Build your ultimate AI agent
コース説明
株価の動きのように、日常の多くの現象は一定の間隔で時間とともに測定されます。時系列分析は、こうした特殊なデータ型を扱ううえで非常に有用です。このコースでは、時系列分析の中核となる概念と手法をいくつか紹介します。
前提条件
カリキュラム
コース概要
1
時系列データの探索的分析
この章では、Rで時系列データを整理し、可視化する方法を学びます。時系列分析で広く用いられるいくつかの単純化の仮定と、金融時系列によく見られる特徴についても学びます。
2
将来を予測する
この章では、トレンドの見つけ方を実践し、white noise（WN）モデル、random walk（RW）モデル、そして定常過程の定義を学びます。
3
相関分析と自己相関関数
この章では、相関係数を復習し、2つの時系列の比較に用いる方法に加えて、自己相関として時系列とその過去を比較する方法を学びます。自己相関関数（ACF）を理解し、時系列データの自己相関を推定・可視化する練習を行います。
4
自己回帰
この章では、自己回帰（AR）モデルとその基本的な性質を学びます。RでARモデルをシミュレーション・推定する練習を行い、random walk（RW）モデルとの比較も行います。
5
単純移動平均
この章では、単純移動平均（MA）モデルとその基本的な性質を学びます。RでMAモデルをシミュレーション・推定する練習を行い、自己回帰（AR）モデルとの比較も行います。
R
Rで学ぶ時系列分析
コース修了
