QBUS6830 26S1｜40%组队作业绑定期末——队友决定你的天花板

📝 开篇：这门课的反常识结构

QBUS6830 是一门计量色彩极强的金融时序建模课程，核心内容围绕 ARMA 模型、GARCH 波动率、VaR 风险预测展开。乍一看是标准的硕士高阶统计课——期中 20%、期末 40%、组队作业 40%。但真正麻烦的不是考试难度，而是组队作业和期末内容高度重合。

这意味着什么？如果你在组队作业阶段（Week 9 和 Week 13 两次提交）只是靠队友 carry，到期末你会发现自己完全不知道在考什么。因为期末 40% 的题目默认你在组队作业中已经深度理解了 GARCH、VaR、Python 实现的全流程。这不是"补课能追回来"的程度，而是"你根本不知道怎么读懂 Python 输出"的断层。

💡 核心逻辑：组队作业是期末的前置训练营

这门课的设计逻辑很明确：让你在组队作业中把 GARCH 和 VaR 的 Python 实现摸透，期末直接考应用和解读。Syllabus 明确写了"students need to construct descriptive statistics, build and select appropriate time series models, estimate these and create forecasts"——这不是让你写一篇理论报告，而是让你亲手跑代码、调参数、看输出、写结论。

问题来了：如果你的队友分工是"我负责跑代码，你负责写报告"，你在期末会直接翻车。因为期末题目不会问你"GARCH 模型的理论假设是什么"，而是给你一段 Python 输出，问你"这个 GARCH(1,1) 的 α 和 β 系数说明了什么？下一期的波动率预测怎么算？"

更隐蔽的一点：组队作业有 Peer Review。Syllabus 写了"peer assessment component to assess everyone's contribution, leading to a mark out of 5 for each individual group member"——这意味着即使你躺平了，队友也会在评分环节把你拉下来。最终你拿到的可能是"组队作业 28 分（满分 40）+ 期末崩盘"。

🎬 时间线拆解：Week 7 是分水岭

Week 1-6：理论铺垫期

前 6 周是"能听懂"的阶段：

• Week 1-2：复习统计基础 + Python 入门 + 金融收益率数据特性。如果你本科学过 ECMT5001 或 QBUS5001，这部分基本是复习。
• Week 3-4：AR、MA、ARMA 模型 + 预测方法。这是时间序列的经典内容，难度不高，但需要理解"序列平稳性""自相关函数"等概念。
• Week 5-6：ARCH、GARCH 波动率模型。这是整门课的第一个难点——从均值模型跳到波动率模型，逻辑跳跃很大。Week 6 还会讲 Riskmetrics 和波动率非对称性（如 EGARCH、GJR-GARCH），信息密度极高。

Week 7 期中考：覆盖 Week 1-6，题型是"解释概念+解读统计输出"。难度适中，但如果你 Week 5-6 没跟上，期中会很吃力。

Week 8-13：实战地狱期

• Week 8-9：波动率预测 + VaR（Value at Risk）一日预测。这是组队作业的核心内容。
• Week 10-11：VaR 和 ES（Expected Shortfall）的多期预测。理论难度再次跃升，Python 代码复杂度也大幅提高。
• Week 12：最新的金融预测方法（如机器学习在金融时序中的应用）。
• Week 13：Revision + 组队作业第二次提交（11 月 5 日 23:59）。

关键矛盾：Week 9 组队作业第一次提交时，你刚学完 VaR 一日预测；Week 13 第二次提交时，你需要整合多期预测、模型对比、敏感性分析。如果你在 Week 9 只是"抄队友的代码跑一遍"，Week 13 你会完全跟不上。

⚠️ 三个致命陷阱

1. "AI allowed"不等于"可以躺平"

组队作业标注了"AI allowed"，很多人会误以为"让 ChatGPT 写代码就行了"。但实际上：

• AI 生成的 Python 代码经常有 bug：比如 GARCH 模型的参数设定、VaR 的置信水平计算，AI 很容易写错。
• 期末禁止 AI：你必须自己看懂代码逻辑，否则期末遇到类似题目会直接卡死。

Syllabus 特别强调"students are encouraged to undertake hands-on analysis using an appropriate computing package"——核心词是"hands-on"，不是"让 AI 代劳"。

2. 组队策略：别只挑"会写报告"的人

很多人组队时的逻辑是"找个英语好的、写作能力强的"。但这门课的组队核心应该是找能帮你理解模型和代码的人。因为期末 40% 是个人考试，队友不能帮你。

更实际的策略：

• 至少有一个人精通 Python：负责搭建模型框架、调试代码。
• 至少有一个人理解计量逻辑：负责解释"为什么用 GARCH(1,1) 而不是 GARCH(2,1)"、"VaR 回测结果怎么解读"。
• 每个人都要跑一遍代码：不要分工成"A 跑代码，B 写报告"。正确做法是"大家一起跑代码，然后分工写不同部分的分析"。

3. Week 10-11 的多期 VaR 是期末重点

Syllabus 明确写了"Final exam will assess all aspects from weeks 1-13, with emphasis on weeks 6-13"——重点就是波动率预测和 VaR。而 Week 10-11 的多期 VaR（如预测未来 10 天的风险）是最复杂的部分，期末大概率会考。

如果你在组队作业中只是"套用 Week 9 的一日 VaR 代码"，没有深入理解多期预测的逻辑（如 rolling window、蒙特卡洛模拟等），期末会直接懵。

💰 高分路径

核心原则：组队作业不是用来拿分的，是用来为期末练手的。如果你在组队作业中只是"完成任务"，期末会为此付出代价。