Time series modelling 22 23
Содержание
О курсе
Курс по выбору для студентов для студентов 3 курса в 3-4 модулях.
Лектор: Демешев Борис Борисович
Лекции проходят онлайн
Ссылка:
Семинарист: Зехов Матвей Сергеевич
Семинары проходят онлайн
Ссылка:
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 Экзамен. 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
[Таблица с оценками]
Бортовой журнал
Неделя 1
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
Неделя 2
Лекция: LOESS-регрессия. Интенсивность тренда. STL-разложение. MSTL-разложение. Статья про LOESS STL простым языком Оригинальная статья про STL Фичи STL Запись Конспект
Семинар: Обработка пропусков. LOESS-регрессия. STL-разложение. Инжиниринг фичей и использование стандартных регрессоров sklearn. Многошаговое прогнозирование. Прямая и рекурсивная стратегии многошагового прогнозирования. Хорошая статья про стратегии Запись
Неделя 3
Лекция: ETS-модель. Правдоподобие ETS-модели. Запись
Семинар: Модели экспоненциального сглаживания. Модели Хольта-Винтерса. Модели ETS. Глава книги Хиндмана
Неделя 4
Лекция: Мультипликативные ETS-модели. Информационный критерий Акаике. Дивергенция Кульбака-Лейблера
Семинар: Примеры оценки ETS-моделей на данных. Общий алгоритм работы с временными рядами.
Неделя 5
Лекция: Детерминированные процессы. Теорема Вольда. Белый шум. MA-процесс. Оператор лага. Автокорреляция и частная автокорреляция.
Семинар: Стационарные процессы. Процессы белого шума. Тестирование данных на наличие серийных автокорреляций. MA(q)-процесс. Вывод теоретических ACF и PACF. Прогнозирование среднего и дисперсии MA(q)-процесса.
Неделя 6
Лекция: Разница между процессом и уравнением. AR(p)-процесс. Стационарные решения AR(p)-уравнения.
Семинар: AR(p)-процесс. Корреляционные характеристики AR(p)-процесса. Прогнозирование среднего и дисперсии AR(p)-процесса.
Неделя 7
Лекция: ARMA, ARIMA, KPSS-тест.
Семинар: ARMA(p,q)-процесс. Условие существования стационарного решения ARMA-уравнения.
Неделя 8
Лекция: ADF-тест. ETS как частный случай ARIMA. Выбор между моделями.
Семинар: Детерминированный и стохастический тренд. Порядок интеграции. ARIMA(p,d,q)-процесс.
Неделя 9
Лекция: SARIMA. Процедура Хандакара-Хиндмана.
Семинар: SARIMA. SARIMAX.
Неделя 10
Лекция: Подготовка к КР.
Семинар: Подготовка к КР.
Неделя 11
Лекция: GARCH-модель.
Семинар: Введение в оценку риска. Value-at-Risk. Expected shortfall. Исторический и параметрический подходы.
Неделя 12
Лекция: Правдоподобие GARCH-модели.
Семинар: ARCH-GARCH. Filtered Historical Simulation.
Неделя 13
Лекция: Копулы
Семинар: Многомерные модели оценки риска. Смеси распределений. Копулы.
Неделя 14
Лекция: Гауссовские процессы.
Семинар: Гауссовские процессы.
Неделя 15
Лекция: Многомерные модели. VAR.
Семинар: VAR.
Неделя 16
Лекция: Иерархические модели.
Семинар: Иерархические модели.
Неделя 17
Лекция: Классификация временных рядов. DTW.
Семинар: Классификация временных рядов.
Неделя 18
Лекция: Введение в байесовский анализ. Prophet. DLT.
Семинар: Prophet. DLT (Orbit).
Неделя 19
Лекция: Сравнение прогнозов.
Семинар: Prophet. DLT (Orbit).
Неделя 20
Лекция: Подготовка к экзамену.
Семинар: Подготовка к экзамену.
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.
Студент имеет право два раза за курс просрочить дедлайн по любому из ДЗ (практическому или теоретическому) на 24 часа без штрафа. Или можно просрочить одно ДЗ на 48 часов. Студенты, ни разу не воспользовавшиеся этой возможностью, смогут получить почтовую открытку от семинариста.
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
