Time series modelling 21 22 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(не показано 15 промежуточных версии 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
  
  
 
=== Итоговая оценка за курс ===
 
=== Итоговая оценка за курс ===
  
Итог = 0.4 * ДЗ + 0.3 * КР + 0.3 * Экз
+
ДЗ = 0.2 * ДЗ_1 + 0.2 * ДЗ_2 + 0.2 * ДЗ_3 + 0.2 * ДЗ_4 + 0.2 * ДЗ_теор.
  
ДЗ — средняя оценка за домашние задания
+
Накоп. = ⅔ * ДЗ + ⅓ * КР
  
КР — оценка за контрольную работу
+
Итог = Округление(0.75 * Накоп. + 0.25 * Экз.)
  
Экз — оценка за письменный экзамен
+
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.
  
=== Полезные ссылки ===
+
Округление арифметическое.
  
[Телеграм-чат курса]
+
=== Автоматы ===
  
[Anytask курса]
+
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.
  
[https://github.com/Pyatachokk/hse_ts_course Гитхаб курса]
+
=== Дополнительные условия ===
  
[Таблица с оценками]
+
*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.
  
== Боевой листок ==
 
  
==== Неделя 1 ====
+
=== Полезные ссылки ===
  
[10 сентября] Лекция:
+
[https://t.me/+xlchbr97XBdiNmYy Телеграм-чат курса]
  
Семинар: Вспомнить всё! Основные понятия математической статистики в контексте временных рядов.  Задача линейной регрессии. Метод максимального правдоподобия. Статистические свойства оценок. Тестирование гипотез.
+
[https://github.com/Pyatachokk/hse_ts_course Гитхаб курса]
  
 +
[https://docs.google.com/spreadsheets/d/1TQh8d80ZkiNrvbKVBnk7CBWq3L1-K7yJSgmP8Ty9GxM/edit?usp=sharing Таблица с оценками]
  
==== Неделя 2 ====
+
== Боевой листок ==
  
[17 сентября] Лекция:
+
==== Неделя 1 ====
  
Семинар: Обработка и преобразования временных данных. Визуализация рядов, периодичность, тривиальные модели прогнозирования.
+
[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]
  
==== Неделя 3 ====
+
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]
  
[24 сентября] Лекция:
+
=== Контрольная работа ===
  
Семинар: Модели экспоненциального сглаживания. Модели Хольта-Винтерса. Модели ETS.  
+
[https://github.com/bdemeshev/tseries_hse_2020_21/raw/main/kr_01/ts_kr_01.pdf Вариант прошлого года]
  
==== Неделя 4 ====
+
=== Экзамен ===
  
[1 октября] Лекция:
+
[https://github.com/bdemeshev/tseries_hse_2020_21/raw/main/exam/ts_exam.pdf Вариант прошлого года]
 
+
Семинар: Алгоритм построения и валидации модели. Стабилизация дисперсии. Отбор моделей. Тестирование качества модели. Информационные критерии. Кросс-валидация. Метрики качества.
+
 
+
 
+
==== Неделя 5 ====
+
 
+
[15 октября] Лекция:
+
 
+
Семинар: Ансамблирование. Лаговые полиномы. AR-процесс, вывод автокорреляции и частной автокорреляции.
+
 
+
==== Неделя 6 ====
+
 
+
[29 октября] Лекция:  AR-процесс. Теорема о стационарных решениях.
+
 
+
Семинар: MA-процесс. ARMA-процесс. Условие стационарности/стабильности процесса. Примеры симуляций.
+
 
+
==== Неделя 7 ====
+
 
+
[5 ноября] Лекция:
+
 
+
Семинар: Проблема нестационарности. Модели трендов. Детерминированный и стохастический тренды. SARIMA-модель.
+
==== Неделя 8 ====
+
 
+
[12 ноября] Лекция:
+
 
+
Семинар: Тестирование нестационарности. ADF-тест. KPSS-тест. Стратегии прогнозирования: прямая и рекурсивная.
+
 
+
==== Неделя 9 ====
+
 
+
[19 ноября] Лекция:
+
 
+
Семинар: Модели ARIMAX/DL/ADL, тест причинности Гранжера, коинтеграция, особенности стратегий прогнозирования.
+
 
+
==== Неделя 10 ====
+
 
+
Лекция:
+
 
+
Семинар: Orbit
+
 
+
 
+
==== Неделя 11 ====
+
 
+
[26 ноября] Лекция: 
+
 
+
Семинар: Prophet
+
 
+
==== Неделя 12 ====
+
 
+
[10 декабря] Лекция:
+
 
+
Семинар: GARCH-модель. Копулы. VaR, ES. Оценка VaR и ES с помощью GARCH и копул.
+
 
+
==== Неделя 13 ====
+
 
+
[17 декабря] Лекция:
+
 
+
Семинар:  Классификация и кластеризация рядов. DTW.
+
 
+
Восстановленный семинар: Гауссовские процессы?
+
 
+
=== Контрольная работа ===
+
 
+
=== Экзамен ===
+
  
 
=== Домашние задания ===
 
=== Домашние задания ===
Строка 134: 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 ====
 
==== Практические задания ====
Строка 155: Строка 88:
 
==== Теоретические задания ====
 
==== Теоретические задания ====
  
'''Домашнее задание 1'''
+
'''Домашнее задание'''
 
+
 
+
'''Домашнее задание 2'''
+

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