After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
Många fenomen i vår vardag, som rörelser i aktiekurser, mäts vid intervaller över en tidsperiod. Metoder för tidsserieanalys är mycket användbara för att analysera dessa speciella datatyper. I den här kursen får du en introduktion till grundläggande begrepp och tekniker inom tidsserieanalys.
Förkunskapskrav
Kursplan
Kursöversikt
1
Utforskande analys av tidsseriedata
Det här kapitlet ger dig en inblick i hur du organiserar och visualiserar tidsseriedata i R. Du lär dig flera förenklade antaganden som används flitigt inom tidsserieanalys, samt vanliga egenskaper hos finansiella tidsserier.
- Välkommen till kursen!50 XP
- Utforska rådata för tidsserier100 XP
- Grundläggande tidsseriegrafik100 XP
- Vad berättar tidsindexet för oss?100 XP
- Samplingsfrekvens50 XP
- Identifiera samplingsfrekvensen100 XP
- När är samplingsfrekvensen exakt?50 XP
- Saknade värden100 XP
- Grundläggande tidsserieobjekt50 XP
- Skapa ett tidsseriobjekt med ts()100 XP
- Testa om ett objekt är en tidsserie100 XP
- Plotta ett tidsserieobjekt100 XP
2
Att förutsäga framtiden
I det här kapitlet identifierar du trender och lär dig om vitbrusmodellen (WN), slumpvandringen (RW) och definitionen av stationära processer.
3
Korrelationsanalys och autokorrelationsfunktionen
I det här kapitlet går du igenom korrelationskoefficienten, använder den för att jämföra två tidsserier och tillämpar den även för att jämföra en tidsserie med dess egna historiska värden – det vill säga autokorrelation. Du bekanta dig med autokorrelationsfunktionen (ACF) och övar på att skatta och visualisera autokorrelationer för tidsseriedata.
4
Autoregressionsmodellen
I det här kapitlet lär du dig den autoregressiva (AR) modellen och några av dess grundläggande egenskaper. Du övar även på att simulera och skatta AR-modellen i R, samt jämför den med slumpvandringsmodellen (RW).
5
Det enkla glidande medelvärdet
I det här kapitlet lär du dig modellen för enkelt glidande medelvärde (MA) och några av dess grundläggande egenskaper. Du övar även på att simulera och skatta MA-modellen i R, samt jämför den med den autoregressiva (AR) modellen.
R
Tidsserieanalys i R
Kurs
slutförd
