Моделирование временных рядов 20/21: различия между версиями
Нет описания правки |
Bdemeshev (обсуждение | вклад) Нет описания правки |
||
| Строка 20: | Строка 20: | ||
Гитхаб курса: https://github.com/Pyatachokk/hse_ts_course | Гитхаб курса: https://github.com/Pyatachokk/hse_ts_course | ||
== | == Боевой листок == | ||
=== | ==== Неделя 1 ==== | ||
Лекция: Наивная модель. Оценка параметра. Точечный и интервальный прогноз. Алгоритм DTW. | |||
Семинар: Визуализация рядов, периодичность, тривиальные модели прогнозирования [https://www.youtube.com/watch?v=Qmvgjob--0o&feature=youtu.be&ab_channel=ФКНВШЭ—дистанционныезанятия Запись] | |||
==== Неделя 2 ==== | |||
Лекция: Наилучшее линейное приближение. Обычная и частная корреляция. Стационарность процесса. Очень краткое введение в МНК. | |||
Оценка корреляции. [https://www.youtube.com/watch?v=r-yJXsHrbfo Видео] | |||
=== Домашние задания === | === Домашние задания === | ||
Версия от 20:24, 20 сентября 2020
О курсе
Курс по выбору для студентов для студентов 3 и 4 курса в 1-2 модулях.
Лектор: Демешев Борис Борисович
Лекции проходят на Покровке по четвергам в ауд. M203 (18:10 - 19:30)
Семинарист: Зехов Матвей Сергеевич
Семинары проходят на Покровке по вторникам в ауд. D504 (09:30 - 10:50)
Полезные ссылки
Телеграм-чат курса: https://t.me/joinchat/D7t-fhh536WKWc7kj3Amxw
Anytask курса: https://anytask.org/course/707
Гитхаб курса: https://github.com/Pyatachokk/hse_ts_course
Боевой листок
Неделя 1
Лекция: Наивная модель. Оценка параметра. Точечный и интервальный прогноз. Алгоритм DTW.
Семинар: Визуализация рядов, периодичность, тривиальные модели прогнозирования Запись
Неделя 2
Лекция: Наилучшее линейное приближение. Обычная и частная корреляция. Стационарность процесса. Очень краткое введение в МНК. Оценка корреляции. Видео
Домашние задания
Домашнее задание 1
Классификация и кластеризация временных рядов. Визуализация.
Выдается: Дедлайн:
Домашнее задание 2
Предварительная обработка данных. Тривиальные модели прогнозирования. Модель ETS.
Домашнее задание 3
Модели ARIMA/SARIMA
Домашнее задание 4
Модели с ненаблюдаемыми компонентами. Фильтр Калмана.
Экзамен
Письменный экзамен в аудитории.
Итоговая оценка за курс
Итог = Округление(0.4 * ДЗ + 0.3 * КР + 0.3 * Э), где ДЗ — средняя оценка за домашние задания, КР — оценка за контрольную работу, Э — оценка за экзамен.
Округление арифметическое.
Литература
1) Tsay R. S. Analysis of financial time series. – John wiley & sons, 2005. – Т. 543.
2) Лекции курса по временным рядам от MIT. https://ocw.mit.edu/courses/economics/14-384-time-series-analysis-fall-2013/download-course-materials/
3) Коралов Л.Б., Синай Я.Г. — Теория вероятностей и случайные процессы - Московский центр непрерывного математического образования - 2014 - ISBN: 978-5-4439-2073-3 - Текст электронный // ЭБС Лань - URL: https://e.lanbook.com/book/71821
Рекомендуемая дополнительная литература
4) Van der Vaart A. W. Time series //VU University Amsterdam, lecture notes. – 2010. https://www.math.leidenuniv.nl/~avdvaart/timeseries/index.html
5) Hyndman R. J., Athanasopoulos G. Forecasting: principles and practice. – OTexts, 2018. (книга написана для языка R, однако можно найти полезные материалы по теории, в частности, по моделям ETS) https://otexts.com/fpp3/
https://github.com/rlabbe/Kalman-and-Bayesian-Filters-in-Python
https://pdfs.semanticscholar.org/0bc8/582016086017763b93e87ad8640ec1816aeb.pdf