Impara a usare Python per l'analisi delle serie temporali

Dai prezzi delle azioni ai dati sul clima, puoi trovare serie temporali in un sacco di campi diversi. Saper gestire bene questi dati sta diventando sempre più importante per chi lavora con i dati. Questo corso ti farà conoscere l'analisi delle serie temporali in Python.

Dopo aver capito cos'è una serie temporale, vedrai diversi modelli di serie temporali, da quelli autoregressivi e di media mobile a quelli di cointegrazione. Lungo il percorso, imparerai come stimare, prevedere e simulare questi modelli usando le librerie statistiche di Python.

Vedrai un sacco di esempi di come si usano questi modelli, soprattutto nel mondo della finanza.

Scopri come usare i metodi delle serie temporali

Inizierai con le basi dei dati delle serie temporali e della regressione lineare semplice. Ti occuperai dei concetti di correlazione e autocorrelazione e di come si applicano ai dati delle serie temporali prima di dare un'occhiata ad alcuni semplici modelli di serie temporali, come il rumore bianco e il moto casuale. Poi, scoprirai come si usano i modelli autoregressivi (AR) per i dati delle serie temporali per prevedere i valori attuali e come i modelli a media mobile possono unirsi ai modelli AR per creare modelli ARMA super efficaci.

Infine, vedrai come usare i modelli di cointegrazione per modellare due serie insieme prima di dare un'occhiata a un caso di studio reale.

Scopri i modelli e le librerie Python per l'analisi delle serie temporali Alla fine di questo corso, capirai come funziona l'analisi delle serie temporali in Python. Conoscerai alcuni dei modelli, metodi e librerie che possono aiutarti nel processo e saprai come scegliere quelli giusti per la tua analisi.

Questo corso fa parte di un percorso più ampio chiamato "Time Series with Python Track", che offre cinque corsi per aiutarti a diventare un esperto in questa abilità della scienza dei dati.

Funzione di autocorrelazione

Create Your Free Account