МОВС Анализ временных рядов, ATSF (2023-24 уч. год, 2-3 модули)
Содержание
[убрать]О курсе
В данном курсе студенты узнают о широком классе прикладных задач, в которых применяются методы time series forecasting, а также смогут применить полученные знания при решении примеров задач. В качестве прикладных задач прогнозирования временных рядов будут рассмотрены примеры из ритейл-индустрии, производства (manufacturing), финансовых рынков, социально-демографической сферы, медицины.
В структуру курса заложено ознакомление с теорией статистических алгоритмов таких как ETS, ARIMA, GARCH, GAS (Generalized Autoregressive), композиции над алгоритмами прогнозирования временных рядов. Наряду с этим ряд занятий посвящено использованию классических Machine Learning алгоритмов в пайплайне методов прогнозирования временных рядов. Ключевое внимание будет уделено особенностям работы, реализации и применения изучаемых методов в прикладных задачах, практические задания будут включать как самостоятельную разработку алгоритмов, так и применение разработанных пакетов/библиотек алгоритмов прогнозирования временных рядов.
В результате прохождения курса студенты смогут использовать изученные алгоритмы для прогнозирования временных рядов на практике.
Занятия проводятся в Zoom по пятницам в 18:00
Контакты
Чат курса в TG: https://t.me/+ETgDjat2dR8yNDcy
Преподаватель: Романенко Алексей Александрович
Ассистенты
| Ассистент | Контакты |
|---|---|
| Даша Саламашенкова | @salamashenkovadasha |
| Алина Васютина | @alina_vasyutina |
| Анастасия Гергенретер | @nastya_gergen |
Материалы курса
Плейлист курса на YouTube: https://www.youtube.com/playlist?list=PLmA-1xX7IuzBw8JzLnhBQ_et20hfG3dGF
GitHub с материалами курса: https://github.com/aromanenko/ATSF
| Занятие | Тема | Дата | Ссылки |
|---|---|---|---|
| 1 [Запись] | [Ноутбук] Time Series Overview | 01.11.23 | |
| 2 [Запись] | [Ноутбук] Простое экспоненциальное сглаживание | 10.11.23 | |
| 3 [Запись] | [Ноутбук] Учет сезонности, трендов и пр. компонент в моделях семейства простого экспоненциального сглаживания. Обсуждение ДЗ-1. | 17.11.23 | |
| 4 [Запись] | [Ноутбук] Стационарность. ARIMA | 24.11.23 | |
| 5 [Запись] | [Ноутбук] Настройка гиперпараметров ARIMA. ACF и PACF | 01.12.23 | |
| 6 [Запись] | [Ноутбук] Заключительное занятие по ARIMA, варианты учета каузальных переменных. Обсуждение ДЗ-2. | 08.12.23 | |
| 7 [Запись] | [Ноутбук] ML для прогнозирования временных рядов | 15.12.23 | |
| 8 [Запись] | [Ноутбук] Измерение качества предсказаний временных рядов. Лоссы в TSF | 19.01.2024 | |
| 9 [Запись] | [Ноутбук] DL в прогнозировании временных рядов | 26.01.2024 | |
| 10 [Запись] | [Ноутбук] Подходы к сегментации временных рядов | 02.02.2024 | |
| 11 [Запись] | [Ноутбук] Композиции моделей предсказания временных рядов | 16.02.2024 | |
| 12 [Запись] | [Ноутбук] Моделирование спроса | 22.02.2024 | |
| 13 [Запись] | [Ноутбук] Специфичные вопросы прогнозирования временных рядов: Business Value from Forecasting, часто используемые пакеты, внедрение систем прогнозирования | 01.03.2024 |
Формула оценивания
Оценка = 0.3*ОДЗ-1 + 0.3*ОДЗ-2 + 0.4*ОДЗ-3 + 0.4*ОБонусные задания
Баллы за бонусные задания - ставятся за участие в соревнованиях по тематике курса. Оценка за участие в соревновании выставляется преподавателем в зависимости от успешности участия; за каждое из соревнований можно получить до 10 баллов; баллы, полученные за разные соревнования, будут суммироваться в так называемый Бонус. Прохождение иных курсов и сдача заданий по другим курсам не будут засчитываться как Бонус.
Домашние задания
Anytask: https://anytask.org/course/1072
- ДЗ-1 "Экспоненциальное сглаживание": Основная часть, Дедлайн: 03.12.23
Бонусная часть, Дедлайн: 04.03.24 - ДЗ-2 "ARIMA": Основная часть, Дедлайн: 21.01.24
Бонусная часть, Дедлайн: 03.03.24 - ДЗ-3 "Kaggle": Основная часть, Дедлайн: 11.02.24
Литература
- James D Hamilton, Time Series Analysis, 1994
- Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс
- Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов, Учеб. пособие. М.: Финансы и статистика, 2003 г. - 416 с: ил., главы 1,4,5,7.
- Jonathan D. Cryer, Kung-Sik Chan, Time Series Analysis With Applications in R. Second Edition. Springer
- Bollerslev, Tim (1992). "ARCH Modeling in Finance: A Review of the Theory and Empirical Evidence". Journal of Econometrics. 52 (1–2): 5–59.
