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…»)
 
Строка 27: Строка 27:
 
==== Неделя 1 ====
 
==== Неделя 1 ====
  
−
[10 сентября] Лекция: Наивная модель. Оценка параметра. Точечный и интервальный прогноз. Алгоритм DTW.
+
[10 сентября] Лекция:
  
 
Семинар: Вспомнить всё! Основные понятия математической статистики в контексте временных рядов.  Задача линейной регрессии. Метод максимального правдоподобия. Статистические свойства оценок. Тестирование гипотез.
 
Семинар: Вспомнить всё! Основные понятия математической статистики в контексте временных рядов.  Задача линейной регрессии. Метод максимального правдоподобия. Статистические свойства оценок. Тестирование гипотез.
  
−
 
−
 
−
Дополнительно: [https://m.youtube.com/watch?v=_K1OsqCicBY видео про DTW]
 
  
 
==== Неделя 2 ====
 
==== Неделя 2 ====
  
−
[17 сентября] Лекция: Наилучшее линейное приближение. Обычная и частная корреляция. Стационарность процесса. Очень краткое введение в МНК.
+
[17 сентября] Лекция:  
−
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]
+
  
 +
Семинар:  Обработка и преобразования временных данных. Визуализация рядов, периодичность, тривиальные модели прогнозирования.
  
 
==== Неделя 3 ====
 
==== Неделя 3 ====
  
−
[24 сентября] Лекция: Модели ETS. Правдоподобие моделей ETS. [https://youtu.be/F4dv_9sjodY видео]
+
[24 сентября] Лекция:
  
−
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]
+
Семинар: Модели экспоненциального сглаживания. Модели Хольта-Винтерса. Модели ETS.  
  
 
==== Неделя 4 ====
 
==== Неделя 4 ====
  
−
[1 октября] Лекция: ETS-модель. Кросс-валидация. [https://github.com/Pyatachokk/hse_ts_course/blob/master/2020-fall/lectures/01.10.2020.pdf Конспект]
+
[1 октября] Лекция:
  
−
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]
+
Семинар: Алгоритм построения и валидации модели. Стабилизация дисперсии. Отбор моделей. Тестирование качества модели. Информационные критерии. Кросс-валидация. Метрики качества.
  
−
[https://youtu.be/tyWPLaz8t6o Тестирование гипотез]
 
  
 
==== Неделя 5 ====
 
==== Неделя 5 ====
  
−
[15 октября] Лекция: ARMA-модель
+
[15 октября] Лекция:
  
−
Семинар: Ансамблирование. Лаговые полиномы. AR-процесс, вывод автокорреляции и частной автокорреляции. [https://youtu.be/WlzPAkZnRGg Видео]
+
Семинар: Ансамблирование. Лаговые полиномы. AR-процесс, вывод автокорреляции и частной автокорреляции.
  
 
==== Неделя 6 ====
 
==== Неделя 6 ====
Строка 67: Строка 61:
 
[29 октября] Лекция:  AR-процесс. Теорема о стационарных решениях.  
 
[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]
+
Семинар: MA-процесс. ARMA-процесс. Условие стационарности/стабильности процесса. Примеры симуляций.
  
 
==== Неделя 7 ====
 
==== Неделя 7 ====
  
−
[5 ноября] Лекция: Общая схема выбора SARIMA-модели. Долгосрочная дисперсия гамма.
+
[5 ноября] Лекция:
−
 
+
−
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]
+
  
 +
Семинар: Проблема нестационарности. Модели трендов. Детерминированный и стохастический тренды. SARIMA-модель.
 
==== Неделя 8 ====
 
==== Неделя 8 ====
  
 
[12 ноября] Лекция:  
 
[12 ноября] Лекция:  
  
−
Семинар: Тестирование нестационарности. ADF-тест. KPSS-тест. Стратегии прогнозирования: прямая и рекурсивная. [https://youtu.be/wylBal05Lc8 Видео]
+
Семинар: Тестирование нестационарности. ADF-тест. KPSS-тест. Стратегии прогнозирования: прямая и рекурсивная.  
  
 
==== Неделя 9 ====
 
==== Неделя 9 ====
Строка 85: Строка 78:
 
[19 ноября] Лекция:  
 
[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]
+
Семинар: Модели ARIMAX/DL/ADL, тест причинности Гранжера, коинтеграция, особенности стратегий прогнозирования.
  
 
==== Неделя 10 ====
 
==== Неделя 10 ====
Строка 91: Строка 84:
 
Лекция:
 
Лекция:
  
−
Семинар: VAR и SVAR модели. Impulse response functions. [https://youtu.be/3NmaTzR2enU Видео] [https://www.statsmodels.org/dev/vector_ar.html Пример кода]
+
Семинар: VAR и SVAR модели. Impulse response functions.  
  
  
Строка 98: Строка 91:
 
[26 ноября] Лекция: UCM-модель.  
 
[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]
+
Семинар: Составляющие UCM-модели. Симуляции отдельных компонент. Оценка UCM-модели
−
 
+
  
 
==== Неделя 12 ====
 
==== Неделя 12 ====
Строка 105: Строка 97:
 
[10 декабря] Лекция:
 
[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]
+
Семинар: GARCH-модель. Копулы. Var, ES. Оценка Var и ES с помощью GARCH и копул.
  
 
==== Неделя 13 ====
 
==== Неделя 13 ====
Строка 111: Строка 103:
 
[17 декабря] Лекция:  
 
[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]
+
Семинар:  Классификация и кластеризация рядов. DTW.  
  
 +
Восстановленный семинар: Гауссовские процессы?
  
 
=== Контрольная работа ===
 
=== Контрольная работа ===

Версия 18:10, 3 октября 2021

О курсе

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

Лектор: Демешев Борис Борисович

Лекции проходят на Покровке

Семинарист: Зехов Матвей Сергеевич

Семинары проходят на Покровке


Полезные ссылки

[Телеграм-чат курса]

[Anytask курса]

Гитхаб курса

[Таблица с оценками]


Боевой листок

Неделя 1

[10 сентября] Лекция:

Семинар: Вспомнить всё! Основные понятия математической статистики в контексте временных рядов. Задача линейной регрессии. Метод максимального правдоподобия. Статистические свойства оценок. Тестирование гипотез.


Неделя 2

[17 сентября] Лекция:

Семинар: Обработка и преобразования временных данных. Визуализация рядов, периодичность, тривиальные модели прогнозирования.

Неделя 3

[24 сентября] Лекция:

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

Неделя 4

[1 октября] Лекция:

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: VAR и SVAR модели. Impulse response functions.


Неделя 11

[26 ноября] Лекция: UCM-модель.

Семинар: Составляющие UCM-модели. Симуляции отдельных компонент. Оценка UCM-модели

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

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.

Формат файла для сдачи домашнего задания:

Схема: ДЗ_{Номер домашнего задания}_{Фамилия кириллицей}_{Имя кириллицей}.ipynb

Пример: ДЗ_1_Зехов_Матвей.ipynb


Домашнее задание 1


Домашнее задание 2


Домашнее задание 3


Домашнее задание 4

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

Источник — «http://wiki.cs.hse.ru/index.php?title=Time_series_modelling_21_22&oldid=59337»