2017年度北京预测研讨会于11月18日在中央财经大学学院南路校区学术会堂702圆满召开。该预测研讨会由拉斯维加斯5357cc主办，为国际学者之间的成果分享和沟通提供了平台。

18日上午9：00-12：00，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。Hyndman教授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，展开了讨论。Hyndman教授讲解了预测领域的一个前沿应用：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。接着，他又与在场嘉宾们深入探讨了一些近期提出的新模型的前景，讨论氛围十分融洽。Hyndman教授介绍了预测领域的另一个重要课题：分层预测。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。Hyndman教授介绍了其中的重要概念、实际使用方法，并展示了他的许多研究成果，其中大部分已经上传到互联网上供全世界的研究者分享。Hyndman教授的本次报告幻灯片可以从https://robjhyndman.com/seminars/beijing2017/下载。

Hyndman教授做主旨演讲

下午会议的第一个议题为“人口统计和经济预测”。首先由来自北京大学的张俊妮教授进行关于“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，并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，最后，她给出了一些说明性的结论，作为演讲的收尾。大会还邀请了来自京东Y事业部的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”。他介绍的人工智能实际应用，使在座嘉宾们深刻的感受到“科学技术改变人类生活”。接下来由北京航空航天大学的部慧教授讲解 “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。

张俊妮教授进行关于“人口统计学的贝叶斯方法估计与预测”演讲

 

宋磊博士做“人工智能驱动的智能供应链预测”

 

部慧教授做“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“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，将结果展示给了在场的各位嘉宾。李丰博士做了“基于协变量相关的条件Copula预测”为题的演讲，李丰博士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。随后，由北京航空航天大学的康雁飞教授作了题为“时间序列特征空间预测”的报告，她提出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。该项目受“中央财经大学教师邀请海外学术伙伴来校开展合作科研项目”资助，项目号：HZKY20170025。

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

Hyndman教授与参会嘉宾合影