王燕老师（统计，保险精算）在线访谈问答汇总-经管之家官网！

王燕，中国人民大学统计学院风险管理与精算教研室主任，中国人民大学北美精算师考试中心副主任。
http://stat.ruc.edu.cn/uploads/teacher/wangyan.jpg
研究方向
健康险精算、寿险精算、数理统计
学习经历
华东师范大学统计系，硕士
中国人民大学统计学院，博士研究生
问答汇总：
1，坛友大师坑：王教授，你好，我想问一下用时间序列可以分析物流管理方面的问题吗？像配送中心的管理，仓储管理，以及货物调度方面的管理。希望能帮忙分析一下。
A:时间序列分析方法应用领域非常广泛。实际上，在分析的时候，我们不挑剔它的使用背景和应用领域，关注的是数据本身体现出来的特征，诸如是否平稳，是否有趋势，是否有周期，是否有其他因素和它具有协整关系等等，针对数据呈现出来的不同的统计特征采取不同的分析方法。我本人没有具体分析过物流管理相关领域的数据，但是如果你是想对物流管理，仓储管理做一些短期预测的话，相信时间序列分析应该是有用的分析方法之一。
2，坛友512002855：尊敬的王老师：
您好，1.统计学专业的学生如何把自己的专业知识与精算的学习结合起来呢？
2.处理精算实务问题时，使用什么软件比较好呢？
谢谢！祝您工作顺利，身体健康！
A:1、精算是一门交叉学科，它的理论基础之一是统计，所以精算的学生要学好基础统计课程，打下一个坚实的理论基础。同时精算方向又有它本身的学科特点，有自己的专业课，而且还需要学习经济、金融、会计、计算机等相关课程。所以统计是精算的基础，精算是统计学运用于金融风险分析领域的一个具体分支。
2、我们的精算方向学生会学习EXCEL-VBA和R语言。同时在统计学院下，还会学习诸如SPSS和SAS等统计专业软件。
3，坛友yezigege2012：王教授：
您好！
目前时间序列分析主要使用什么软件？请您给门推荐几个入门级的资料。
谢谢！
A:主要使用EVIEWS和SAS/ETS模块。
EVIEWS软件比较好获得，而且窗口对话语言降低了使用难度，在学生中使用的人多些。
而SAS软件通常比较难获得，同时编程语言增加了使用的困难，但是在金融，保险，医疗，税务等海量数据场合，SAS海量数据的处理能力，具有无可比拟的优势。所以很多世界大公司使用的是SAS软件。
入门级教材就推荐我写的《应用时间序列分析》这本书吧（（呵呵，我姓王，所以王婆卖瓜）），它确实是为入门级的同学编写的。此书第二版有很多编辑错误，给读者造成了理解障碍，很抱歉！我正在修订第三版。
4，坛友结实：尊敬的王老师：
您好，1.统计学是数学的一个分支，数学毕业的学生，从事统计方面的工作，需要再具备哪些知识？
2.统计学与数据挖掘联系很紧密，用什么软件比较合适呢？
3.精算很难，一个准精算师下来，大约多长时间和多少银子？
4.从事统计工作需要具备什么样的专业素质？
5.与统计最相关的工作类型是什么？
谢谢！祝您工作顺利，健康幸福
A:1、 需要补充统计学的专业知识，尤其是需要培养统计学的思维。对于学数学的同学来讲，补充统计学的专业知识很简单，让你们跟着老师或者自学一些统计学的专业课估计不是艰难的事情，但是要培养统计学的思维会艰难一些。原来是数学的思维，现在要用概率的思想，从统计的角度看待问题，需要一定的时间转换。
2、 我没有搞过数据挖掘研究，我们学院的王星老师是这方面的专家。具体的软件使用情况你咨询王星老师。据我所知，SAS里面有专门的数据挖掘模块，我们的学生则喜欢用R语言。
3、 一个准精算师的培养时间跟个人的努力程度有关。所以我不好说一个明确的时间。一般人大精算专业的学生本科期间可以完成北美精算师基础部分的五门考试和VEE的课程，如果考中国精算师，一个季度通常可以考两门功课，如果一切顺利，2-3年能拿到准精吧。费用方面，SOA的考试费用比较贵，基础五门考下来得700美金左右，而中精考试费用便宜，准精考下来1000多人民币吧。
