Prozkoumáš povahu dat časových řad a naučíš se základy modelů ARMA, které dokážou vysvětlit chování takovýchto dat. Osvojíš si základní příkazy R, které ti pomohou převést surová data časových řad do podoby vhodné pro analýzu pomocí modelů ARMA.

Nejdřív to nejdůležitější

Práce s daty

Složky časové řady

Stacionarita a nestacionarita

Diferencování

Odstranění trendu z dat

Jak pracovat s trendem a heteroskedasticitou

Stacionární časové řady: ARMA

Simulace modelů ARMA

Data a modely časových řad

Objevíš svět modelů ARMA a zjistíš, jak je fitovat na data časových řad. Naučíš se identifikovat model, vybrat ten správný a ověřit ho po nafitování na data. Naučíš se používat příkazy R pro časové řady z balíčků stats a astsa.

Modely AR a MA

Fitování modelu AR(1)

Fitování modelu AR(2)

Fitování modelu MA(1)

AR a MA dohromady

Fitování modelu ARMA

Identifikace modelu ARMA

Výběr modelu a analýza reziduí

Výběr modelu – I

Výběr modelu – II

Analýza reziduí – I

Analýza reziduí – II

ARMA do toho

Fitování modelů ARMA

Teď, když umíš fitovat modely ARMA na stacionární časové řady, se naučíš pracovat s integrovanými modely ARMA (ARIMA) pro nestacionární časové řady. Nafituješ je na reálná data pomocí příkazů R pro časové řady z balíčků stats a astsa.

ARIMA – integrovaná ARMA

ARIMA – plug and play

Simulované ARIMA

Globální oteplování

Diagnostika modelů ARIMA

Diagnostika – simulované přefitování

Diagnostika – globální teploty

Predikce pomocí ARIMA

Předpověď simulovaných dat pomocí ARIMA

Předpověď globálních teplot

Modely ARIMA

Naučíš se fitovat a předpovídat sezónní data časových řad pomocí sezónních modelů ARIMA. K tomu využiješ znalosti z předchozích kapitol a rozšíříš je o práci s příkazy R pro časové řady z balíčků stats a astsa.

Čistě sezónní modely

P/ACF čistě sezónních modelů

Fitování čistě sezónního modelu

Smíšené sezónní modely

Nafituj smíšený sezónní model

Data analysis - unemployment I

Analýza dat – nezaměstnanost II

Analýza dat – ceny komodit

Analýza dat – porodnost

Předpověď pomocí sezónních modelů ARIMA

Předpověď měsíční nezaměstnanosti

Jak obtížné je předpovídat ceny komodit?

Gratulujeme!

Sezónní ARIMA

V tomto kurzu se staneš odborníkem na fitování modelů ARIMA na data časových řad v R. Nejprve prozkoumáš povahu dat časových řad pomocí nástrojů z balíčku stats v R. Pak se naučíš fitovat různé modely ARMA na simulovaná data (kde znáš správný model) pomocí balíčku astsa. Jakmile zvládneš základy, naučíš se fitovat integrované modely ARMA, tedy modely ARIMA, na různé reálné datové sady. Naučíš se ověřovat platnost modelu ARIMA a předpovídat data časových řad. Na závěr se naučíš fitovat modely ARIMA na sezónní data, včetně předpovídání pomocí balíčku astsa.

Time Series Analysis in R

V tomto kurzu se naučíte používat ARIMA modely na časové řady v R, včetně simulovaných a sezónních dat.

Modely ARIMA v R

Staňte se expertem na přizpůsobování modelů ARIMA (autoregresivní integrovaný klouzavý průměr) časovým řadám v R.

Kvantitativní analytik  v R

Časové řady  v R

Předpověď měsíční nezaměstnanosti

Modely ARIMA v R

Pokyny k cvičení

Interaktivní cvičení na vyzkoušení si v praxi