Моделирование временных рядов 20/21 — различия между версиями

Версия 23:34, 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

Дополнительно: видео про DTW

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.

Итоговая оценка за курс

Итог = 0.4 * ДЗ + 0.3 * КР + 0.3 * Экз

ДЗ — средняя оценка за домашние задания

КР — оценка за контрольную работу

Экз — оценка за письменный экзамен

Литература

• Tsay R. S. Analysis of financial time series

• Лекции курса по временным рядам от MIT.

• Коралов Л.Б., Синай Я.Г. — Теория вероятностей и случайные процессы

• Van der Vaart A. W. Time series lecture notes

• Hyndman R. J., Athanasopoulos G. Forecasting principles and practice, книга написана для языка R, однако можно найти полезные материалы по теории, в частности, по моделям ETS

• Kalman filter in python

• Unobserved component model