4、 惭愧，这个问题我没有经验。我是大学毕业直接进入了高校工作，所学专业一直是统计学，所以我不知道从事统计工作需要哪些特殊的专业素质。但我们在培养统计专业学生的时候，强调如下三点：一、扎实的数学和概率统计基础；二、理论联系实际，强调学以致用；三、鼓励学生选修其他专业课程，统计是数据分析工具，需要与其他专业应用背景结合起来，才能发现问题，解决问题。
5、 统计是数据收集、整理和分析的工具与艺术。所以与数据收集（各种调查和实验），整理（制作各种报表和图）与分析（各种统计分析，包含时间序列分析和你提到的数据挖掘）都是统计的工作范畴。
5，坛友cglee：问三个问题：
1.时间序列分析到底需要多大样本量才能得到相对科学的结论？看到不少文章20、30个样本就得出结论，我一直心存怀疑。
2.与eviews相比，sas的优势在哪里？为什么前者很直观易学，不少人还喜欢用后者呢？
3.关于时间序列建模与计量分析的较为全面、容易上手的教材或课件有哪些？
谢谢！
A:1、 时间序列分析的样本量根据你的数据特征和采取的分析方法的不同有所不同。如果你采用差分的方法，而且数据有季节性，那样本量一定不是20-30个可以做的。但是如果数据平稳，而且是做短期预测，20-30个样本观察值可能足够了。
2、 这个问题前面我回答过了，再回答一次：目前分析时序主要使用EVIEWS和SAS/ETS模块，EVIEWS软件比较好获得，而且窗口对话语言降低了使用难度，在学生中使用的人多些。而SAS软件通常比较难获得，同时编程语言增加了使用的困难，但是在金融，保险，医疗，税务等海量数据场合，SAS海量数据的处理能力，具有无可比拟的优势。所以很多世界大公司使用的是SAS软件。
3、如果要简单，易上手，我感觉我的教材比较好（呵呵，再次王婆卖瓜）。如果说全面，那就不是一本书可以包含的了，我给我们学院研究生上《统计预测》时用的教材是Walter Enders 写的Applied Econometric Time Series。这本书相对比较全面。
6，坛友wuhui1018：王教授，您好！有问题想请教下您，1：在时间序列分析中，一般作回归分析，都需要先进平稳性检验，如果时间序列数据不平稳，且也不存在单整，协整关系，那该如何处理啊？
2：自相关图与偏相关图这个我一直不会看，就是如何从得到的自相关图与偏相关图中得到相应的信息。
3：你主要究寿险方面，对于非寿险研究，不知您是否有作过研究？因为中国的保险产品的相应数据都很难获取，您是否认为现在中国的的保险学术上的研究是否太理论。因为没有具体的数据说话。
A:1、不平稳，又不存在单整这是什么意思？理论上不存在协整关系的数据就不能做协整分析，如果我碰到现有序列不协整的情况，我会考虑是否有其他影响变量没有纳入研究中，除了协整模型，可能还可以考虑VAR（向量自回归）模型。
2、 自相关图和偏自相关图是直观考察序列平稳性和ARIMA模型类型的有用工具，如何看这两个图是否截尾，几阶截尾，一般时序的教材里都会介绍，建议你找一本教材看一下。简单而言，无论是自相关图还是偏自相关图，如果前面有K阶延迟相关系数在两倍标准差之外，这K阶之后的自相关系数或偏自相关系数都在两倍标准差之内，通常可以自相关或偏自相关K阶截尾。自相关系数截尾，通常视为MA模型特征，偏自相关系数截尾，通常为AR模型特征，都不截尾是ARMA模型特征。如果还有问题，随时联络我，我们可以进一步讨论。
3、 我对非寿险没有研究。我们学院孟生旺老师、肖争艳老师、肖宇谷老师对非寿险精算都很有研究。学术研究通常是比较理论的，但也有很多应用研究是使用理论方法解决实际问题。通常对实务数据的研究是以公司委托的研究项目的方式进行，基于公司数据保密的原因，数据分析结果是不方便公开的，所以，你看到的常常是理论方法研究的论文。
7，坛友peterf：王老师：
您好！
