Rob Hyndman教授在作报告

　　Hyndman教授指出时间序列数据通常可以在层次结构或分组结构中自然地分解。例如，一家制造公司可以根据销售国家、零售渠道、产品类型、包装尺寸等对其产品的总需求进行分类。因此，可以有数百万个单独的时间序列在最分散的层级进行预测，并在更高的聚合层级上进行预测，即层次预测模型。

　　在层次预测模型中一个常见的约束是，分解的预测需要添加到聚合数据的预测中。这就是所谓的“一致性”。当把不连贯的预测变成连贯的预测时，称之为“Forecast Reconciliation”。Hyndman教授向大家展示了包含拟合一个线性回归模型的最优调解方法。在这个模型中，设计矩阵在分解层次的每一级上都有一个列。但是随着时间序列数量的增加，将无法用标准回归算法来估计。Hyndman教授及合作者一起编写了R软件包hts来解决这个问题。随后，他为大家展示了通过该软件包计算得到的相关预测结果。

　　报告结束后，Hyndman教授与师生进行了积极的互动，回答了大家提出的多个学术问题，并向大家分享了《International Journal of Forecasting》期刊的投稿经验。

背景链接：

　　Rob J Hyndman是莫纳什大学的计量经济学和商业统计部门的统计教授，他也是《International Journal of Forecasting》杂志的主编，同时也是International Institute of Forecasters的主任。Rob著有超过150篇研究论文和5本统计学著作。2007年，因为他对统计研究做出的贡献，尤其是在统计学预测领域，他获得了澳大利亚科学院的莫兰奖。30多年来，他一直保持着积极的咨询业务，协助世界各地的数百家公司和组织。他在学术研究、教学、咨询等方面都获得了很好的成就。