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。
| 考核项 | 占比 | 时间节点 | 关键特征 |
|---|---|---|---|
| Mid-semester exam | 20% | Week 7 | 覆盖 Week 1-6，纯理论+统计推断，难度适中 |
| Group assignment | 40% | Week 9+13 两次提交 | 3 人组队，定量分析+模型构建+预测，允许 AI 辅助 |
| Final exam | 40% | Exam period | 覆盖全学期（重点 Week 6-13），大量 Python 输出解读题 |
💡 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"。