一直在看您主编的教材《应用时间序列分析》，想请教两个问题：
1、线性时间序列分析和非线性时间序列分析的区别与联系，您怎样看待二者未来的发展。
2、能否简单介绍一下非参数统计和贝叶斯统计在Time Series（模型估计和检验）中具体应用，二者能否结合起来？
谢谢！
A:1、 线性时间序列分析是现在的研究主流，分析方法和检验方法都比较成熟。而非线性序列是比比皆是，分析方法和检验方法还不是特别成熟（至少不是非常便捷和放之各种非线性都能用的）。目前非线性研究比较主流的分析方法是汤家豪教授提出的门限自回归方法。这个方法其实就是找到若干门限，在门限与门限之间是假定序列是线性的。所以换言之，目前非线性研究方法实际上就是分段线性。而这个分段不是用时间分段，而是用序列值分段。我个人认为非线性时序的研究是未来的主流，它目前的不成熟，不便捷导致它未来还有很大的发展空间。
2、抱歉，我对非参数统计和贝叶斯统计在时间序列分析中的应用没有深入研究。所以不敢妄谈。
8，坛友lzw123ccc：王教授，您好！
非常高兴有这个机会提问题，主要有以下几个：
1.社会保险特别是医疗保险与商业医疗保险的未来趋势是如何的？趋同？互为补充？还是会存在社保挤占商业医保的情况？
2.保险精算能否在这个领域发挥其优势？较其他技术，精算统计技术的优点在哪些方面？
3.在这个医疗保险中，经常有很多非线性的关系，这些关系一般采用哪一些模型处理较为稳健妥当呢？
谢谢！
A:1、你的这个问题，我只是从个人角度谈个人的看法，不具有任何科学性和指导性。我个人认为社会保险和商业保险就犹如交通问题中的公共汽车和出租车。它们有共同性，有互补性，现在看来是社保挤压了商业医保，但是长远一点看，是现在社保在给商业医保培养被保险人的医疗保险意识，等人们习惯了通过医保看病之后，随着社会经济的发展，人均收入的提高，现有的社保不能覆盖的部分就是商保的空间。所以我个人认为商保需要在补偿医疗保险和医疗保险向健康保险更大的平台过度早作战略性布局。
2、 保险精算在这个领域当然有它的优势，疾病发生率分布，住院率和住院天数的分布，赔付额度的分布，赔付额度的测算，影响因素分析等都属于精算研究的范畴。精算统计技术的优点在于它不仅可以根据对历史数据的分析，预测未来的走势，而且可以给出预测的精度。这是其他学科做不到的。
3、 在医疗保险中不仅有非线性关系，而且有很多非数值型数据（比如性别，受教育程度，家庭遗传性疾病，医院等级，药品目录，诊疗方式等），这些信息都会影响到医疗费用的支出，传统的线性回归很难分析这些信息，这时广义线性模型是我觉得比较好用的分析方法。
9，坛友my-liroger：王教授，请问时间序列分析主要是应用在什么方面呢？ 或者说分析什么材料时候可以用时间序列分析模型？想了解。谢谢！
A:时间序列分析主要应用在你随着时间的顺序收集到的数据，研究该现象的发生发展规律，进而预测该现象的走势。它的应用范围很广，理论上只要有时间序列的场合，都可以进行时间序列分析。比如收集每天的气温，可以做天气预报；收集每天的股价，可以研究股票市场是否是有效市场，有没有规律可循？收集不同时期的序列值和相关政策的发布，可以研究政策是否起了作用，政策起作用的滞后期有多大，持续期有多长。比如计划生育政策对中国人口的影响分析，比如房地产价格和房价调控政策之间的关系研究，诸如此类的分析都属于时间序列分析的范畴。
10，坛友justice1989：好羡慕人大的学生啊，王老师的书天天都在看，特别想去听，学费伤不起啊。
我有个问题就是，用人单位对精算师的需求有多少？精算师的门槛除了资格证还有什么？考下精算师太费时间了。这些努力不知道有没有回报。
A:精算师的需求量跟保险公司的数量直接相关。随着市场上保险公司数量的不断增加，目前精算师的需求量也在增加（呵呵，至少还没有萎缩）。目前国内，精算师最认的还是资格证书。
11，坛友mxn6673251：尊敬的王老师：
