王明进1997年毕业于北京大学数学科学学院，获得理学博士学位，同年来到北京大学光华管理学院任教。现为北京大学光华管理学院商务统计与经济计量系教授、博士生导师，北京大学光华管理学院金融风险管理中心主任，中国现场统计学会理事，中国统计教育学会理事，北京市统计学会理事，《数理统计与管理》杂志副主编等。2000年2月至8月在美国西北大学Kellogg商学院做访问学者。2003年6月至2005年8月在英国伦敦经济与政治学院（LSE）从事博士后研究工作。2002年6月至2008年6月期间曾先后担任光华管理学院商务统计与经济计量系副主任、系主任。



研究兴趣主要在金融市场的计量经济学研究（特别是对金融市场的各种波动率模型的研究）、非线性时间序列模型、教育收益及风险的计量方法、我国房地产市场及住房金融制度研究等。在英国皇家统计学会杂志等国内外权威统计学与经济计量学学术杂志发表论文数十篇。先后获得过两项国家自然科学基金课题资助。

自2000年以来为北京大学光华管理学院EMBA开设“管理决策统计分析”课程；除此之外主要讲授过的课程包括：本科生“市场分析与预测”；研究生“时间序列分析”、“金融时间序列分析”、“数据分析方法”、“复杂系统的非线性方法”等；MBA“商务统计分析”；还曾为高级经理短期培训项目（EDP）开设“市场分析与预测”、“管理决策统计分析”等短期课程。2008年获得北京大学工商银行奖教金。
问答汇总：
1，
坛友zhaoxu1986625：王教授你好：
请问两个问题：
个：在用EVIEWS软件检验数据平稳性的时候，检验形式里面的滞后阶数是用自动的还是自己设置，在有些论文上我发现是作者自己设置为2阶或其他阶。
第二：在用VAR模型进行建模的时候，根据SIC或AIC选择的滞后阶数并不一致，应该根据这两个中的哪一个进行选择。
A:我基本不用EVIEWS软件。我建议在判断单位根用ADF方法时尝试先用AIC等选一下阶，至少有个依据，或者尝试几个不同的阶，对比一下结果。用不同标准（比如SIC和AIC）选择出来的模型通常会有区别，比如AIC可能会选取更多的阶。


2，
坛友shi01fg：王教授：
    您好，我叫史峰，是一名从事金融程序交易的程序员，有幸拜读您的论文和著作，使我受益匪浅，现有一个问题，希望与您探讨。
    目前我所从事的开发中，趋势交易的开发是我的一个研究重点，在研究的过程中我发现，其实趋势交易系统对于单边的涨、跌行情是有效的，这也符合金融交易中“顺势而为”的交易规律。但是趋势交易对于震荡行情，它的效果往往差强人意。因此在趋势交易系统的开发中，如何识别震荡行情下，并且在震荡行情下尽量避免交易的发生，是一个难题。GARCH ,EGARCH 等是一种非常好的基于波动率的建模方法，我的直观感觉是通过估计广义异方差来判断当前行情的变化趋势、快慢等，从而对行情的状态（趋势、震荡）等得到指导信息。但是在实际仿真中发现，对于一些变化比较剧烈的品种呢 ，比如外汇、期货（纽约金）等，这些品种的波动率较大，无论行情如何发展变化，采用基本GARCH模型得到的广义异方差结果均相似，也就是基本GARCH模型无法通过异方差来刻画行情的特点。
      王教授，向您请教两点问题：
     1 GARCH模型从诞生到现在发展了将近20年，您觉得哪类GARCH 模型适用于波动率较大的品种，并且可以通过异方差估计结果来描述市场行情的发展变化。
    2 波动率建模能否适用于行情分类 ，比如，通过波动率 建模的方法，区分趋势行情和震荡 行情。
A:感谢史先生提的问题。1）在GARCH类的模型当中，EGARCH模型因为模型形式的设置更倾向于给出高估的波动率，因此可能更适合你所说的波动率较大的品种；此外，对于期货等品种的数据，可能也因交割日期、卖空机制等因素存在着波动率的一些周期性成分、模型的结构变化、以及可能的跳跃等成分，因此可以视具体情况分析。2）波动率建模能否区分行情的逻辑基础在于不同行情的波动率动态规律是否有区别。可以对此做一些实证的分析。比如趋势行情和震荡行情下波动率的记忆特征有什么区别，GARCH模型的系数有什么变化。我认为，基于波动率模型的系数对于行情分类甚至资产定价都是存在可能性的。


3，
坛友dahai229：王教授，您好，我想问几个问题，一是问为什么GARCH模型估计日数据会出现负数的R方，对于这样的情形该怎么处理？二是我自己觉得时间序列的非线性就是一种非平稳性，而一般处理非线性基本不考虑非平稳的，这两者之间的关系怎样，在处理数据时具体可有什么检验方法？三是，用蒙特卡洛模拟时，非线性的东西可以有哪些方法加以处理，使得模拟的过程更符合现实的非线性？
A:首先，GARCH模型估计的是波动率，即条件方差，而不是条件期望，因此并不适合用类似回归模型的拟合优度的统计量R方来度量其拟合程度，可以采用基于似然函数的度量来刻画其模型的拟合程度。其次，非线性是指时间序列前后观测之间关联的非线性，线性的关联就是大家熟知的相关，GARCH类模型就是一种非线性模型，但是它可以是严平稳的。非平稳是指统计特征的稳定性，比如单位根过程就是一种非平稳模型，但是它是线性模型。判断非平稳的最常用的方法是单位根的检验，它也是基于线性模型的。专门基于非线性模型的平稳性检验很少。第三，既然是蒙特卡罗模拟，那么应该是先设定模型，非线性问题的复杂性在于非线性的种类可以很多，但是我们也没有必要了解并表达所有的非线性性，我个人认为，模型的意义始终在于在对复杂的现象进行描述和追求形式的简洁之间的一种平衡。


