时间序列分析

Berkeley Stat 153 is all you need.——详见https://www.stat.berkeley.edu/~ryantibs/timeseries-f23/#homework

老师的讲义基本完全照抄Stat 153，当然有些额外内容课件上才有。讲的也主要是ARIMA以及ETS这些比较经典的内容，但我仍然觉得，讲一些比较现代的方法，比如RNN、LSTM更好

考试主要考察对课程内容的熟悉程度，也即ppt默写，可能会有一些类似作业的题目，且不能带cheating paper，而且注意老师会不定时更新slides内容，注意及时更新，否则考试考到就跟抓瞎一样。

终于还是降下了———浩然哥调分的大手！

时序是统计专业的必修课，同时也是别的专业的选修。但这门课还是很难评的，有一堆缺点比如

1.上课的节奏，张老师一般要先花30-40分钟复习上节课的内容，有时候一周没上课会花50分钟复习，然后这节课剩下的1个小时才讲这一节新的内容。然而这几十分钟的复习完全是把上节课的内容重讲一遍，毫无意义，后面一个小时发现要讲不完了，就突然拉满速度，再配合上张老师他“自我沉醉式”的讲课风格，属于是听不懂也不想听（当然真听不懂还是可以下课去找他）。

2. 课件一堆错误且前期更新慢，本身课件就是抄的伯克利23fall的Introduction to Time Series，伯克利的课件是报告的形式，然后张老师可能是把报告的内容复制下来（或者手打），用latex做成ppt，但是 依然有一堆小错误，比如连乘写成求和，n写成p，n-1写成n等等。第五章讲傅里叶分解和谱密度那一章更是，总共就40页，前前后后增加删减更新了4版，每一版我都记了一些笔记，导致复习的时候看的我可难受。

3. 照抄伯克利每一章的R codes，但是压根不讲。作业也是照搬伯克利作业的一部分，包括理论证明和代码题。这里的代码题，基本都是关于R对时间序列模型的实践。但是由于他根本不讲代码，每次作业的代码题难度都很大，前期的几次作业可以模仿课件上的代码，后期的作业，尤其是最后一次就是几乎只能靠ai。

然后期中就和往常一样，没有cp，考的完全是ppt默写，我在考试之前把前五章都认真看了一遍，最后确实考的都是ppt上的证明/公式，其中还考了第五章的样本谱密度的内容，一段公式默写推导，位于最后一次更新中的最后几页，容易背刺没来上课且没在bb上更新slides的人。我期中确实考的也还行，但是听说期中均分七十几。

值得一提的是，在学期末，由于班上60个人每次课只来15-20个，张老师就在群里发了个问卷，说想优化课程内容和教学方式，以及可能加入考勤。事实证明，在提交问卷之后…… 并没有发生什么变化。每节课依旧20个人左右，依旧自我陶醉的讲课方式，唯一有所改进的就是slides上的错误确实会及时更新并在群里通知了。

最后是最最重磅的期末，这个期末放在17周周二的早八，因为我要解决16周遗留下的作业+project，最后只留了一天半的时间复习… 但是因为TA说重点放在期中之后的内容，加上我平时去上课有些基础，所以复习一遍相对还是蛮快的。然而在极限地照期中一样把所有ppt证明都看了一遍，准备接受像往年一样的ppt默写时，张浩然来了个大的。只有当你真正踏上考场，考这第一门专业课，拿到卷子的时候，才知道张浩然给我们安排8-10要做七道大题总共100分的证明题的含金量。第一道大题五道判断题，要写原因，tm这不就是证明题吗，第二道大题考谱密度，“重点放在期中之后”，中间几道也都是综合性的证明题，每一题不单单是ppt默写了，以及最后还有一道证明ETA的一个模型和ARIMA的一个模型是等价的，这个tm也是可以写½ 页。总结来说就是时间短题多题难，最后写满了答题卡也没写完，且不单纯是ppt默写，还有一些没有讲过的，需要自己当场想的题目。

考完就一直在咒骂zhr，虽然知道会肯定会调分，但是这张试卷给我的恶心感实在太强了！（但是在几天后的AI B居然更有过之而无不及…）。

我期末没写的就有十分，预估会被调到八十几，估计拿个A-，但是！浩然哥 他大手一降，居然给我调到了九十出头，喜提A。而且听说期末均分被调到了80左右……这卷子能被调到80我估计TA也燃尽了。

