After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Описание курса
Многие явления в нашей повседневной жизни, например движение цен на акции, измеряются через определённые интервалы на протяжении некоторого периода времени. Методы анализа временных рядов чрезвычайно полезны для работы с такими данными. В этом курсе вы познакомитесь с основными концепциями и техниками анализа временных рядов.
Предварительные требования
Программа
Структура курса
1
Исследовательский анализ данных временных рядов
В этой главе вы узнаете, как организовывать и визуализировать данные временных рядов в R. Вы изучите несколько упрощающих допущений, широко применяемых в анализе временных рядов, а также познакомитесь с типичными характеристиками финансовых временных рядов.
- Добро пожаловать на курс!50 XP
- Изучение необработанных временных рядов100 XP
- Базовые графики временных рядов100 XP
- О чём говорит временной индекс?100 XP
- Частота дискретизации50 XP
- Определение частоты дискретизации100 XP
- Когда частота выборки точна?50 XP
- Пропущенные значения100 XP
- Базовые объекты временных рядов50 XP
- Создание объекта временного ряда с помощью ts()100 XP
- Проверка объекта на принадлежность к временному ряду100 XP
- Визуализация объекта временного ряда100 XP
2
Прогнозирование будущего
В этой главе вы научитесь выявлять тренды, а также изучите модель белого шума (WN), модель случайного блуждания (RW) и определение стационарных процессов.
3
Корреляционный анализ и функция автокорреляции
В этой главе вы повторите коэффициент корреляции, используете его для сравнения двух временных рядов и применяете для сравнения временного ряда с его прошлыми значениями — это и есть автокорреляция. Вы познакомитесь с функцией автокорреляции (ACF) и попрактикуетесь в оценке и визуализации автокорреляций для данных временных рядов.
4
Авторегрессия
В этой главе вы изучите авторегрессионную модель (AR) и ряд её основных свойств. Вы также попрактикуетесь в моделировании и оценке AR-модели в R и сравните её с моделью случайного блуждания (RW).
5
Простое скользящее среднее
В этой главе вы изучите модель простого скользящего среднего (MA) и ряд её основных свойств. Вы также попрактикуетесь в моделировании и оценке MA-модели в R и сравните её с авторегрессионной моделью (AR).
R
Анализ временных рядов в R
Курс
завершён
