Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
De nombreux phénomènes de notre vie quotidienne, comme l’évolution des cours boursiers, sont mesurés à intervalles réguliers sur une période donnée. Les méthodes d’analyse de séries temporelles sont très utiles pour étudier ces types de données particuliers. Dans ce cours, vous découvrirez des concepts et techniques essentiels pour l’analyse de séries temporelles.
Prérequis
Programme de formation
Plan du cours
1
Analyse exploratoire de séries temporelles
Ce chapitre vous montrera comment organiser et visualiser des séries temporelles dans R. Vous apprendrez plusieurs hypothèses simplificatrices couramment utilisées en analyse de séries temporelles, ainsi que les caractéristiques fréquentes des séries financières.
- Bienvenue dans le cours !50 XP
- Explorer des séries temporelles brutes100 XP
- Graphiques de séries temporelles de base100 XP
- Que nous indique l’indice temporel ?100 XP
- Fréquence d’échantillonnage50 XP
- Identifier la fréquence d’échantillonnage100 XP
- Quand la fréquence d’échantillonnage est-elle exacte ?50 XP
- Valeurs manquantes100 XP
- Objets de séries temporelles de base50 XP
- Créer un objet de série temporelle avec ts()100 XP
- Vérifier si un objet est une série temporelle100 XP
- Tracer un objet de série temporelle100 XP
2
Prédire l’avenir
Dans ce chapitre, vous détecterez des tendances et apprendrez le modèle de bruit blanc (WN), le modèle de marche aléatoire (RW) et la définition des processus stationnaires.
3
Analyse de corrélation et fonction d’autocorrélation
Dans ce chapitre, vous réviserez le coefficient de corrélation, l’utiliserez pour comparer deux séries temporelles, et l’appliquerez aussi pour comparer une série temporelle à son passé, via l’autocorrélation. Vous découvrirez la fonction d’autocorrélation (ACF) et vous entraînerez à estimer et visualiser des autocorrélations pour des séries temporelles.
4
Autorégression
Dans ce chapitre, vous apprendrez le modèle autorégressif (AR) et plusieurs de ses propriétés de base. Vous vous exercerez aussi à simuler et estimer le modèle AR dans R, puis comparerez le modèle AR au modèle de marche aléatoire (RW).
5
Moyenne mobile simple
Dans ce chapitre, vous apprendrez le modèle de moyenne mobile simple (MA) et plusieurs de ses propriétés de base. Vous vous exercerez aussi à simuler et estimer le modèle MA dans R, puis comparerez le modèle MA au modèle autorégressif (AR).
R
Analyse de séries temporelles en R
Cours
terminé
