 |
| Source: https://forms.app/en/blog/statistics-memes |
我明白在算力與電腦科學當道的時代，機器學習大有作為，時間序列和金融市場預測也不例外。
但這個主題我要回到統計學層面，特別將時間序列獨立成篇，因為時間序列與金融預測同時是統計學 (和計量經濟學) 領域的重要主題，並為之提供可解釋性的工具與模型。
本篇學習資源主要面對：(1)認識時間序列的統計特質；(2) 統計學中分析時間序列的工具與分析模式; (3) 多種變數在時序先後/交互關係的模型。
1. Forecasting:
methods and applications
看到Forecasting這個詞，雖然是預測，但裡面並沒有任何機器學習或 AI 演算法。相反地，其所介紹的模型都屬於傳統統計的範疇，像 Exponential
Smoothing 系列, ARIMA 還有線性回歸模型。
書中評估和選擇模型的模式是基於傳統統計 goodness of fit 思維──在歷史資料中使用統計指標進行分析與檢定，找出可解釋過去歷史變化特徵的模型 。
統計基礎的模型就是靠專家這樣train來的，而「預測」就是把這個模型的參數與變數，外推到未來樣本。所以比起機器學習領域頻繁操作資料、讓機器反覆訓練和驗證，是截然不同的。
這本書前三分之一介紹時間序列資料的性質 & 時間序列的分解 (decomposition)，這是重要的工具；中段介紹傳統時間序列模型和模型評估方法；最後則是建立預測模型的心法、流程、益處與限制。使用的語彙清晰好懂，架構軟性硬性都有，算很齊全。
2. Forecasting: principle and practices
 |
接下來推這本，也是我學時間序列的愛書 (天瓏書局似乎還有貨)。其主要架構跟前一本很雷同，不同在於這本書有更多執行程式碼，使用的是 R 語言。
再者是本書提及的數學模型也有多一些。詳細來說，首先加入了比較複雜的型態階層式時間序列﹝Hierarchical Time Series﹞主題，再者引入 bootstrap 和
bagging 模擬方法，這在模擬和模型評估都很有用；第三是加入了時間序列領域常見的向量自回歸﹝Vector
Autoregression, VAR﹞，以處理解釋與被解釋變數之間單向影響的關係。
最後面則有現在正紅的神經網路，但我覺得程度上就是單純展示網路模型的長相，並且查驗神經網路加入滯後序列的預測表現而已。
3. Prophet模型 & 個人線上課程
 |
| Prophet 官方logo Github開源專案點此 |
前兩本書應該就可以看出，要訓練出好的 Forecasting 模型，仰賴優異的統計知識和直覺。而 Facebook (Meta) 推出的開源演算法 Prophet，就是要解決這個痛點 (原始論文點此)。
不用精深的統計知識，讓模型自己抓出周期性和非週期性的特徵就好，還可以自行加入特殊假日。所以，模型結構是時間序列，但操作上使用機器學習的訓練─驗證模式。我在專案上使用 Prophet，效果比起傳統統計的 ARIMA 和迴歸模式，預測表現都更好。
我的線上課程就有教學這個模型，包括模型特質、參數說明和使用案例 (點以下圖片或圖片說明進入課程)。
 |
| 用 Python 帶你看見未來 | 時間序列 x 機器學習 x 預測模型 | HiSKIO 線上學習平台 |
4. 時間序列分析: 總體經濟與財務金融應用 - 陳旭昇
 |
| Source: 誠品線上 |
這本就真的就是硬書了，所以內容深一點是可預期的。但介紹的方法都實用於主流財務金融和計量經濟。除了前面兩本共同提到的 ARIMA，這裡的 VAR 模型也講得更多更深。
細分來看，書裡面介紹多種模型與方法。多種 VAR 變形、操作模型時會用到的統計檢定方法，和總經研究中常用的衝擊分析﹝ch06-ch11﹞、GARCH模型﹝ch12﹞、Bootstrap模擬與其偏誤估計﹝ch13﹞，以及ch14的DSGE模型。這些都是非常經典好用的工具，有助於我們了解總體經濟學研究的核心內容。
這本書除講解原理，也提供不錯的實務範例與解讀，軟體是經濟系常用的 Eviews。我自己讀後心得是，腦中的市場變化跟經濟研究方法之間的連結，變得更清晰；自己操作實驗時也會更有方向。
5. python金融科技實戰-蔡立耑
 |
| Source: goodreads |
這本書作者為金融背景，研究主題為金融 AI 跟量化投資。所以這本書也理所當然的充滿量化金融的色彩。內容由淺入深，前 17 個章節講 python 基礎語法、開發環境、函式操作，統計視覺化到入門統計檢定與推論，對新手友善。
18-26 章涵蓋時間序列檢定以及傳統時間序列模型，像 ARIMA、GARCH 族模型，以及財務金融的資產訂價和風險評估模型。
27 章到最後 35 章都是在講技術指標和交易策略。非常專精在金融與交易，描述的方式跟範例程式碼我覺得算清晰好懂，範圍很廣，但也不失重點和可讀性，適合想入門或廣泛探討財務金融和量化交易的人。
6. Principles of Econometrics
我以前一直在找計量經濟學的教科書，這本我感覺比較親民。網路上也有人推薦。但我還沒有真正細讀和開始使用他，所以不多評價了。他有中文版翻譯，其中一個譯者還是我大學時的財政學老師。
-----------更新------------
為你推薦我自己學機器學習、深度學習和LLM所用的學習資源，點擊以下閱讀：
Ø 機器學習
){kind=link}
0 留言