Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Viele Phänomene in unserem Alltag, wie zum Beispiel die Entwicklung von Aktienkursen, werden in Intervallen über einen Zeitraum gemessen. Methoden der Zeitreihenanalyse sind äußerst hilfreich, um diese speziellen Datentypen zu untersuchen. In diesem Kurs lernst du zentrale Konzepte und Techniken der Zeitreihenanalyse kennen.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Explorative Analyse von Zeitreihendaten
In diesem Kapitel erfährst du, wie du Zeitreihendaten in R strukturierst und visualisierst. Du lernst mehrere vereinfachende Annahmen kennen, die in der Zeitreihenanalyse weit verbreitet sind, sowie typische Merkmale finanzieller Zeitreihen.
- Willkommen zum Kurs!50 XP
- Roh-Zeitreihen erkunden100 XP
- Einfache Zeitreihendiagramme100 XP
- Was sagt uns der Zeitindex?100 XP
- Abtastfrequenz50 XP
- Ermitteln der Stichprobenfrequenz100 XP
- Wann ist die Stichprobenfrequenz exakt?50 XP
- Fehlende Werte100 XP
- Grundlegende Zeitreihenobjekte50 XP
- Ein Zeitreihenobjekt mit ts() erstellen100 XP
- Prüfen, ob ein Objekt eine Zeitreihe ist100 XP
- Eine Zeitreihe plotten100 XP
2
Vorhersagen treffen
In diesem Kapitel spürst du Trends auf und lernst das White-Noise-(WN)-Modell, das Random-Walk-(RW)-Modell und die Definition stationärer Prozesse kennen.
3
Korrelationsanalyse und Autokorrelationsfunktion
In diesem Kapitel wiederholst du den Korrelationskoeffizienten, nutzt ihn zum Vergleich zweier Zeitreihen und wendest ihn auch als Autokorrelation an, um eine Zeitreihe mit ihrer Vergangenheit zu vergleichen. Du lernst die Autokorrelationsfunktion (ACF) kennen und übst, Autokorrelationen für Zeitreihendaten zu schätzen und zu visualisieren.
4
Autoregression
In diesem Kapitel lernst du das autoregressive (AR-)Modell und einige seiner grundlegenden Eigenschaften kennen. Außerdem übst du, das AR-Modell in R zu simulieren und zu schätzen und vergleichst das AR-Modell mit dem Random-Walk-(RW-)Modell.
5
Ein einfaches gleitendes Mittel
In diesem Kapitel lernst du das einfache Moving-Average-(MA-)Modell und einige seiner grundlegenden Eigenschaften kennen. Außerdem übst du, das MA-Modell in R zu simulieren und zu schätzen und vergleichst das MA-Modell mit dem autoregressiven (AR-)Modell.
R
Zeitreihenanalyse in R
Kurs
abgeschlossen
