МОВС Анализ временных рядов, ATSF (2023-24 уч. год, 2-3 модули)
Содержание
О курсе
В данном курсе студенты узнают о широком классе прикладных задач, в которых применяются методы time series forecasting, а также смогут применить полученные знания при решении примеров задач. В качестве прикладных задач прогнозирования временных рядов будут рассмотрены примеры из ритейл-индустрии, производства (manufacturing), финансовых рынков, социально-демографической сферы, медицины.
В структуру курса заложено ознакомление с теорией статистических алгоритмов таких как ETS, ARIMA, GARCH, GAS (Generalized Autoregressive), композиции над алгоритмами прогнозирования временных рядов. Наряду с этим ряд занятий посвящено использованию классических Machine Learning алгоритмов в пайплайне методов прогнозирования временных рядов. Ключевое внимание будет уделено особенностям работы, реализации и применения изучаемых методов в прикладных задачах, практические задания будут включать как самостоятельную разработку алгоритмов, так и применение разработанных пакетов/библиотек алгоритмов прогнозирования временных рядов.
В результате прохождения курса студенты смогут использовать изученные алгоритмы для прогнозирования временных рядов на практике.
Занятия проводятся в Zoom по пятницам в 18:00
Контакты
Чат курса в TG: https://t.me/+ETgDjat2dR8yNDcy
Преподаватель: Романенко Алексей Александрович
Ассистенты
Ассистент | Контакты |
---|---|
Даша Саламашенкова | @salamashenkovadasha |
Алина Васютина | @alina_vasyutina |
Анастасия Гергенретер | @nastya_gergen |
Материалы курса
Плейлист курса на YouTube: https://www.youtube.com/playlist?list=PLmA-1xX7IuzBw8JzLnhBQ_et20hfG3dGF
GitHub с материалами курса: https://github.com/aromanenko/ATSF
Занятие | Тема | Дата | Ссылки |
---|---|---|---|
1 [Запись] | [Ноутбук] Time Series Overview | 02.11.23 | |
2 [Запись] | [Ноутбук] Простое экспоненциальное сглаживание | 09.11.23 | |
3 Запись | Ноутбук Учет сезонности, трендов и пр. компонент в моделях семейства простого экспоненциального сглаживания. Обсуждение ДЗ-1. | 16.11.23 | |
4 Запись | Ноутбук Стационарность. ARIMA | 23.11.23 | |
5 Запись | Ноутбук Настройка гиперпараметров ARIMA. ACF и PACF | 30.11.23 | |
6 Запись | Ноутбук Заключительное занятие по ARIMA, варианты учета каузальных переменных. Обсуждение ДЗ-2. | 07.12.23 | |
7 Запись | Ноутбук ML для прогнозирования временных рядов | ||
8 Запись | Ноутбук Измерение качества предсказаний временных рядов. Лоссы в TSF | ||
9 Запись | Ноутбук DL в прогнозировании временных рядов | ||
10 Запись | Ноутбук Подходы к сегментации временных рядов | ||
11 Запись | Ноутбук Композиции моделей предсказания временных рядов | ||
12 Запись | Ноутбук Моделирование спроса | ||
13 Запись | Ноутбук Специфичные вопросы прогнозирования временных рядов: Business Value from Forecasting, часто используемые пакеты, внедрение систем прогнозирования |
Формула оценивания
Оценка = 0.3*ОДЗ-1 + 0.3*ОДЗ-2 + 0.4*ОДЗ-3 + 0.4*ОБонусные задания
Баллы за бонусные задания - ставятся за участие в соревнованиях по тематике курса. Оценка за участие в соревновании выставляется преподавателем в зависимости от успешности участия; за каждое из соревнований можно получить до 10 баллов; баллы, полученные за разные соревнования, будут суммироваться в так называемый Бонус. Прохождение иных курсов и сдача заданий по другим курсам не будут засчитываться как Бонус.
Домашние задания
Anytask: https://anytask.org/course/1072
- ДЗ-1 "Экспоненциальное сглаживание"
- ДЗ-2 "ARIMA"
- ДЗ-3 "Kaggle"
Литература
- James D Hamilton, Time Series Analysis, 1994
- Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс
- Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов, Учеб. пособие. М.: Финансы и статистика, 2003 г. - 416 с: ил., главы 1,4,5,7.
- Jonathan D. Cryer, Kung-Sik Chan, Time Series Analysis With Applications in R. Second Edition. Springer
- Bollerslev, Tim (1992). "ARCH Modeling in Finance: A Review of the Theory and Empirical Evidence". Journal of Econometrics. 52 (1–2): 5–59.