Szkolenie

Szeregi czasowe,

Praktyka prognozowania szeregów czasowych — warsztaty z R

Prowadzący: Adam Zagdański,

Program: PDF lub poniżej

Rodzaj: Otwarte + wewnętrzne

Czas trwania: 2 dni

Najbliższe szkolenie: Kraków, 31.03-1.04.2016

Cena: 1.600 zł netto (+23% VAT)

Szkolenie wewnętrzne: Zakres i termin do ustalenia. Grupy już od trzech osób.


Mogą cię zainteresować: Wspomaganie decyzji dla analityków, Analiza i prognozowanie szeregów czasowych w praktyce, Prognozowanie sprzedaży na podstawie szeregów czasowych, Dekompozycja szeregów czasowych,

Terminy szkoleń: Sprawdź


To szkolenie jest w R: dlaczego warto?  

W czasie szkolenia koncentrujemy się na praktyce prognozowania szeregów czasowych. Oznacza to, że prawie cały czas pracujemy na komputerach, a wprowadzenie teoretyczne i formalizm matematyczny ograniczamy do absolutnie niezbędnego minimum.

Dowiesz się jak w środowisku R wczytać dane i przygotować je do dalszej analizy. Poznasz najbardziej popularne metody prognozowania szeregów czasów i nauczysz się je stosować w praktyce. Po szkoleniu będziesz wiedzieć, jak ocenić i porównać dokładność prognoz skonstruowanych z wykorzystaniem różnych metod. Dowiesz się, jak wybrać najlepszą metodę prognozowania dla konkretnych danych.

Nie będziemy mówili o zaawansowanych zagadnieniach związanych z modelowaniem szeregów czasowych. Skoncentrujemy się na podstawowych sposobach oceny poprawności dopasowania modelu i skuteczności prognoz.
Po szkoleniu jednak będziesz mieć niezbędną orientację w metodologii. Dzięki temu będziesz mógł dowiedzieć się, które zagadnienia analizy szeregów czasowych chciałbyś poznać dokładniej, np. uczestnicząc w jednym z naszych bardziej zaawansowanych szkoleń z szeregów czasowych.

Szkolenie przeznaczone jest dla początkujących lub osób, które po prostu potrzebują prognozować szeregi czasowe, a dla których rozległa wiedza teoretyczna nie jest niezbędna.

Używamy systemu R. Podczas szkolenia wewnętrznego możemy pracować w Demetra+ lub Gretl.


Czego się nauczysz?

  • Poznasz podstawowe narzędzia wykorzystywane w analizie szeregów czasowych.
  • Nauczysz się jak przygotować dane przed właściwym prognozowaniem.
  • Poznasz podstawowe metody prognozowania szeregów czasowych, w tym klasyczne modele ARIMA i podstawowe algorytmy wygładzania wykładniczego.
  • Dowiesz się, jak prawidłowo uwzględnić w prognozowaniu szeregu regularne składowe, takie jak trendy długoterminowe i wahania sezonowe.
  • Nauczysz się jak ocenić i porównać dokładność prognoz oraz jak wybrać odpowiednią metodą prognozowania dla ustalonych danych.
  • Wszystko przećwiczysz w praktyce na komputerze: używamy systemu R.
  • Otrzymasz skrypty dla R umożliwiające późniejszą samodzielną pracę.


Dla kogo jest to szkolenie?

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

  • prognozujący zachowanie szeregów czasowych związanych z gospodarką, ekonomią, rynkiem pracy, produkcją przemysłową, rynkiem energetycznym, sprzedażą, itp.
  • analizujący dokładność prognoz i związane z tym ryzyko,
  • prognozujący szeregi czasowe podlegające wahaniom sezonowym,
  • wszyscy, którzy po prostu chcą dobrze prognozować szeregi czasowe i nie potrzebują rozległej wiedzy teoretycznej.


Skrót programu szkolenia

  • Co i kiedy możemy prognozować
  • Dane: wczytywanie i prezentacja graficzna
  • Podstawowe narzędzia wykorzystywane w prognozowaniu szeregów
  • Struktura danych — regularne tendencje i losowość
  • Podstawowe metody prognozowania szeregów


Program szkolenia

  1. Co i kiedy możemy prognozować
    • Przykłady szeregów czasowych (ekonomia, finanse, demografia i inne).
    • Czynniki wpływające na dokładność prognoz
    • Podstawowe etapy w procesie prognozowania
    • Prognozowanie szeregów czasowych w ujęciu statystycznym — oznaczenia i podstawowe pojęcia
  2. Dane
    • Czym różnią się szeregi czasowe od innych danych?
    • Jak wczytać dane i obsługiwać je w R?
    • Graficzna prezentacja danych: jak narysować wykresy szeregów i co można z nich odczytać?
    • Przygotowanie danych do analiz — przekształcenia wstępne szeregów
  3. Podstawowe narzędzia wykorzystywane w prognozowaniu szeregów
    • Wskaźniki sumaryczne: średnia, wariancja, autokorelacja (ACF) i autokorelacja cząstkowa (PACF)
    • Najprostsze metody prognozowania (metody naiwne, metody oparte na średniej)
    • Podstawowe kryteria oceny dokładności prognoz
    • Przedziały predykcyjne — dokładność prognoz
  4. Struktura danych — regularne tendencje i losowość
    • Jak odróżnić fluktuacje losowe od regularnych tendencji (składowych systematycznych) występujących w szeregu?
    • Czym jest tendencja długoterminowa (trend) i sezonowość (wahania sezonowe)?
    • Jak prawidłowo uwzględnić trend i sezonowość podczas konstrukcji prognoz?
  5. Podstawowe metody prognozowania szeregów
    • Prognozowanie na bazie modelu ARIMA
      • Identyfikacja i wybór stopnia złożoności modelu
      • Sprawdzenie poprawności dopasowania — podstawowe metody diagnostyczne
    • Wygładzanie (wyrównanie) wykładnicze
      • Podstawowe algorytmy: proste wygładzanie wykładnicze, metoda liniowa Holta, metoda sezonowa Holta-Wintersa
    • Porównanie skuteczności prognoz i wybór optymalnej metody

Spróbuj ponownie