Time series modelling 22 23 — различия между версиями

Версия 15:59, 15 января 2023

О курсе

Курс по выбору для студентов для студентов 3 курса в 3-4 модулях.

Лектор: Демешев Борис Борисович

Лекции проходят онлайн

Ссылка:

Семинарист: Зехов Матвей Сергеевич

Семинары проходят онлайн

Ссылка:

Итоговая оценка за курс

ДЗ = 0.2 * ДЗ_1 + 0.2 * ДЗ_2 + 0.2 * ДЗ_3 + 0.2 * ДЗ_4 + 0.2 * ДЗ_теор.

Накоп. = ⅔ * ДЗ + ⅓ * КР

Итог = Округление(0.75 * Накоп. + 0.25 * Экз.)

где ДЗ_i — оценка за i-е практическое ДЗ, ДЗ_теор. – оценка за теоретическое ДЗ, КР — оценка за контрольную работу, Накоп. — накопленная оценка. Экз. — оценка за экзамен.

Округление арифметическое.

Автоматы

Всем студентам может быть автоматом выставлена оценка за экзамен, равная Минимум(7,Накоп.). Итоговая оценка будет рассчитана по стандартной формуле. При явке на экзамен эта возможность аннулируется.

Дополнительные условия

При невозможности выполнения любого из ДЗ по уважительной причине и при наличии соответствующей справки, студент вправе перенести вес ДЗ на Экзамен. Для этого необходимо передать справку в учебную часть, а также уведомить семинариста.
При пропуске КР по уважительной причине вес КР переносится на Экзамен. Автомат в таком случае не может быть выставлен.

Бортовой журнал

Неделя 1

Лекция: Различные задачи на рядах. Общее про ряды: сезонность, цикличность, тренд. Создание признаков. Лаг, идея растущего и идея скользящего окна. Семинар: Вспомнить всё! Основные понятия математической статистики в контексте временных рядов. Задача линейной регрессии. Метод максимального правдоподобия. Статистические свойства оценок. Тестирование гипотез. Загрузка и обработка данных с датами. Периодические и непериодические данные. Основные особенности строения временных рядов. Автокорреляции и частные автокорреляции.

Неделя 2

Лекция: LOESS-регрессия. Интенсивность тренда. STL-разложение. MSTL-разложение. Статья про LOESS STL простым языком Оригинальная статья про STL Фичи STL

Семинар: Обработка пропусков. LOESS-регрессия. STL-разложение. Инжиниринг фичей и использование стандартных регрессоров sklearn. Многошаговое прогнозирование. Прямая и рекурсивная стратегии многошагового прогнозирования. Хорошая статья про стратегии

Неделя 3

Лекция: ETS-модель. Правдоподобие ETS-модели.

Семинар: Модели экспоненциального сглаживания. Модели Хольта-Винтерса. Модели ETS. Глава книги Хиндмана

Неделя 4

Лекция: Мультипликативные ETS-модели. Информационный критерий Акаике. Дивергенция Кульбака-Лейблера

Семинар: Примеры оценки ETS-моделей на данных. Общий алгоритм работы с временными рядами.

Неделя 5

Лекция: Детерминированные процессы. Теорема Вольда. Белый шум. MA-процесс. Оператор лага. Автокорреляция и частная автокорреляция.

Семинар: Стационарные процессы. Процессы белого шума. Тестирование данных на наличие серийных автокорреляций. MA(q)-процесс. Вывод теоретических ACF и PACF. Прогнозирование среднего и дисперсии MA(q)-процесса.

Неделя 6

Лекция: Разница между процессом и уравнением. AR(p)-процесс. Стационарные решения AR(p)-уравнения.

Семинар: AR(p)-процесс. Корреляционные характеристики AR(p)-процесса. Прогнозирование среднего и дисперсии AR(p)-процесса.

Неделя 7

Лекция: ARMA, ARIMA, KPSS-тест.

Семинар: ARMA(p,q)-процесс. Условие существования стационарного решения ARMA-уравнения.

