After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
주가 변동처럼 우리의 일상에서 관측되는 많은 현상은 일정한 간격으로 시간이 지나며 측정됩니다. 시계열 분석 방법은 이러한 특별한 형태의 데이터를 분석하는 데 매우 유용합니다. 이 강의에서는 핵심 시계열 분석 개념과 기법을 소개합니다.
사전 요구 사항
커리큘럼
코스 개요
1
시계열 데이터 탐색적 분석
이 장에서는 R에서 시계열 데이터를 정리하고 시각화하는 방법을 익힙니다. 시계열 분석에서 널리 쓰이는 여러 단순화 가정과, 금융 시계열이 흔히 가지는 특징도 함께 살펴봅니다.
2
미래 예측하기
이 장에서는 추세를 파악해 보고, white noise (WN) 모형과 random walk (RW) 모형, 그리고 정상성(정지성) 과정의 정의를 배웁니다.
3
상관분석과 자기상관함수
이 장에서는 상관계수를 복습하고 이를 사용해 두 시계열을 비교합니다. 또한 한 시계열을 그 과거와 비교하는 자기상관도 다룹니다. 자기상관함수(ACF)를 익히고, 시계열 데이터의 자기상관을 추정하고 시각화하는 연습을 합니다.
4
자기회귀
이 장에서는 자기회귀(AR) 모형과 그 기본 성질 몇 가지를 학습합니다. R에서 AR 모형을 모의실험하고 추정하는 법을 실습하고, AR 모형을 random walk (RW) 모형과 비교합니다.
5
단순 이동평균
이 장에서는 단순 이동평균(MA) 모형과 그 기본 성질 몇 가지를 학습합니다. R에서 MA 모형을 모의실험하고 추정하는 법을 실습하고, MA 모형을 자기회귀(AR) 모형과 비교합니다.
R
R로 배우는 시계열 분석
코스
완료
