${message}

Этот курс дает полное представление о моделировании временных рядов с использованием MATLAB и Econometrics Toolbox. Курс предназначен для экономистов, аналитиков и финансовых специалистов с опытом работы в MATLAB, разрабатывающих модели временных рядов. Курс основан на стандартной процедуре Бокса-Дженкинса для разработки моделей временных рядов.

Основные темы курса:

  • Предобработка временных рядов;
  • Определение долгосрочных и сезонных трендов в данных временных рядов;
  • Гипотезы тесты 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:

MATLAB для финансовых приложений (MLFA), или эквивалент опыт использования MATLAB. Некоторый опыт работы по моделированию временных рядов.


Продолжительность курса - 1 день.

Код тренинга

MLTS

Программа курса

Модуль 1. Введение.

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

Модуль 2. 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.

Модуль 3. 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.

Модуль 4. 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.

Модуль 5. 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.
Поделиться

Задать вопрос

*
Настоящим в соответствии с Федеральным законом № 152-ФЗ «О персональных данных» от 27.07.2006, отправляя данную форму, вы подтверждаете свое согласие на обработку персональных данных . Мы, ООО ЦИТМ "Экспонента" и аффилированные к нему лица, гарантируем конфиденциальность получаемой нами информации. Обработка персональных данных осуществляется в целях эффективного исполнения заказов, договоров и пр. в соответствии с «Политикой конфиденциальности персональных данных». * - обязательные поля