QBUS6830 2026S2 ｜一学期都在练同一条建模流水线

QBUS6830 讲的是金融时间序列与预测，落到具体动作上，就是拿一只股票的日收益率，先算它平均往哪儿走，再算它波动有多大，最后把这个波动换算成风险数字。这门课的分数压在一条固定流程上，跟住流程的人一路顺，跳着学的人到 Week 8 会同时欠均值、波动率、误差分布三层的账。

assessment 只有三样：Week 6 的 mid-sem 笔试、final 笔试，再加一份 15 页的小组量化报告。两场笔试合起来拿走 60%，全程禁止用 AI，题目要你读懂并解释 Python 跑出来的统计输出；那份报告拿走另外 40%，反倒允许用 AI。💻 分数的来源就很清楚了，代码可以借工具，手写把结果讲明白的本事得自己长出来。course 还明说了一件事，拿到够用的机房时间和够用的 Python 熟练度，归你自己负责。小组报告那边另带同伴互评，每人再拿一个 5 分的个人分，看你在组里做了什么、推动了什么。

🗺️ 我把一学期压成五段，你先看一遍路线

Week 12 讲金融预测的近期发展，Week 13 review。

这五段里，Week 5–6 那一段学一遍能顶两回用。📊 mid-sem 只考 weeks 1–6，Final Exam weeks 1–13、重点落在 weeks 6–13，两段范围正好在 ARCH 与 GARCH 上叠了起来。那这块内容一学期会被检查两次，第一次就学明白，后面能少绕一圈。

🔁 五段看着换了好几个题目，底下是同一条线

这五段拆开像五门小课，串起来其实是同一套动作在反复练：均值模型 → 波动率模型 → 误差分布 → 样本外预测裁决。

• Week 3–4 教第一层，收益率平均往哪儿走；
• Week 5–6 和 Week 8 教第二层，波动有多大；
• Week 8 顺手把第三层也补上，残差该套哪种分布；
• Week 9–11 把跑出来的方差换成 VaR 和 ES 这样的风险数字。

tutorial 那边讲得更直白。有一节课直接拿 Telstra 的日度数据，从头到尾把这四步走了一遍，课上把它称作本课最核心的建模范式，exam 和小组报告都会要求你完整走完。光第一层就比了 AR(0) 一直到 AR(5)，再加一个 ARMA(1,1)，AIC 和 BIC 两个指标最后都指向 AR(3)。选完这一层，残差交给第二层，第二层的结果又决定第三层挑哪种分布。你往回翻会发现，每周 tutorial 都是一个围绕真实股票数据的 Python lab，Telstra 和 CBA 被同一套流程翻来覆去地处理。再看小组报告要交的东西：描述性统计与图表、建立并选择时间序列模型、估计与预测、给出结论。跟你在 lab 里敲的那组动作对得上。那每周的 tutorial 代码就是报告的分步骤练习，一学期的 lab 认真敲完，报告的骨架已经在手上了。🧪