课后题reaing1第34题，observation1，US CPI consensus forecast是自变量，在给定置信区间时，它是如何影响forecast interval的呢

这个一阶差分后，形成的一组Y是个常数项2，那就是Yn =Yn-1， Y的这组数据，它的系数又等于1了，还是不稳定呀……均值是2也是稳定的呀，到底稳定不稳定啊？神经病一样，举个活生生的好现实案例来讲解这些东西会好

截屏中的第1种情形b0=0，如此推导下去，xn= X1+残差项1+残差项2……+残差项n……是否有残差项的均值等于0这个假设呢？如果残差项总和等于0的话，那么x就是一个常数的分布了，所有的x都等于X1，这不是有均值吗？？均值不就等于X1吗？就是说人的正常体温36度，他这辈子无论哪个时间点都在这个值左右，有这个实际案例辅助。这个不属于均值平稳吗？？奇葩。

老师，折现时是看哪个关键词来确定：不能用(1+r)^t，而是要用e^rt这种？compounded还是continuouslly?

课后题reading1第24题，C选项即使改为9.33%，说是debt ratio解释的部门对吗？debt ratio是自变量，这里应该是可被回归方程解释的部门吧

B0不=0时，递推一下 Xn= x1+N×B0+残差1+残差2+……残差n，这N项残差的和是不是等于0？ 如果像老师说的残差项符合正态分布，它的均值是否为0呢？若均值为0，那xn= N×B0了，这算是趋势模型了吧？？

手写的说残差项是随机的正态分布，时间序列里没有说这种假设呀，这是老师自己编造的吧？？

视频的第13到第14分钟，举例提到股票价格会惯性上涨，此时的残渣项怎么就相关了？？以 Y=B 0+B1 *T为例，今天股票涨了，明天还涨，明天涨的一部分已经在（t+1）×B1里的t+1体现了，残差项呈怎样的相关性呢，正相关还是负相关，怎么就相关了呢？？视频当中也不详细举例说明弄的一窍不通，跟听天书一样……因为所以，关系就扯上了，无比扯淡……希望举例说明，不然到处都是听天书，死活不懂说的是啥。

课后题，reading1第12题，为什么不选B呢，C选项中t for the slope coefficent是指什么

这里的时间为什么是2/12