的書上說先看時間序列的折線圖，根據折線圖的形狀選擇對應的方程形式。
請問：規范的單位根檢驗過程是怎樣的？
2、接上面問題，單位根檢驗的滯后階數的選擇，李子奈的書上是對殘差進行LM檢驗，以沒有自相關為標準，請問這樣對嗎？，EViews中怎樣在進行ADF檢驗的同時完成殘差的LM檢驗？
3、月度數據獲季度數據在進行單位根檢驗之前需要進行季節調整嗎？
朱復康：
1. 李的書應該沒有錯誤，根據折線圖具有很大人為的隨意性，可以參閱Harvey et al. (2009， Econometric Theory， 25， 587–636)的論文，下載網址：
http://econweb.tamu.edu/keli/Fall2011_679/Readings/HLT2009.pdf
2. 統計學中沒有對與錯之分，只有好與壞之分。這個問題實際上本論壇已經討論過，參見
http://bbs.pinggu.org/thread-1109346-1-1.html
http://bbs.pinggu.org/thread-2171661-2-1.html
引用一段話作為答案吧“滯后階數的問題。最佳滯后階數主要根據AIC SC準則判定，當你選擇好檢驗方式，確定好常數項、趨勢項選擇后，在lagged differences欄里可以從0開始嘗試，最大可以嘗試到7。你一個個打開去觀察，看哪個滯后階數使得結論最下方一欄中的AIC 和SC值最小，那么該滯后階數則為最佳滯后階數?！?/span>
3. 最好先做季節調整，以消除季節趨勢，再做單位根檢驗。
壇友condmn：
朱老師好！您如何看待時間學列和動態隨機一般均衡等新模型的結合？如何看待現在越來越多的頂級期刊應用時間序列越來越少?
朱復康：
時間序列只有和其它領域結合才能顯示其強大生命力，而不是固步自封于自己的小圈子，比如，JTSA雜志2012年9月出了一期?？?，介紹時間序列在生物科學中的應用。至于頂級期刊的論文少，可能的原因是時間序列最近一段時間的重大進展比較少，這不是說時間序列沒有研究問題了，而是難點問題還沒有解決。
壇友mings：
問題一：在宏觀經濟研究中，在多元線性回歸模型中，隨著在模型中增減變量、甚至常數項，核心解釋變量的符號會變？問題出在哪里？如何修正。如何選擇正確并區分錯誤的。
問題二：在宏觀經濟研究中，多元線性回歸出現修正R^2位負數，是什么原因，如何修正？
問題三：在宏觀經濟研究中，可以替換變量，或者增減變量，也可以變化模型的形式（例如解釋變量為一次，可以變為二次），如何評價、選擇這些模型。
在模型中加入了一階AR(1)，模型的修正R^2變為了1，原來是0.23，如何解釋？這是所謂的飽和模型么？這個模型是否需要修正，具體如何做？
另外，朱老師。請問您，宏觀指數時間系列數據，應該選擇什么樣的模型？目的是為了 解釋指數如何變化。
能將其作為被解釋變量進行回歸么？還是如何？感謝！
朱復康：
1. 這是因為很多變量之間具有交互效應，所以一些變量的系數符號會改變。除了多元線性回歸，還可以考慮線性混合效應模型，根據一定的準則找出最好的模型。
2. 這歸咎于模型中較多的變量個數，這一變量個數與方差的自由度密切相關。
3. 根據一些信息準則(如AIC和BIC)進行模型篩選。
R^2的變動不能說明什么，因為兩種情形下R^2本身的定義不同。
這與你考慮的指數有關，比如，居民消費價格指數可以用乘積季節模型，也可以用非參數自回歸模型。
壇友zxj246：
朱老師好！統計工具能否揭示周期循環與非周期循環？
朱復康：
一些人認為是能做到的，比如下面這篇論文
http://escholarship.org/uc/item/9jv108xp#page-1
本文由經管之家CDA數據分析師獨家整理，轉載請注明來源
CDA數據分析師考試相關入口一覽（建議收藏）：
? 想報名CDA認證考試，點擊>>>
“CDA報名”
了解CDA考試詳情；
? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；
? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；
? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；
京公網安備 11010802034615號
經營許可證編號：京B2-20210330
