Dekompozycja czyli identyfikacja w danych składowych systematycznych, takich jak trendy długoterminowe czy wahania sezonowe, to jedno z podstawowych zadań analizy szeregów czasowych. Odpowiednie uwzględnienie regularnych tendencji występujących w szeregu ma istotny wpływ na poprawność przeprowadzanych analiz. W szczególności, w wielu szeregach czasowych związanych z gospodarką, produkcją czy sprzedażą obserwujemy wahania sezonowe wokół tendencji długoterminowej. Takie efekty sezonowe związane są najczęściej z danym miesiącem roku, porami wakacji czy też z okresowymi zmianami pogody. Nieuwzględnienie, w tym przypadku, sezonowości na etapie prognozowania szeregu może prowadzić do konstrukcji błędnych lub nieoptymalnych prognoz.

Jak wykryć występujące w danych trendy długoterminowe i wahania sezonowe? Którą metodę dekompozycji zastosować? Jak skorygować dane aby w analizie i prognozowaniu uwzględnić trendy i sezonowość? Uczestnicząc w naszym szkoleniu poznasz odpowiedzi na te i podobne pytania. Dowiesz się także, jak w analize uwzględnić dodatkowe własności danych, takie jak efekty kalendarzowe (np. zmienna liczba dni roboczych w poszczególnych okresach) czy występowanie obserwacji odstających (outliers). Podczas warsztatów zdobędziesz praktyczne umiejętności posługiwania się klasycznymi metodami dekompozycji szeregów czasowych. Poznasz także podstawy zaawansowanych metod dekompozycji, rekomendowanych m.in. przez Eurostat, takich jak dekompozycje X-12-ARIMA i TRAMO/SEATS.


Czego się nauczysz?

  • Nauczysz się jak wykryć i prawidłowo uwzględnić w analizie szeregu regularne składowe, takie jak trendy długoterminowe i wahania sezonowe.
  • Poznasz klasyczne i nowoczesne metody dekompozycji szeregów czasowych.
  • Dowiesz się jak poprawnie przeprowadzić korekcję sezonową (wyrównanie sezonowe) szeregu czasowego.
  • Nauczysz się jak wybrać i zastosować optymalną metodę dekompozycji dla danych.
  • Dowiesz się jak uwzględnić w analizie dodatkowe własności danych, takie jak efekty kalendarza lub obecność obserwacji odstających.
  • Wszystko przećwiczysz w praktyce na komputerze: używamy systemu R, Demetra+ lub Gretl.
  • Otrzymasz obszerne materiały umożliwiające samodzielną późniejszą pracę.


Dla kogo jest to szkolenie?

Pracownicy departamentów analiz ekonomicznych, controllingu, sprzedaży, marketingu, zarządzania aktywami i pasywami, skarbu i innych:

  • analizujący zachowanie szeregów czasowych związanych z gospodarką, ekonomią, rynkiem pracy, produkcją przemysłową, rynkiem energetycznym, sprzedażą, itp.
  • zainteresowani poznaniem sposobów wykrywania i uwzględnienia w analizie regularnych składowych występujących w szeregu czasowym, takich jak trendy długoterminowe lub wahania sezonowe,
  • prognozujący szeregi czasowe podlegające wahaniom sezonowym,
  • zainteresowani stosowaniem klasycznych i nowoczesnych metod dekompozycji szeregów czasowych.


Skrót programu szkolenia

  • Idea i cel dekompozycji
  • Dekompozycja — podstawowe pojęcia
  • Podstawowe metody dekompozycji
  • Dodatkowe przekształcenia danych związane z dekompozycją
  • Przegląd zaawansowanych metod dekompozycji szeregów
  • Zastosowanie dekompozycji w praktyce


Program szkolenia

  1. Idea i cel dekompozycji
    • Podstawowe składowe szeregu czasowego
      • składowe systematyczne (trend, cykliczność, sezonowość)
      • zakłócenia losowe
    • Pojęcie stacjonarności i niestacjonarności
    • Wykresy ułatwiające identyfikację struktury szeregu czasowego
      • wykresy tendencji długoterminowej i wahań sezonowych
      • wykresy autokorelacji
  2. Dekompozycja — podstawowe pojęcia
    • Podstawowe rodzaje dekompozycji: dekompozycja addytywna i multyplikatywna
    • Etapy w procesie dekompozycji
    • Wykrywanie i eliminowanie niestacjonarności (identyfikacja i usuwanie trendu i sezonowości)
    • Wyrównanie sezonowe – korekcja sezonowości na bazie dekompozycji
  3. Podstawowe metody dekompozycji
    • Wygładzanie za pomocą ruchomej średniej
    • Dekompozycja klasyczna — estymacja trendu i sezonowości
      • dekompozycja klasyczna na bazie ruchomej średniej
      • dekompozycja klasyczna na bazie modeli regresji
  4. Dodatkowe przekształcenia danych związane z dekompozycją
    • Wstępne przekształcenia danych (agregacja, transformacja Boxa-Coxa)
    • Efekty kalendarzowe (korekty uwzględniające zmienną liczbę dni roboczych w miesiącach/kwartałach, układ kalendarza, święta narodowe, itp.)
    • Obserwacje odstające (outliers): rodzaje i ich uwzględnienie w analizie
    • Uwzględnienie dodatkowych zmiennych egzogenicznych
  5. Przegląd zaawansowanych metod dekompozycji szeregów (założenia, algorytm, wady i zalety)
    • STL (Seasonal-Trend decomposition based on Loess)
    • X-12 ARIMA
    • TRAMO-SEATS
    • X-13 ARIMA-SEATS
  6. Zastosowanie dekompozycji w praktyce
    • Ocena jakości dekompozycji (diagnostyka)
    • Wybór optymalnej metody dekompozycji
    • Zastosowanie metod dekompozycji do prognozowania
      • Uwzględnienie trendów długoterminowych i efektów sezonowych w prognozowaniu
      • Prognozy punktowe i przedziałowe
      • Ocena dokładności prognoz
    • Przykłady zastosowania metod dekompozycji dla wybranych szeregów czasowych związanych z gospodarką, ekonomią, produkcją i sprzedażą.

Spróbuj ponownie