Time series modelling 21 22 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(Новая страница: «== О курсе == Курс по выбору для студентов для студентов 3 курса в 3-4 модулях. '''Лектор:''' Де…»)
 
(не показана одна промежуточная версия этого же участника)
Строка 5: Строка 5:
 
'''Лектор:''' Демешев Борис Борисович
 
'''Лектор:''' Демешев Борис Борисович
  
Лекции проходят на Покровке
+
Лекции проходят на Покровке по пятницам в 9.30, аудитория М203
  
 
'''Семинарист:''' Зехов Матвей Сергеевич
 
'''Семинарист:''' Зехов Матвей Сергеевич
  
Семинары проходят на Покровке  
+
Семинары проходят на Покровке по понедельникам в 9.30, аудитория М203
  
  
=== Полезные ссылки ===
+
=== Итоговая оценка за курс ===
  
[Телеграм-чат курса]
+
ДЗ = 0.2 * ДЗ_1 + 0.2 * ДЗ_2 + 0.2 * ДЗ_3 + 0.2 * ДЗ_4 + 0.2 * ДЗ_теор.
  
[Anytask курса]
+
Накоп. = ⅔ * ДЗ + ⅓ * КР
  
[https://github.com/Pyatachokk/hse_ts_course Гитхаб курса]
+
Итог = Округление(0.75 * Накоп. + 0.25 * Экз.)
  
[Таблица с оценками]
+
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.
  
== Боевой листок ==
+
=== Автоматы ===
  
==== Неделя 1 ====
+
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.
  
[10 сентября] Лекция: Наивная модель. Оценка параметра. Точечный и интервальный прогноз. Алгоритм DTW.
+
=== Дополнительные условия ===
  
Семинар: Вспомнить всё! Основные понятия математической статистики в контексте временных рядов. Задача линейной регрессии. Метод максимального правдоподобия. Статистические свойства оценок. Тестирование гипотез.
+
*При невозможности выполнения любого из ДЗ по уважительной причине и при наличии соответствующей справки, студент вправе перенести вес ДЗ на КР. 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.
  
  
 +
=== Полезные ссылки ===
  
Дополнительно: [https://m.youtube.com/watch?v=_K1OsqCicBY видео про DTW]
+
[https://t.me/+xlchbr97XBdiNmYy Телеграм-чат курса]
  
==== Неделя 2 ====
+
[https://github.com/Pyatachokk/hse_ts_course Гитхаб курса]
  
[17 сентября] Лекция: Наилучшее линейное приближение. Обычная и частная корреляция. Стационарность процесса. Очень краткое введение в МНК.
+
[https://docs.google.com/spreadsheets/d/1TQh8d80ZkiNrvbKVBnk7CBWq3L1-K7yJSgmP8Ty9GxM/edit?usp=sharing Таблица с оценками]
Оценка корреляции. [https://www.youtube.com/watch?v=r-yJXsHrbfo Видео]
+
  
Семинар:  Обработка и преобразования временных данных. Визуализация рядов, периодичность, тривиальные модели прогнозирования.[https://www.youtube.com/watch?v=Qmvgjob--0o&feature=youtu.be&ab_channel=ФКНВШЭ—дистанционныезанятия Видео] [https://github.com/Pyatachokk/hse_ts_course/blob/master/2020-fall/seminars/sem_1.ipynb Ноутбук]
+
== Боевой листок ==
  
 +
==== Неделя 1 ====
  
==== Неделя 3 ====
+
[10 сентября] Лекция: Различные задачи на рядах. Общее про ряды: сезонность, цикличность, тренд. Создание признаков. Лаг, идея растущего и идея скользящего окна. [https://youtu.be/r1bpuABNwMA Запись] [https://github.com/Pyatachokk/hse_ts_course/blob/master/2021-spring/lectures/lecture_1.pdf Конспект]
  
[24 сентября] Лекция: Модели ETS. Правдоподобие моделей ETS. [https://youtu.be/F4dv_9sjodY видео]
+
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. [https://youtu.be/QIgIHFXhdPU Запись] [https://github.com/Pyatachokk/hse_ts_course/blob/master/2021-spring/seminars/sem_1.ipynb Ноутбук 1] [https://github.com/Pyatachokk/hse_ts_course/blob/master/2021-spring/seminars/sem_2.ipynb Ноутбук 2]
  
Семинар: Модели экспоненциального сглаживания. Модели Хольта-Винтерса. Модели ETS. [https://youtu.be/KU75dnwChCY Видео] [https://github.com/Pyatachokk/hse_ts_course/blob/master/2020-fall/seminars/sem_3.ipynb Ноутбук]
+
=== Контрольная работа ===
  
==== Неделя 4 ====
+
[https://github.com/bdemeshev/tseries_hse_2020_21/raw/main/kr_01/ts_kr_01.pdf Вариант прошлого года]
  
[1 октября] Лекция: ETS-модель. Кросс-валидация. [https://github.com/Pyatachokk/hse_ts_course/blob/master/2020-fall/lectures/01.10.2020.pdf Конспект]
+
=== Экзамен ===
  
Семинар: Алгоритм построения и валидации модели. Стабилизация дисперсии. Отбор моделей. Тестирование качества модели. Информационные критерии. Кросс-валидация. Метрики качества. [https://youtu.be/w_MBMoWJcGA Видео] [https://github.com/Pyatachokk/hse_ts_course/blob/master/2020-fall/seminars/sem_4.ipynb Ноутбук]
+
[https://github.com/bdemeshev/tseries_hse_2020_21/raw/main/exam/ts_exam.pdf Вариант прошлого года]
 