Неделя 8

Лекция: ADF-тест. ETS как частный случай ARIMA. Выбор между моделями.

Семинар: Детерминированный и стохастический тренд. Порядок интеграции. ARIMA(p,d,q)-процесс.

Неделя 9

Лекция: SARIMA. Процедура Хандакара-Хиндмана.

Семинар: SARIMA. SARIMAX.

Неделя 10

Лекция: Подготовка к КР.

Семинар: Подготовка к КР.

Неделя 11

Лекция: GARCH-модель.

Семинар: Введение в оценку риска. Value-at-Risk. Expected shortfall. Исторический и параметрический подходы.

Неделя 12

Лекция: Правдоподобие GARCH-модели.

Семинар: ARCH-GARCH. Filtered Historical Simulation. Видео Конспект Ноутбук

Неделя 13

Лекция: Копулы

Семинар: Многомерные модели оценки риска. Смеси распределений. Копулы.

Неделя 14

Лекция: Гауссовские процессы.

Семинар: Гауссовские процессы.

Неделя 15

Лекция: Многомерные модели. VAR.

Семинар: VAR.

Неделя 16

Лекция: Иерархические модели.

Семинар: Иерархические модели.

Неделя 17

Лекция: Классификация временных рядов. DTW.

Семинар: Классификация временных рядов.

Неделя 18

Лекция: Введение в байесовский анализ. Prophet. DLT.

Семинар: Prophet. DLT (Orbit).

Неделя 19

Лекция: Сравнение прогнозов.

Семинар: Prophet. DLT (Orbit).

Неделя 20

Лекция: Подготовка к экзамену.

Семинар: Подготовка к экзамену.

Полезные ссылки

Телеграм-чат курса

Гитхаб курса

[Таблица с оценками]

Задачник

Контрольная работа

Вариант 2022

Вариант 2021

Экзамен

Вариант 2022

Вариант 2021

Домашние задания

Общие правила

Домашние задания сдаются в энитаск. Инвайт был выслан в групповой чат.

Мягких дедлайнов нет. Все дедлайны жёсткие.

При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.

При наличии уважительной причины пропущенную проверочную можно написать позднее, а дедлайн по домашнему заданию может быть перенесён. Дедлайн по домашнему заданию переносится на количество дней, равное продолжительности уважительной причины. Решение о том, является ли причина уважительной, принимает исключительно учебный офис.

Студент имеет право два раза за курс просрочить дедлайн по любому из ДЗ (практическому или теоретическому) на 24 часа без штрафа. Или можно просрочить одно ДЗ на 48 часов. Студенты, ни разу не воспользовавшиеся этой возможностью, смогут получить почтовую открытку от семинариста.

В задачах на визуализацию все графики должны иметь оси/заголовки и прочие обязательные атрибуты. При их отсутствии графики оцениваться не будут.

