Análisis de Series Temporales en Python

IntermedioNivel de habilidad

Actualizado 8/2024

En este curso de cuatro horas, aprenderás los fundamentos del análisis de datos de series temporales en Python.

Descripción del curso

Aprende a utilizar Python para el Análisis de Series Temporales

Desde los precios de las acciones hasta los datos climáticos, puedes encontrar datos de series temporales en una gran variedad de ámbitos. Tener las habilidades para trabajar con esos datos de forma eficaz es una habilidad cada vez más importante para los científicos de datos. Este curso te introducirá en el análisis de series temporales en Python.

Tras aprender qué es una serie temporal, explorarás varios modelos de series temporales, desde modelos autorregresivos y de medias móviles hasta modelos de cointegración. Por el camino, aprenderás a estimar, predecir y simular estos modelos utilizando bibliotecas estadísticas en Python.

Verás numerosos ejemplos de cómo se utilizan estos modelos, con especial énfasis en las aplicaciones en finanzas.

Descubre cómo utilizar los métodos de series temporales

Empezarás cubriendo los fundamentos de los datos de series temporales, así como la regresión lineal simple. Tratarás los conceptos de correlación y autocorrelación y cómo se aplican a los datos de series temporales, antes de explorar algunos modelos sencillos de series temporales, como el ruido blanco y el paseo aleatorio. A continuación, explorarás cómo se utilizan los modelos autorregresivos (AR) en los datos de series temporales para predecir los valores actuales y cómo los modelos de medias móviles pueden combinarse con los modelos AR para producir potentes modelos ARMA.

Por último, verás cómo utilizar modelos de cointegración para modelizar dos series conjuntamente antes de estudiar un caso práctico real.

Explora los modelos y bibliotecas de Python para el análisis de series temporales Al final de este curso, comprenderás cómo funciona el análisis de series temporales en Python. Conocerás algunos de los modelos, métodos y bibliotecas que pueden ayudarte en el proceso y sabrás elegir los adecuados para tu propio análisis.

Este curso forma parte de un programa más amplio de Series Temporales con Python, que ofrece un conjunto de cinco cursos para ayudarte a dominar esta habilidad de la ciencia de datos.

Requisitos previos

Manipulating Time Series Data in Python

Correlación y Autocorrelación

En este capítulo se te presentarán las ideas de correlación y autocorrelación de las series temporales. La correlación describe la relación entre dos series temporales y la autocorrelación describe la relación de una serie temporal con sus valores pasados.

Descripción del curso

Aprende a utilizar Python para el Análisis de Series Temporales

Descubre cómo utilizar los métodos de series temporales

Obtener certificado de logros

¡Únete a .css-nklxlk{color:var(--wf-brand--main, #03EF62);}19 millones de estudiantes y empieza Análisis de Series Temporales en Python hoy mismo!

Crea tu cuenta gratuita

Desarrolla tus habilidades de datos con la aplicación móvil de DataCamp

¡Únete a 19 millones de estudiantes y empieza Análisis de Series Temporales en Python hoy mismo!