11月18日,由我校统计与数学学院主办的2017年度北京预测研讨会在我校学院南路校区学术会堂702召开。

上午，澳大利亚莫纳什大学商务统计系教授、International Journal of Forecasting主编Rob J. Hyndman教授做了关于预测的主旨演讲。他围绕预测的基本概念、预测的眼前方法、预测的精确度和效果评估进行了发言，讲解了预测领域的前沿应用自动时间序列预测，并详细介绍了ETS，ARIMA等被广泛应用的模型。他与在场嘉宾们深入探讨了近期提出的新模型的前景，介绍了预测领域的另一个重要课题——分层预测。他指出，分级预测不仅在理论上十分重要，在实际生活中也被广泛应用。他还介绍了其中的重要概念、实际使用方法，展示了自己的许多研究成果。

Hyndman教授主旨演讲

下午会议的第一个议题为“人口统计和经济预测”。北京大学张俊妮教授作了“人口统计学的贝叶斯方法估计与预测”主题的演讲。她着重论述了人口统计学和贝叶斯方法的相合性，介绍了一个基于贝叶斯方法为人口统计学开创新途径和软件的长期项目。京东Y事业部资深高级工程师宋磊博士做“人工智能驱动的智能供应链预测”，介绍了人工智能的实际应用。北京航空航天大学部慧教授讲解 “利用奇异谱分析对复杂季节性结构的时间序列进行预测”，她利用香港和旧金山机场的吞吐量数据，对复杂结构的时间序列进行了建模，并进行预测。

张俊妮教授关于“人口统计学的贝叶斯方法估计与预测”演讲

宋磊博士“人工智能驱动的智能供应链预测”

部慧教授 “利用奇异谱分析对复杂季节性结构的时间序列进行预测”

下午会议的第二个议题内容是“概率预测”，Hyndman教授讲解了“概率分层预测”，对分层时间序列数据中的重要概念进行了定义，并在多种假定条件下进行了研究。李丰博士做了“基于协变量相关的条件Copula预测”为题的演讲，详细介绍了贝叶斯方法和蒙特卡洛在复杂时间序列模型预测的应用。北京航空航天大学康雁飞教授作了“时间序列特征空间预测”报告，提出了对时间序列数据集特征空间降维并利用特征空间对预测方法进行选择的时间序列预测方法。

李丰博士做“基于协变量相关的条件Copula预测”的报告

康雁飞教授作“时间序列特征空间预测”报告