Исследование данных с помощью сгруппированных средних и отклонений от средних
Исследование данных с помощью сгруппированных средних и отклонений от средних

Что входит в курс:

  • Предобработка временных рядов;
  • Определение долгосрочных и сезонных трендов в данных временных рядов;
  • Проверка гипотезы на стационарность;
  • Создание и подбор моделей временных рядов;
  • Сравнение различных моделей на одних и тех же данных;
  • Анализ динамики модели на основе метода Монте-Карло;
  • Прогноз данных на основе выбранной модели.

Предварительная подготовка:

Знание курса MLFA (финансовый анализ в MATLAB) или эквивалентный опыт использования MATLAB. Некоторый опыт работы по моделированию временных рядов.

Продолжительность курса - 1 день.

Исследование данных с помощью сгруппированных средних и отклонений от средних Исследование данных с помощью сгруппированных средних и отклонений от средних

Программа

  • Введение.
  • Предобработка временных рядов.
  • Выбор и подбор модели.
  • Оценка пригодности модели.
  • Предсказание и симуляция.

Введение

  • Краткий обзор MathWorks и MATLAB;
  • Обсуждение материалов курса, рабочей среды и логистики;
  • Обозначение основных тем курса.

Предобработка временных рядов

Подготовка данных временных рядов для подбора модели путем выявления трендов и применение преобразования данных.

  • Удаление экспоненциальных трендов;
  • Определение полиномиальных и сезонных трендов;
  • Тестирование на стационарность;
  • Критерий единичных корней.

Выбор и подбор модели

Использование средств диагностики для выбора групп подходящих моделей-кандидатов для данного временного ряда. Определение, создание и подбор модели-кандидата.

  • Расчет автокорреляции и частичной автокорреляции;
  • Выбор модели используя формальные тесты;
  • Выбор возможных модели для данного набора данных;
  • Создание и подбор модели временных рядов.

Оценка пригодности модели

Расчет и оценка диагностики модели для обеспечения корректности, пригодности и надежности модели.

  • Расчет ошибок модели;
  • Тестирование ошибок на нормальность;
  • Анализ диагностики модели и проверка по критерию согласия;
  • Оценка значимости отдельных членов модели;
  • Сравнение моделей.

Предсказание и симуляция

Построение предсказательных моделей для прогнозирования будущих данных. Имитация выборочных траекторий и статистики на основе метода Монте-Карло.

  • Прогнозных данных с помощью подобранной модели;
  • Использование прогнозной выборки для оценки пригодности модели;
  • Модель Монте-Карло;
  • Бэктестинг.

Услуги

Тренинги

Продукты

${message}

${message}