Моделирование временных рядов 20/21

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск

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

Anytask курса

Гитхаб курса

Таблица с оценками

Боевой листок

Неделя 1

Лекция: Наивная модель. Оценка параметра. Точечный и интервальный прогноз. Алгоритм DTW.

Семинар: Визуализация рядов, периодичность, тривиальные модели прогнозирования Видео Ноутбук

Дополнительно: видео про DTW

Неделя 2

Лекция: Наилучшее линейное приближение. Обычная и частная корреляция. Стационарность процесса. Очень краткое введение в МНК. Оценка корреляции. Видео

Семинар: Задача линейной регрессии. Метод наименьших квадратов. Теорема Гаусса-Маркова. Статистические свойства оценок. Автокорреляции. Видео

Неделя 3

Лекция: Модели ETS. Правдоподобие моделей ETS. видео

Семинар: Модели экспоненциального сглаживания. Модели Хольта-Винтерса. Модели ETS. Видео Ноутбук

Неделя 4

Лекция:

Семинар: Стабилизация дисперсии. Отбор моделей. Тестирование качества модели. Информационные критерии. Кросс-валидация. Метрики качества. Видео Ноутбук

Тестирование гипотез

Неделя 5

Лекция:

Семинар: Ансамблирование. Лаговые полиномы. AR-процесс, вывод автокорреляции и частной автокорреляции. Видео

Неделя 6

Лекция:

Семинар: MA-процесс. ARMA-процесс. Условие стационарности/стабильности процесса. Примеры симуляций. Видео Ноутбук

Неделя 7

Лекция: AR-процесс. Теорема о стационарных решениях.


Контрольная работа 1: условие, дропбокс для загрузки решений.

Домашние задания

Общие правила

Домшние 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.

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

Формат файла для сдачи домашнего задания:

Схема: ДЗ_{Номер домашнего задания}_{Фамилия кириллицей}_{Город (Москва/Петербург)}.ipynb

Пример: ДЗ_1_Зехов_Петербург.ipynb


Домашнее задание 1

Обработка данных. Визуализация. Построение тривиальных моделей прогнозирования.

Выдается: 27.09.2020 18.00

Дедлайн: 09.10.2020 23.00

Задание

Данные

Эталонные данные

Домашнее задание 2

Стабилизация дисперсии. Отбор моделей. Тестирование качества оценки модели. Кросс-валидация.

Задание

Данные

Выдается: 06.10.2020 18.30

Дедлайн: 18.10.2020 23.00

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
  • 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