您好，我是一名统计学本科生，保送金融专硕，现在正在考CAA，不知此说法是否确切---目前国内保险行业可以说是几个金融行业里比较鸡肋的一面，起码目前状况不是很好，尤其是寿险。
所以，自己对于考精算这一选择有些犹豫，想知道，如果准精算拿下，对研究生毕业就业从事金融行业有多少促进和筹码，如果不从事保险，从事证券或基金，准精算资格还会有意义吗？
A:1、 呵呵，下面是个人观点。我不觉得保险是鸡肋的这种说法对。如果用历史性的眼光，全球性的眼光看待这个问题，只能说目前中国的银行业太强大，保险行业还没有充分发展起来。过去几十年来，在经济发达国家，保险业管理的资金占到GDP的20-40%，历年来世界五百强企业中一直有50家左右的保险公司。而中国保险无论是管理的资金量还是企业规模都差很远。这与中国的经济发展水平是不匹配的。我个人认为，保险业还有很大的发展空间。不能用现有的情况看死它的未来成长。
2、关于个人的职业打算，我觉得应该听从自己的兴趣。精算行业很辛苦，有兴趣才能长久坚持下来，否则，你的付出和得到不匹配，就真是鸡肋了。而它的职业发展应该还是很广阔的，毕竟风险管理方法是金融行业共通的。我们每年的毕业生，只有部分进了保险公司，很多人进了证券公司、基金公司、银行等其他金融机构。
12，坛友dao_54188：请问王老师：
时间序列分析在保险精算领域有哪些具体的应用？可以给一些例子吗？
谢谢！
A:只要是保险领域有时间序列数据，就可以用上时间序列分析方法。比如预测公司保费的增长趋势；退保率的发展变化规律；对保险公司的投资收益率进行分析，预测未来中短期的收益率；对未来死亡率的发展趋势进行预测等等。
13，坛友vivijoe：王老师：
你好！我想问一下：
1：HP滤波法能用于除gdp之外的其他数据吗？ 是适用于总量数据，还是相对增长率的数据呢？
我想问问比如税收弹性能用HP滤波分析吗？
2：HP滤波分析法对数据处理主要作用是什么？
3：HP滤波分析能用其他代替吗？比如单位根检验，有什么区别吗？各自有什么优点呢？
4：HP滤波分析 λ 国内取值多少合适啊？
A:1、我对HP滤波法研究不深入。我了解的HP滤波法主要适用于有季节、有趋势、有长期循环因素作用的时间序列分析。由于GDP数据通常具有这些特征，所以HP滤波方法被很多人用于GDP数据的分析。其实很多其他序列（比如谷物价格序列）也具有既有季节性，又有趋势和长期波动的特征，也都能用HP滤波方法进行分析。
2\HP滤波是适用于GDP总量数据还是增长率数据，你需要看总量数据和增长率数据的特征，通常总量数据容易呈现出季节性、趋势性和3-5年的周期性，所以比较适合用HP滤波，而增长率数据，由于进行了函数变换，你需要查看序列时序图，考察这些属性是否存在。如果有可以用，没有就不需要用了。
税收弹性是否可以用HP滤波，还是相同的判别原则，你的序列是否存在季节、趋势和长期周期因素的综合影响特征。如果不用HP滤波方法，可以考虑用ARIMA模型的季节模型（加法或乘法模型），或确定性因素分解法。不同的方法各有利弊。
HP滤波分析 λ 国内取值多少，我不知道。不同的分析领域，不同的数据，λ应该不一样。它需要根据损失函数最小化确定吧。
14，坛友xuejing0326：王教授：
您好，我想请教几个问题？
关于统计的学习方法，我是跨专业的学生，之前完全没有统计或者金融方面的知识基础。
我现在学习统计的方法，就是找一方面的文献仔细钻研，然后自己写一篇类似的文章，在这个过程中学习各种金融理论和统计方法，但是我学习到的仅仅限于几篇文献的方法，对于其他可以解决这个问题的方法就没有学习到，而且对于统计软件的使用，也仅仅只是限于做文章需要用的几个指令，对于其他方面了解的相当少，希望老师能给我们这些初学者，提供一些建议，非常感谢！！
