or
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
บทนี้จะช่วยให้เข้าใจวิธีจัดระเบียบและแสดงภาพข้อมูลอนุกรมเวลาใน R พร้อมเรียนรู้สมมติฐานที่นิยมใช้กันอย่างแพร่หลายในการวิเคราะห์อนุกรมเวลา รวมถึงลักษณะทั่วไปของอนุกรมเวลาทางการเงิน
ในบทนี้ จะฝึกตรวจหาแนวโน้ม และเรียนรู้โมเดล white noise (WN) โมเดล random walk (RW) รวมถึงนิยามของกระบวนการ stationary
ในบทนี้ จะทบทวนสัมประสิทธิ์สหสัมพันธ์ นำไปใช้เปรียบเทียบอนุกรมเวลาสองชุด และประยุกต์ใช้เพื่อเปรียบเทียบอนุกรมเวลากับค่าในอดีตของตัวเอง ซึ่งเรียกว่า autocorrelation จากนั้นจะได้ทำความรู้จักกับฟังก์ชัน autocorrelation (ACF) และฝึกประมาณค่าและแสดงภาพ autocorrelation สำหรับข้อมูลอนุกรมเวลา
ในบทนี้ จะเรียนรู้โมเดล autoregressive (AR) พร้อมคุณสมบัติพื้นฐานของโมเดล ฝึกจำลองและประมาณค่าโมเดล AR ใน R และเปรียบเทียบโมเดล AR กับโมเดล random walk (RW)
ในบทนี้ จะเรียนรู้โมเดลค่าเฉลี่ยเคลื่อนที่แบบเรียบง่าย (MA) พร้อมคุณสมบัติพื้นฐานของโมเดล ฝึกจำลองและประมาณค่าโมเดล MA ใน R และเปรียบเทียบโมเดล MA กับโมเดล autoregressive (AR)
แบบฝึกหัดปัจจุบัน