After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Багато явищ у нашому повсякденному житті, зокрема рух цін акцій, вимірюються з інтервалами в часі. Методи аналізу часових рядів надзвичайно корисні для дослідження таких особливих типів даних. У цьому курсі ви познайомитеся з основними поняттями та техніками аналізу часових рядів.
Попередні вимоги
Навчальний план
Зміст курсу
1
Розвідувальний аналіз даних часових рядів
У цьому розділі ви дізнаєтеся, як упорядковувати та візуалізувати дані часових рядів в R. Ви вивчите кілька спрощувальних припущень, які широко застосовують в аналізі часових рядів, а також типові характеристики фінансових часових рядів.
- Ласкаво просимо до курсу!50 XP
- Ознайомлення з «сирими» часовими рядами100 XP
- Базові графіки часових рядів100 XP
- Що повідомляє часовий індекс?100 XP
- Частота вибірки50 XP
- Визначення частоти вибірки100 XP
- Коли частота відбору спостережень є точною?50 XP
- Відсутні значення100 XP
- Базові об'єкти часових рядів50 XP
- Створення об'єкта часового ряду за допомогою ts()100 XP
- Перевірка, чи є обʼєкт часовим рядом100 XP
- Побудова графіка об'єкта часових рядів100 XP
2
Прогнозування майбутнього
У цьому розділі ви потренуєтеся знаходити тренди та вивчите модель білого шуму (WN), модель випадкового блукання (RW) і визначення стаціонарних процесів.
3
Аналіз кореляції та функція автокореляції
У цьому розділі ви пригадаєте коефіцієнт кореляції, використаєте його для порівняння двох часових рядів, а також застосуєте його для порівняння часового ряду з його минулими значеннями як автокореляцію. Ви ознайомитеся з функцією автокореляції (ACF) і попрактикуєтеся в оцінюванні та візуалізації автокореляцій для даних часових рядів.
4
Авторегресія
У цьому розділі ви вивчите авторегресійну (AR) модель і кілька її базових властивостей. Ви також попрактикуєтеся в моделюванні та оцінюванні AR-моделі в R і порівняєте AR-модель із моделлю випадкового блукання (RW).
5
Просте ковзне середнє
У цьому розділі ви вивчите модель простого ковзного середнього (MA) і кілька її базових властивостей. Ви також попрактикуєтеся в моделюванні та оцінюванні MA-моделі в R і порівняєте MA-модель з авторегресійною (AR) моделлю.
R
Аналіз часових рядів в R
Курс
завершено
