ข้ามไปยังเนื้อหาหลัก

หน้าหลัก R

คอร์ส

Time Series Analysis in R

ระดับกลางระดับทักษะ

อัปเดตแล้ว 01/2569

Learn the core techniques necessary to extract meaningful insights from time series data.

เริ่มคอร์สฟรี

RProbability & Statistics

4 ชม.

16 วิดีโอ

58 แบบฝึกหัด

4,600 XP

61,186

ใบรับรองความสำเร็จ

สร้างบัญชีฟรีของคุณ

ดำเนินการต่อด้วย Google แสดงตัวเลือกเพิ่มเติม

หรือ

เมื่อดำเนินการต่อ คุณยอมรับ ข้อกำหนดการใช้งาน ของเรา นโยบายความเป็นส่วนตัว ของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บในสหรัฐอเมริกา

เป็นที่รักของผู้เรียนในบริษัทหลายพันแห่ง

กำลังฝึกอบรมทีม?

ลองใช้สำหรับธุรกิจ

คำอธิบายคอร์ส

Many phenomena in our day-to-day lives, such as the movement of stock prices, are measured in intervals over a period of time. Time series analysis methods are extremely useful for analyzing these special data types. In this course, you will be introduced to some core time series analysis concepts and techniques.

ข้อกำหนดเบื้องต้น

1

Exploratory time series data analysis

This chapter will give you insights on how to organize and visualize time series data in R. You will learn several simplifying assumptions that are widely used in time series analysis, and common characteristics of financial time series.

Welcome to the course!

Exploring raw time series

Basic time series plots

What does the time index tell us?

Sampling frequency

Identifying the sampling frequency

When is the sampling frequency exact?

Missing values

Basic time series objects

Creating a time series object with ts()

Testing whether an object is a time series

Plotting a time series object

เริ่มบท

2

Predicting the future

In this chapter, you will conduct some trend spotting, and learn the white noise (WN) model, the random walk (RW) model, and the definition of stationary processes.

Trend spotting!

Random or not random?

Name that trend

Removing trends in variability via the logarithmic transformation

Removing trends in level by differencing

Removing seasonal trends with seasonal differencing

The white noise (WN) model

Simulate the white noise model

Estimate the white noise model

The random walk (RW) model

Simulate the random walk model

Simulate the random walk model with a drift

Estimate the random walk model

Stationary processes

Stationary or not?

Are the white noise model or the random walk model stationary?

เริ่มบท

3

Correlation analysis and the autocorrelation function

In this chapter, you will review the correlation coefficient, use it to compare two time series, and also apply it to compare a time series with its past, as an autocorrelation. You will discover the autocorrelation function (ACF) and practice estimating and visualizing autocorrelations for time series data.

Scatterplots

Asset prices vs. asset returns

Characteristics of financial time series

Plotting pairs of data

Covariance and correlation

Calculating sample covariances and correlations

Guess the correlation coefficient

Autocorrelation

Calculating autocorrelations

The autocorrelation function

Visualizing the autocorrelation function

เริ่มบท

4

Autoregression

In this chapter, you will learn the autoregressive (AR) model and several of its basic properties. You will also practice simulating and estimating the AR model in R, and compare the AR model with the random walk (RW) model.

The autoregressive model

Simulate the autoregressive model

Estimate the autocorrelation function (ACF) for an autoregression

Persistence and anti-persistence

Compare the random walk (RW) and autoregressive (AR) models

AR model estimation and forecasting

Estimate the autoregressive (AR) model

Simple forecasts from an estimated AR model

เริ่มบท

5

A simple moving average

In this chapter, you will learn the simple moving average (MA) model and several of its basic properties. You will also practice simulating and estimating the MA model in R, and compare the MA model with the autoregressive (AR) model.

The simple moving average model

Simulate the simple moving average model

Estimate the autocorrelation function (ACF) for a moving average

MA model estimation and forecasting

Estimate the simple moving average model

Simple forecasts from an estimated MA model

Compare AR and MA models

AR vs MA models

Name that model by time series plot

Name that model by ACF plot

Congratulations!

เริ่มบท

Time Series Analysis in R

คอร์สเสร็จสมบูรณ์

รับใบรับรองความสำเร็จ

เพิ่มใบรับรองนี้ไปยังโปรไฟล์ LinkedIn เรซูเม่ หรือ CV ของคุณ
แชร์บน social media และในการรีวิวผลการปฏิบัติงานของคุณลงทะเบียนทันที

ร่วมกับผู้เรียนกว่า 19 ล้านคนและเริ่มต้น Time Series Analysis in R วันนี้!

สร้างบัญชีฟรีของคุณ

ดำเนินการต่อด้วย Google แสดงตัวเลือกเพิ่มเติม

หรือ

เมื่อดำเนินการต่อ คุณยอมรับ ข้อกำหนดการใช้งาน ของเรา นโยบายความเป็นส่วนตัว ของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บในสหรัฐอเมริกา

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา