。
“嚯，宋老师还有偶像包袱？平时怎么没见”
直到周四早上，许青舟和宋瑶去办公室，算是正式开始参与计算。
办公室内，大家各司其职，李岱月负责协调整体的工作和驱动力分析这一部分内容，宋瑶跟着一起，利用回归分析、协整分析等计量经济学方法，量化各驱动力对夏国对美贸易的影响程度。
柯辰教授负责时间序列核算，比如时间序列分析和优化分析。
目前的计算部分，许青舟就需要和柯辰教授对接。
单独的会议室。
柯辰教授在白板前写着对接内容，“经过讨论，课题组决定使用TRAMO/SEATS方法，通过这些方法，帮我们从时间序列数据中分离出季节性因素，得到调整后的数据”
“早在开始前，我们就进行过数据清洗，把检查数据中的缺失值，异常值或不一致的地方都修改好了.”
大部分时间都是柯辰教授讲述，许青舟时不时地提个小问题，既然答应过来帮忙，也不能敷衍，得先确定好课题组的需求，或者说想达到的效果。
“以上就是课题内容，许同学，最终的目标，我们希望其中的ARIMA模型的预测误差最好控制在±1.5%。”
ARIMA模型，就是自回归积分滑动平均模型，用于时间序列的预测和分析。
“没问题。”许青舟微微点头。
柯辰教授笑呵呵地说道：“信心很足啊，要知道，目前前列的团队做出的模型，误差都在1.5%上下。”
“看起来没什么难度。”许青舟已经在思考从什么地方入手。
“.”
柯辰教授心中感叹，你们学数学的都这么自信的吗？
许青舟见柯辰教授表情奇怪，顿了顿，说道：“我尽力把误差降到最低。”
“行。”柯辰教授点头，不管怎么说，许青舟搞起数学来，肯定比他们这些半吊子强，1.5%的误差是最理想的状态，就算稍微高点，只要在2.0%以内，也不是不能接受。
这个会开一个半小时才结束。
许青舟没回去，去自己的工位猫着。
他对自己的工作内容很清楚，时间序列数据进行建模，以捕捉其内在规律和趋势，利用信号提取技术从时间序列中分离出季节因素，以消除其对时间序列的影响。
最后还需要结合多个时间序列数据，进行多变量分析和建模，以捕捉不同变量之间的相互影响
本章未完，请点击下一页继续阅读！