Apprenez à utiliser Python pour l’analyse des séries chronologiques

Des prix des actions aux données climatiques, vous pouvez trouver des données de séries chronologiques dans une grande variété de domaines. Avoir les compétences nécessaires pour travailler efficacement avec ce type de données est une compétence de plus en plus importante pour les scientifiques des données. Ce cours vous initiera à l’analyse des séries chronologiques en Python.

Après avoir appris ce qu’est une série chronologique, vous explorerez plusieurs modèles de séries chronologiques, allant des modèles autorégressifs et à moyenne mobile aux modèles de cointégration. En cours de route, vous apprendrez à estimer, prévoir et simuler ces modèles à l’aide de bibliothèques statistiques en Python.

Vous verrez de nombreux exemples de la façon dont ces modèles sont utilisés, avec un accent particulier sur les applications en finance.

Découvrez comment utiliser les méthodes des séries chronologiques

Vous commencerez par couvrir les fondements des données de séries chronologiques, ainsi que la régression linéaire simple. Vous aborderez les concepts de corrélation et d’autocorrélation, ainsi que leur application aux données de séries chronologiques, avant d’explorer quelques modèles simples de séries chronologiques, comme le bruit blanc et la marche aléatoire. Ensuite, vous explorerez comment les modèles autorégressifs (AR) sont utilisés pour les données de séries chronologiques afin de prédire les valeurs actuelles, et comment les modèles de moyenne mobile peuvent se combiner aux modèles AR pour produire de puissants modèles ARMA.

Enfin, vous verrez comment utiliser des modèles de cointégration pour modéliser conjointement deux séries, avant d’examiner une étude de cas réelle.

Explorez les modèles Python et les bibliothèques pour l’analyse des séries chronologiques À la fin de ce cours, vous comprendrez comment fonctionne l’analyse des séries chronologiques en Python. Vous connaîtrez certains des modèles, des méthodes et des bibliothèques qui peuvent vous aider dans ce processus, et vous saurez comment choisir ceux qui conviennent à votre propre analyse.

Ce cours fait partie d’un parcours plus vaste sur les séries chronologiques avec Python, qui propose un ensemble de cinq cours pour vous aider à maîtriser cette compétence en science des données.

Faire correspondre le modèle AR avec la FAC

Analyse des séries chronologiques en Python

Exercice interactif pratique