Практические задания

Домашнее задание 1

Домашнее задание 2

Домашнее задание 3

Домашнее задание 4

Теоретические задания

Домашнее задание

@@ Строка 41: / Строка 41: @@
 ==== Неделя 1 ====
-[14 января] '''Лекция''': Различные задачи на рядах. Общее про ряды: сезонность, цикличность, тренд. Создание признаков. Лаг, идея растущего и идея скользящего окна.
+'''Лекция''': Различные задачи на рядах. Общее про ряды: сезонность, цикличность, тренд. Создание признаков. Лаг, идея растущего и идея скользящего окна.
 '''Семинар''': Вспомнить всё! Основные понятия математической статистики в контексте временных рядов. Задача линейной регрессии. Метод максимального правдоподобия. Статистические свойства оценок. Тестирование гипотез. Загрузка и обработка данных с датами. Периодические и непериодические данные. Основные особенности строения временных рядов. Автокорреляции и частные автокорреляции.
 ==== Неделя 2 ====
-[21 января] '''Лекция''': LOESS-регрессия. Интенсивность тренда. STL-разложение. MSTL-разложение. [https://ocw.mit.edu/courses/economics/14-385-nonlinear-econometric-analysis-fall-2007/lecture-notes/local_lin_reg.pdf Статья про LOESS] [http://www.gardner.fyi/blog/STL-Part-II/ STL простым языком] [http://www.wessa.net/download/stl.pdf Оригинальная статья про STL] [https://otexts.com/fpp3/stlfeatures.html Фичи STL]
+'''Лекция''': LOESS-регрессия. Интенсивность тренда. STL-разложение. MSTL-разложение. [https://ocw.mit.edu/courses/economics/14-385-nonlinear-econometric-analysis-fall-2007/lecture-notes/local_lin_reg.pdf Статья про LOESS] [http://www.gardner.fyi/blog/STL-Part-II/ STL простым языком] [http://www.wessa.net/download/stl.pdf Оригинальная статья про STL] [https://otexts.com/fpp3/stlfeatures.html Фичи STL]
 '''Семинар''': Обработка пропусков. LOESS-регрессия. STL-разложение. Инжиниринг фичей и использование стандартных регрессоров sklearn. Многошаговое прогнозирование. Прямая и рекурсивная стратегии многошагового прогнозирования. [https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.375.7885&rep=rep1&type=pdf Хорошая статья про стратегии]
@@ Строка 52: / Строка 52: @@
 ==== Неделя 3 ====
-[28 января] '''Лекция''': ETS-модель. Правдоподобие ETS-модели.
+'''Лекция''': ETS-модель. Правдоподобие ETS-модели.
 '''Семинар''': Модели экспоненциального сглаживания. Модели Хольта-Винтерса. Модели ETS. [https://otexts.com/fpp3/expsmooth.html Глава книги Хиндмана]
@@ Строка 58: / Строка 58: @@
 ==== Неделя 4 ====
-[4 февраля] '''Лекция''': Мультипликативные ETS-модели. Информационный критерий Акаике. Дивергенция Кульбака-Лейблера
+'''Лекция''': Мультипликативные ETS-модели. Информационный критерий Акаике. Дивергенция Кульбака-Лейблера
 '''Семинар''': Примеры оценки ETS-моделей на данных. Общий алгоритм работы с временными рядами.
@@ Строка 64: / Строка 64: @@
 ==== Неделя 5 ====
-[11 февраля] '''Лекция''': Детерминированные процессы. Теорема Вольда. Белый шум. MA-процесс. Оператор лага. Автокорреляция и частная автокорреляция.
+'''Лекция''': Детерминированные процессы. Теорема Вольда. Белый шум. MA-процесс. Оператор лага. Автокорреляция и частная автокорреляция.
 '''Семинар''': Стационарные процессы. Процессы белого шума. Тестирование данных на наличие серийных автокорреляций. MA(q)-процесс. Вывод теоретических ACF и PACF. Прогнозирование среднего и дисперсии MA(q)-процесса.
@@ Строка 70: / Строка 70: @@
 ==== Неделя 6 ====
-[18 февраля] '''Лекция''': Разница между процессом и уравнением. AR(p)-процесс. Стационарные решения AR(p)-уравнения.
+'''Лекция''': Разница между процессом и уравнением. AR(p)-процесс. Стационарные решения AR(p)-уравнения.