总的来说，时序的内容很丰富，比较贴合实际生活，作为必修课来说算是比较难的。不过我觉得理论部分讲的有点多，很多模型实践的少，就算课上没时间讲代码，还是可以把期中删掉改成做project的形式，这样给分情况也会好一点。

本人上这门课的时候是一名大三统计系本科生。这是一门本科生课程，是统计学的专业必修课。先下结论：对于统计学专业的学生，那这门课你肯定得上，而且目前只有张老师开，也没得选；对于其他专业的学生，这门课是否要选来水选修课学分则需要考虑到自己能不能接收部分和R语言相关的作业。

课程内容：

这门课的主要内容就是一些基础的时间序列模型，Auto Regression，Moving Average，ARMA，ARIMA，ETS, ARCH，GARCH等，但常用来model金融波动相关的后俩块内容涉及较浅，课程设置应该是想教授大家如何处理分析简单的时序数据。张老师是复旦本，CUHK知名Network Analysis教授的博士，老师的数学统计功底毫无疑问是很扎实的，但是教学水平确实还有待提高，讲课时的逻辑性与连贯性一般，最起码不是那种第一节课就能让学生喜欢且适应的老师，个人认为上课说话风格和数学系董世杰老师比较接近。张老师会在上课期间对模型、定理等相关内容进行数学推导，有些较难的部分虽说也会推导但是会比较快速简略得带过。此外，其在黑板上的板书内容其实算是PPT上内容的部分补充或者扩展，对于理解还是有一定的作用的。对于不理解的或者是课上没跟上的内容，在课间或课后找张老师也是能得到比较详细的解答的。跑题了，回到课程内容上，整体上来说，前半学期的内容会大致到ARIMA部分，相对较为简单。后半学期的内容在数学推导上会更为复杂一些，比如会涉及到一些诸如傅里叶变换，ODE等对于统计系学生并不是那么熟练的内容，所以这节课其实并不算是一门纯水课吧。额外想说的一点是，这门课的内容虽然其实很基础，但是本人短浅地认为打好这部分的基础还是很有必要的，即使现在ML相关的内容真的如火如荼，但是似乎真的认认真真做一些更solid的科研任务时候，这些比较基础的知识很多时候都还是很有必要的。

作业：

这部分应该是这门课被吐槽的最多的一点。这门课的作业应该是一章节布置一次，一般来说既有常规的动笔写的作业，也会有一两道代码作业。代码作业老师一般都会提供代码demo，但是要注意：老师提供的demo一般都是R语言的，当年上这门课的时候，班上很多学生都没学过R语言，即使学过的应该也就是正在上或者上过系里的统计计算与软件，想要搞明白demo还是需要花费一定功夫的，想要改明白demo并且正确运用起来那更是需要花费一定时间的。可是转折又来了，作业的给分很好，扣分很仁慈，对于代码作业部分，不知道是因为助教也不懂还是什么原因，本人所在的学期中的代码作业即使常常和朋友不太相同，但是大家基本都不扣分，因此常常在代码作业上花费大量时间，结果到头来也不知道自己写的垃圾对不对，而且也没有参考的代码答案，这点真的让本人很苦恼。

考试：

这门课有期中期末两次考试。期中考试内容不难，以至于本人已经不太记得考了啥了，只记得最难的部分应该就是一道基础概率论题目，以及最后一道压轴的公式推导题。这学期期末出的确实很像是PPT默写，因为这门课没有CP，所以如果想拿高分在期末还是需要花费一定时间的。好处是，这门课凭借期末速通的性价比也很高，而且期末改的也松。值得一提的是：虽然老师没说期末不考代码，但是这个学期的期末是没考代码的。

绩点相关：

通过上面的内容不难看出，这门课想拿高绩点并不是那么难，基本上期末别考太差都能取得不错的成绩。本人很幸运的最终取得了A+，看起来应该也不是被捞上的A+，所以这门课要是想冲绩点也是可以尝试一下的。

总的来说，作为学校中少有的时间序列相关的课程（商学院好像还有一门研究生课，但是给分比较一般），如果真的想学习这方面的知识，还是可以选这门课来初步了解一下的，但是如果纯粹是为了水绩点，还是值得考虑一下，因为这门课期中期末备考（无CP）以及平时作业，还是需要花费一点儿时间的。

课件会有一些小错误，可能复习时会计较难受。不过发现错误的过程还是很有收获（但是浪费时间）

考试占比70%，期中题量较少，期末题量较多，考前复习两天拿下90+还是很容易的。