A:你的问题对于我而言太大了，其实我很佩服你的学习能力和钻研精神。如果可以，建议你查看一下人大统计学院统计专业本科生的培养方案，根据培养方案的必修课设置，将那些专业必修课系统地学习一下，估计能让你基础扎实一些。统计软件可以选择一个学习，好学的是SPSS，比较专业的是R和SAS，选择其一即可。统计软件的学习很简单，就像你说的，输入几个指令就可以，关键是你要了解，这几个指令背后，它的工作所包含的统计原理，以及输出结果的正确解读。
15，坛友h666：王教授您好！在我做的城乡收入差距模型中，回归结果跟GDP增长正相关，可是跟人均GDP却负相关。不仅仅是这个模型是这样，很多这类模型都是这样的，如城乡之间的耐用品差距模型、恩格尔系数差距模型等。如果去掉GDP或者人均GDP的某一项，回归结果要差很多，甚至无法通过统计检验。有的人说要做协整等来避免伪回归。有的人甚至认为涉及到GDP，就非做协整不可。可是，又有人说做协整这些东西并不可靠……我想请教一下：这个模型能通过吗？能通过的话，它的经济学意义如何解释？如果不能通过，又无法找到回归结果跟GDP和人均GDP增长都是正相关的模型，应该怎么办？要是能找到如意的模型，协整是不是非做不可？
王教授您好！我还想问您一个问题：如果x1和y做回归，效果很差，又是异方差又是序列相关等。但加入其它项如x2、x3、x4等后，效果很好了，异方差等都消除了。这样的方程可用吗？
A:1、在时间序列中做多元分析（你说的回归分析），是需要先做协整分析的，否则回归结果的检验没有意义（参数的显著性是假的），所以协整是非做不可的。同时，你还需要做格兰杰因果检验，看看你导入的这些变量彼此之间是否有因果影响关系，谁影响谁。还有多个自变量场合容易出现共线性的情况，你需要逐步回归。
2、一个回归模型能够通过检验，说明自变量对应变量具有显著的影响，我们可以根据自变量的变化情况预测应变量可能的变化。
3、你提到的问题“如果x1和y做回归，效果很差，又是异方差又是序列相关等。但加入其它项如x2、x3、x4等后，效果很好了，异方差等都消除了。这样的方程可用吗？”这样的方程当然可用。之前的序列不协整，说明信息量少了，增加了合适的信息量，序列的因果影响明确了，模型就显著成立了。但是需要提醒你，不要为了构建模型而导入x2、x3、x4等其他变量，导入的变量必须是你能从理论上或者逻辑关系上确定x2、x3、x4对y确实有影响。也就是说建模首先要保证你的自变量和因变量之间确实是有逻辑上的因果关系的。如果没有这一点，统计上再显著的模型也没有任何使用价值，甚至会对使用者产生严重的误导。
16，坛友shiruyi1988：您好，我想问一下在数学建模中分析时间序列，分解预测法，指数平滑法，arima模型法，一般使用哪一种？另外时间序列分析怎么选取分析参数？谢谢。
A:选择何种具体的方法分析序列取决于你的数据特征和分析目的。如果是既有周期，又有趋势的序列，你的分析目的是剥离趋势了解周期性影响的强弱，或者是剥离周期了解趋势的强弱，此时使用分解预测方法比较好。指数平滑法适用于比较平稳的序列做短期预测，双指数平滑，则适合有趋势的序列做短期预测，ARIMA模型，适用面更广一些，只要能够差分平稳的方差齐性的序列的分析预测都能用ARIMA模型。
17，
建议老师直接从garch讲起，感觉时间序列分析这块课堂上讲得太少了，而研究中需要用的往往是后面没讲到的内容及其衍生物。。。
A:我们研究生的课程是从GARCH开始的。但是这次课程的设置，需要看大多数学员的情况和要求。GARCH及其衍生模型肯定是要讲的。
18，王老师您好：请问诸如ARIMA模型，在时间序列的预测上确实很好，但是这些模型最后计算的公式很不直观，可以转换成稍微直观点的结果吗？（看了王老师您的《应用时间序列分析》一书受益良多，今天很荣幸能在线请教！）
A:采用转换函数的方式，将ARIMA模型写成AR模型结构（有可能是无穷阶的）可能会比较直观，直接变成过去若干期对当期的影响模型。
王燕老师暑期时间序列分析与建模现场班：http://time.pinggu.org/