【活动回顾】2022年3月19日-冯元化教授谈半参数时间序列和深度学习波动率模型实践应用和研究前沿
2022年3月19日，寒冬已逝，春分将至。来自各地的留德金融学人们齐聚线上，一起聆听了帕德博恩大学计量经济学系冯元化教授关于“半参数时间序列和深度学习波动率模型实践应用和研究前沿”的专题报告。
下午15点，活动正式开始，VCAF会长傅晓峰女士简要介绍了学会概况，并对冯教授和各位听众的到来表示欢迎。学会理事、主持人黄子箴先生介绍了冯教授在统计学、计量经济学领域的研究和教学经历，并引入了本期探讨的主题：半参数时间序列和深度学习波动率模型。
简短的开场白后，冯教授开始正式讲解。他通过几个在日常生活中常见的时间序列预测的应用案例，向大家展示了时间序列分析和预测的广泛应用。例如，桥水基金创始人达里奥通过对16世纪以来世界霸主相对位置的时间序列分析，得出21世纪中国将超越美国的预测；冯教授自己通过对2000年以来德国平均房价走势的时间序列分析和建模，预测了未来德国房价将继续保持高速增长。但同时，他抛出了一个问题：这些预测结果真的可靠吗？我们如何深入地理解时间序列预测，从而更好地评估预测模型的可靠性和局限性？
为了追寻这个问题的答案，冯教授首先带领大家快速温习了常见的参数时间序列模型，如线性时间序列模型AR，MA，ARMA，ARIMA，FARIMA，波动率模型ARCH，GARCH族模型，以及空间时间序列模型SARMA和SFARIMA等。随后，他系统地介绍了非参数模型和半参数模型的区别，以及包含参数部分和非参数部分的半参数模型的概念。他还通过列举半参数模型如Semi-ARMA、Semi-FARIMA、Semi-GARCH等的应用案例和与其他模型的对比，展示了半参数模型既可以克服非参数模型的自变量“维数灾难”问题，又可以充分发挥相对于参数模型的稳健优势。
除了传统的计量模型外，冯教授还和大家分享了当前热门的基于机器学习和深度学习的时间序列分析和预测方法。他指出，虽然目前基于机器学习和深度学习的时间序列预测研究比较多，但是质量参差不齐，甚至存在错误。他通过列举现有的比较研究案例，指出基于机器学习和深度学习的预测结果和传统方法的预测结果并无明显差异，基于机器学习和深度学习的时间序列预测结果并非一定优于传统统计模型，可以作为一种补充方法。冯教授给各位听众推荐了两本当前市场上最好的基于机器学习和深度学习的时间序列预测的教材。一本是由Gareth James等编写的《An Introduction to Statistical Learning with Applications in R》，另一本是由Jason Brownlee出版的《Deep Learning for Time Series Forecasting》。
讲座结尾，冯教授指出了半参数时间序列模型在应用领域和基于深度学习的时间序列模型在理论研究领域的欠缺和研究潜力。随后，各位听众也提出了自己在工作中遇到的时间序列分析应用难题，就潜在解决方案和冯教授进行了深入的交流，冯教授耐心地分析和解答了大家的问题，每个人都觉得收获满满，甚至有些意犹未尽。
本次活动在激烈的思维碰撞中圆满结束。
有意加入VCAF留德学人金融学会的朋友，可以点击下方链接填写入会申请表。
我们期待您的参与！