Esplorerai la natura dei dati di serie temporali e apprenderai le basi dei modelli ARMA che spiegano il comportamento di questi dati. Imparerai i comandi R fondamentali per preparare i dati grezzi di serie temporali in una forma analizzabile con modelli ARMA.

Prima di tutto

Giochiamo con i dati

Elementi delle serie storiche

Stazionarietà e non stazionarietà

Differenziazione

Rimozione del trend (detrending)

Gestire trend ed eteroschedasticità

Serie temporali stazionarie: ARMA

Simulare modelli ARMA

Dati e modelli di serie temporali

Scoprirai il mondo dei modelli ARMA e come adattarli ai dati di serie temporali. Imparerai a identificare un modello, a scegliere quello corretto e a verificarlo una volta adattato ai dati. Userai i comandi per serie temporali di R dai pacchetti stats e astsa.

Modelli AR e MA

Adattare un modello AR(1)

Adattare un modello AR(2)

Adattare un modello MA(1)

AR e MA insieme

Adattare un modello ARMA

Identifica un modello ARMA

Scelta del modello e analisi dei residui

Scelta del modello - I

Scelta del modello - II

Analisi dei residui - I

Analisi dei residui - II

ARMA al via

Adattare modelli ARMA

Ora che sai adattare modelli ARMA a serie temporali stazionarie, imparerai i modelli ARMA integrati (ARIMA) per serie non stazionarie. Adatterai i modelli a dati reali usando i comandi per serie temporali di R dai pacchetti stats e astsa.

ARIMA - ARMA integrato

ARIMA - plug and play

ARIMA simulato

Riscaldamento globale

Diagnostica ARIMA

Diagnostica - overfitting simulato

Diagnostica - temperature globali

Previsioni con ARIMA

Previsioni con ARIMA simulato

Previsione delle temperature globali

Modelli ARIMA

Imparerai ad adattare e prevedere serie temporali stagionali usando modelli ARIMA stagionali. Lo farai applicando quanto visto nei capitoli precedenti ed estendendo i comandi per serie temporali di R disponibili nei pacchetti stats e astsa.

Modelli stagionali puri

P/ACF dei modelli stagionali puri

Adatta un modello puramente stagionale

Modelli stagionali misti

Adatta un modello stagionale misto

Analisi dei dati - disoccupazione I

Analisi dei dati - disoccupazione II

Analisi dei dati - prezzi delle materie prime

Analisi dei dati - tasso di natalità

Previsioni con ARIMA stagionale

Previsioni della disoccupazione mensile

Quanto è difficile prevedere i prezzi delle materie prime?

Congratulazioni!

ARIMA stagionale

In questo corso diventerai esperto nell’adattare modelli ARIMA a serie temporali usando R. Per iniziare, esplorerai la natura dei dati di serie temporali con gli strumenti del pacchetto stats di R. Poi imparerai a adattare vari modelli ARMA a dati simulati (dove conoscerai il modello corretto) usando il pacchetto R astsa. Dopo aver consolidato le basi, vedrai come adattare modelli ARMA integrati, cioè modelli ARIMA, a diversi insiemi di dati reali. Imparerai a verificare la validità di un modello ARIMA e a effettuare previsioni su serie temporali. Infine, imparerai come adattare modelli ARIMA a dati stagionali, includendo le previsioni con il pacchetto astsa.

Time Series Analysis in R

In questo corso diventerai esperto nell'adattare modelli ARIMA a serie temporali con R e astsa.

Modelli ARIMA in R

Diventa un esperto nell'applicazione dei modelli ARIMA (media mobile autoregressiva integrata) ai dati delle serie temporali usando R.

Analista quantitativo  in R

Serie temporali  in R

Elementi delle serie storiche

Modelli ARIMA in R

esercizio interattivo pratico