4，
坛友xbz：王教授能否详细谈下有关序列蒙特卡洛方法的国内外发展现状和在金融、计量经济上的应用
A:详细谈谈不上。随着计算技术的发展，蒙特卡罗方法越来越成为一种极其有效的统计方法，也使得人们越来越不纯粹地依赖于数学的推导而完成统计推断的任务。至少两个发展极大推动了这个方法，其一是自抽样技术比如Bootstrap等，其二是MCMC。这两种技术在金融和计量里面都得以广泛的应用。此外在金融里面，设计越来越复杂的衍生产品的定价通常很难给出显式的表达，蒙特卡罗方法往往是最行之有效的。


5，
坛友jerryren：王教授好：
很高兴能和你交流，我恰好也是对时间序列情有独钟。学术上我没有什么问题，主要是由于所识尚浅，我有两个简单问题：
1. 您在研究时间序列问题时，包括模型估计、模拟等，所用的软件或程序是什么？
2. 注意到您在lse做过博后，您刚到那里时的感受和对生活的适应程度是怎么样的？
3. 中国学者在统计上做的不错，您觉得和国际高水平的差距在哪里？
谢谢您的回答，如果时间紧迫，请尽量回到前两个问题，实在好奇。
A:1）我教学时最常用的是SAS，研究最常用的是MATLAB;
2）哈哈，谢谢你问起。LSE的研究氛围非常浓厚，也是欧洲乃至世界著名学者汇集或愿意经常访问的地方，尽管在我看来办公条件不如国内好，但是大家的心思好像都很单纯，大多很专心致志。伦敦的生活贵了一些。我现在常常回想起格林尼治公园，因为我当时就住在公园附近。

6，
坛友iloveyou21：王教授您好，我想咨询下非线性时间序列建模初始值确定这一问题，一直没找到具体介绍。针对马尔可夫区制转移模型，您能否具体说明一下，如何确定初始值，很多人都说靠经验，但即使是经验，也要有大致方向，望请指导，谢谢！
A:你问了一个很实际的问题，在自己编程时才会遇到这个问题。原则来讲这不是统计学的问题，而属于优化的问题，我也为此问过一些做优化算法的专家，他们也没有给出很好的建议，所以我自己还是靠多选一些初值，然后看迭代之后似然函数的值来选择一个。


7，

坛友phill：王教授：您好！ 请问对于中国市场的金融资产组合的波动率估计，采用何种形式的时间序列计量模型比较合适？ 对于个股的波动率，采用非线性模型或横截面模型，有什么优劣？ A:

对于资产组合的波动率，如果组合系数是固定的话，可以将其当作一个单一资产来处理；如果组合是变化的，不妨对组合中的资产建立多元波动率模型； 对于个股的波动率可以只用一元模型就够了，采用多元模型的附加信息不是很大。


8，
坛友牧笛公子：王老师您好 有人说ARIMA，GARCH模型等不能用来研究分析中国的股市 还不是很明白 请王老师具体讲下原因 还有对于中国的金融数据 在金融时间序列分析中 应该怎样研究才好 谢谢
A:我并不认为ARIMA、GARCH类等模型不实用于中国市场。在我个人的一些研究、教学中都是用中国数据。不过中国的数据因为交易机制、参与者心理等因素特殊会呈现出一些特点，但是这正好为研究这类问题提供了很好的出发点。


9，
坛友dqhdqhdqh：王教授您好：
      请教您一个非线性时间序列在股市分析上的运用问题。分形市场假说认为资本市场的价格遵循分形布朗运动,表现出混沌性质。这些性质用传统的线性时间序列方法难以检测,只有用非线性时间序列分析的方法才能够揭示出来。而现有的对资本市场混沌与分形的实证研究在所使用的方法和研究的对象上都有着不同程度的片面性,请问从哪些角度出发才能得到更全面的研究？A:我原来的兴趣也曾在这些方面。但是后来我逐渐意识到，混沌分形仅提供了解释复杂现象的一种备选（alternative）路径而已。而且，很难想象股市的问题是一个封闭的确定性的系统。我想回头来看混沌及分形的方法可能更多的提供了一些比较新的统计量，比如BDS统计量，最终我还是愿意回到统计的逻辑上来。


10，
坛友peterf：王老师：
您好！
因为您对波动率模型的研究非常深入，我们经常引用您这方面的成果。能否介绍一下多元随机波动模型的进展，未来发展方向，以及困难所在。谢谢！
A:感谢您对我的研究的关注。多元随机波动率模型的主要问题是估计方法的困难，因为显式的似然函数是无法得到的。于是各种基于模拟的方法（比如MCMC）等被采用。还有一个困难就是高维的问题，如何降维是关键。这些研究最近几年来进展都不大。大家的精力更多地转向了高频数据的问题。能够基于高频数据来得到多元资产的波动率可能会是未来该领域研究的一个方向。


11，
王教授您好
      我是统计学的初学者 您能给我推荐一个好用的统计软件吗 因为现在的统计软件太多了 不知道该用哪个 谢谢
A:对于刚开始接触统计的，Minitab是一个很不错的选择。而且比较适合企业管理决策。如果是统计专业的，建议从R开始。


12，
王教授好！我是一个初学者，不知道如何下手做这方面的研究，能否指点。
A:我建议你先读一些金融实证性研究的论文，先了解一下大家做研究的主要思路和工具。至于金融时间序列方面的书也很多，比如Tsay R.S.的Analysis of Financial Time Series. 一本很不错的入门书。