 '''Семинар''':  AR(p)-процесс. Корреляционные характеристики AR(p)-процесса. Прогнозирование среднего и дисперсии AR(p)-процесса.
@@ Строка 76: / Строка 76: @@
 ==== Неделя 7 ====
-[25 февраля] '''Лекция''': ARMA, ARIMA, KPSS-тест.
+'''Лекция''': ARMA, ARIMA, KPSS-тест.
 '''Семинар''':  ARMA(p,q)-процесс. Условие существования стационарного решения ARMA-уравнения.
@@ Строка 82: / Строка 82: @@
 ==== Неделя 8 ====
-[4 марта] '''Лекция''':  ADF-тест. ETS как частный случай ARIMA. Выбор между моделями.
+'''Лекция''':  ADF-тест. ETS как частный случай ARIMA. Выбор между моделями.
 '''Семинар''': Детерминированный и стохастический тренд. Порядок интеграции. ARIMA(p,d,q)-процесс.
@@ Строка 88: / Строка 88: @@
 ==== Неделя 9 ====
-[11 марта] '''Лекция''':  SARIMA. Процедура Хандакара-Хиндмана.
+'''Лекция''':  SARIMA. Процедура Хандакара-Хиндмана.
 '''Семинар''': SARIMA. SARIMAX.
@@ Строка 94: / Строка 94: @@
 ==== Неделя 10 ====
-[18 марта] '''Лекция''': GARCH-модель.
+'''Лекция''': Подготовка к КР.
-'''Семинар''': Введение в оценку риска. Value-at-Risk. Expected shortfall. Исторический и параметрический подходы.
+'''Семинар''': Подготовка к КР.
 ==== Неделя 11 ====
-[25 марта] '''Лекция''': Правдоподобие GARCH-модели.
+'''Лекция''': GARCH-модель.
-'''Семинар''': ARCH-GARCH. Filtered Historical Simulation. [https://youtu.be/cFVdW4pYCT8 Видео] [https://github.com/Pyatachokk/hse_ts_course/blob/master/2021-spring/seminars/sem_11.pdf Конспект] [https://github.com/Pyatachokk/hse_ts_course/blob/master/2021-spring/seminars/sem_11.ipynb Ноутбук]
+'''Семинар''': Введение в оценку риска. Value-at-Risk. Expected shortfall. Исторический и параметрический подходы.
 ==== Неделя 12 ====
-[8 апреля] '''Лекция''': Копулы
+'''Лекция''': Правдоподобие GARCH-модели.
-'''Семинар''': Многомерные модели оценки риска. Смеси распределений. Копулы.
+'''Семинар''': ARCH-GARCH. Filtered Historical Simulation. [https://youtu.be/cFVdW4pYCT8 Видео] [https://github.com/Pyatachokk/hse_ts_course/blob/master/2021-spring/seminars/sem_11.pdf Конспект] [https://github.com/Pyatachokk/hse_ts_course/blob/master/2021-spring/seminars/sem_11.ipynb Ноутбук]
 ==== Неделя 13 ====
-[22 апреля] '''Лекция''': Гауссовские процессы.
+'''Лекция''': Копулы
-'''Семинар''':   Гауссовские процессы.
+'''Семинар''': Многомерные модели оценки риска. Смеси распределений. Копулы.
 ==== Неделя 14 ====
+'''Лекция''': Гауссовские процессы.
+'''Семинар''':   Гауссовские процессы.
+==== Неделя 15 ====
 '''Лекция''': Многомерные модели. VAR.
@@ Строка 122: / Строка 128: @@
 '''Семинар''': VAR.
-==== Неделя 15 ====
+==== Неделя 16 ====
 '''Лекция''': Иерархические модели.
@@ Строка 128: / Строка 134: @@
 '''Семинар''': Иерархические модели.
-==== Неделя 16 ====
+==== Неделя 17 ====
-[15 апреля] '''Лекция''': Классификация временных рядов. DTW.
+'''Лекция''': Классификация временных рядов. DTW.
 '''Семинар''': Классификация временных рядов.
-==== Неделя 17 ====
+==== Неделя 18 ====
 '''Лекция''': Введение в байесовский анализ. Prophet. DLT.
@@ Строка 141: / Строка 147: @@
-==== Неделя 18 ====
+==== Неделя 19 ====
-[3 июня] '''Лекция''': Сравнение прогнозов.
+'''Лекция''': Сравнение прогнозов.
 '''Семинар''': Prophet. DLT (Orbit).
-==== Неделя 19 ====
+==== Неделя 20 ====
+'''Лекция''': Подготовка к экзамену.
-[10 июня] '''Лекция''': Решение задач. [https://youtu.be/Mo1Dn7Y15uA Видео]
+'''Семинар''': Подготовка к экзамену.
-[https://github.com/Pyatachokk/hse_ts_course/blob/master/2021-spring/lectures/lecture_19.pdf Конспект]
 === Полезные ссылки ===