+
[https://youtu.be/tyWPLaz8t6o Тестирование гипотез]
+
 
+
==== Неделя 5 ====
+
 
+
[15 октября] Лекция: ARMA-модель
+
 
+
Семинар: Ансамблирование. Лаговые полиномы. AR-процесс, вывод автокорреляции и частной автокорреляции. [https://youtu.be/WlzPAkZnRGg Видео]
+
 
+
==== Неделя 6 ====
+
 
+
[29 октября] Лекция:  AR-процесс. Теорема о стационарных решениях.
+
 
+
Семинар: MA-процесс. ARMA-процесс. Условие стационарности/стабильности процесса. Примеры симуляций. [https://youtu.be/3Q7YhpFBmWc Видео] [https://github.com/Pyatachokk/hse_ts_course/blob/master/2020-fall/seminars/sem_6.ipynb Ноутбук]
+
 
+
==== Неделя 7 ====
+
 
+
[5 ноября] Лекция: Общая схема выбора SARIMA-модели. Долгосрочная дисперсия гамма.
+
 
+
Семинар: Проблема нестационарности. Модели трендов. Детерминированный и стохастический тренды. SARIMA-модель. [https://youtu.be/dTpReT0ohpw Видео] [https://github.com/Pyatachokk/hse_ts_course/blob/master/2020-fall/seminars/sem_7.ipynb Ноутбук]
+
 
+
==== Неделя 8 ====
+
 
+
[12 ноября] Лекция:
+
 
+
Семинар: Тестирование нестационарности. ADF-тест. KPSS-тест. Стратегии прогнозирования: прямая и рекурсивная. [https://youtu.be/wylBal05Lc8 Видео]
+
 
+
==== Неделя 9 ====
+
 
+
[19 ноября] Лекция:
+
 
+
Семинар: Модели ARIMAX/DL/ADL, тест причинности Гранжера, коинтеграция, особенности стратегий прогнозирования [https://youtu.be/iPSgx4VaJfA Видео] [https://github.com/Pyatachokk/hse_ts_course/blob/master/2020-fall/seminars/sem_8.ipynb Ноутбук]
+
 
+
==== Неделя 10 ====
+
 
+
Лекция:
+
 
+
Семинар: VAR и SVAR модели. Impulse response functions. [https://youtu.be/3NmaTzR2enU Видео] [https://www.statsmodels.org/dev/vector_ar.html Пример кода]
+
 
+
 
+
==== Неделя 11 ====
+
 
+
[26 ноября] Лекция: UCM-модель.
+
 
+
Семинар: Составляющие UCM-модели. Симуляции отдельных компонент. [https://youtu.be/tNjGxpWd47E Видео] [https://github.com/Pyatachokk/hse_ts_course/blob/master/2020-fall/seminars/sem_9.ipynb Ноутбук]
+
 
+
 
+
==== Неделя 12 ====
+
 
+
[10 декабря] Лекция:
+
 
+
Семинар: GARCH-модель. Копулы. Оценка VaR с помощью GARCH и копул.[https://youtu.be/lvWMpRhFDw8 Видео] [https://www.statsmodels.org/dev/examples/notebooks/generated/markov_autoregression.html Примеры использования марковской модели]
+
 
+
==== Неделя 13 ====
+
 
+
[17 декабря] Лекция:
+
 
+
Семинар:  Классификация и кластеризация рядов. DTW.  [https://youtu.be/i-iFEY1JVcI Видео] [https://github.com/Pyatachokk/hse_ts_course/blob/master/2020-fall/seminars/sem_10.ipynb Ноутбук]
+
 
+
 
+
=== Контрольная работа ===
+
 
+
=== Экзамен ===
+
  
 
=== Домашние задания ===
 
=== Домашние задания ===
Строка 132: Строка 72:
 
В задачах на визуализацию все графики должны иметь оси/заголовки и прочие обязательные атрибуты. При их отсутствии графики оцениваться не будут.
 
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}_{Имя кириллицей}.ipynb
 
 
Пример: ДЗ_1_Зехов_Матвей.ipynb
 
  
 +
==== Практические задания ====
  
 
'''Домашнее задание 1'''
 
'''Домашнее задание 1'''
Строка 150: Строка 86:
 
'''Домашнее задание 4'''
 
'''Домашнее задание 4'''
  
=== Итоговая оценка за курс ===
+
==== Теоретические задания ====
 
+
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
+
'''Домашнее задание'''

Версия 19:52, 17 января 2022

О курсе

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

Лектор: Демешев Борис Борисович

Лекции проходят на Покровке по пятницам в 9.30, аудитория М203

Семинарист: Зехов Матвей Сергеевич

Семинары проходят на Покровке по понедельникам в 9.30, аудитория М203


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 КР. 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.


Полезные ссылки

Телеграм-чат курса

Гитхаб курса

Таблица с оценками

Боевой листок

Неделя 1

[10 сентября] Лекция: Различные задачи на рядах. Общее про ряды: сезонность, цикличность, тренд. Создание признаков. Лаг, идея растущего и идея скользящего окна. Запись Конспект

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. Запись Ноутбук 1 Ноутбук 2

Контрольная работа

Вариант прошлого года

Экзамен

Вариант прошлого года

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.

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