Analiza i prognozowanie szeregów czasowych w praktyce

Czego się nauczysz?

• Poznasz wszystkie etapy analizy szeregów czasowych: od niezbędnych przekształceń danych, poprzez identyfikację tendencji długoterminowych i sezonowych, dopasowanie i diagnostykę modeli, aż do konstrukcji prognoz.
• Zrozumiesz, jak analizować zjawiska zależne od czasu.
• Nauczysz się przygotowywać dane do budowy modeli szeregów czasowych.
• Poznasz klasyczne modele statystyczne oraz metody algorytmiczne stosowane do dekompozycji i prognozowania szeregów czasowych.
• Nauczysz się, jak wybrać optymalny model dla danych oraz jak ocenić dokładność skonstruowanych prognoz.
• Wszystko przećwiczysz w praktyce na komputerze: używamy systemu R lub ITSM 2000.
• Otrzymasz obszerne materiały umożliwiające samodzielną późniejszą pracę.

Dla kogo jest to szkolenie?

Pracownicy departamentów controllingu, sprzedaży, marketingu i innych:

• analizujący przebiegi czasowe różnych wielkości,
• prognozujący wielkości zależne od czasu,
• wszyscy zainteresowani poznaniem sposobów analizy i prognozowania szeregów czasowych.

Skrót programu szkolenia

• Wprowadzenie do analizy szeregów czasowych
• Podstawowe narzędzia stosowanie w analizie zależności czasowej
• Przekształcenia danych: przygotowanie danych do budowy modelu
• Przegląd modeli stosowanych w analizie szeregów czasowych
• Dopasowanie i ocena jakości modelu: najważniejsze zagadnienia teoretyczne i praktyka
• Metody prognozowania szeregów czasowych
• Ocena i porównanie dokładności prognoz
• Modelowanie i prognozowanie szeregów czasowych w praktyce

Program szkolenia

1. Wprowadzenie do analizy szeregów czasowych
   • przykłady szeregów czasowych spotykanych w praktyce (ekonomia, finanse, przemysł, demografia i inne obszary)
   • główne cele i zadania analizy szeregów czasowych
2. Wstępna analiza szeregów czasowych
   • podstawowe narzędzia wykorzystywane w analizie szeregów czasowych (funkcja autokorelacji ACF, funkcja częściowej autokorelacji PACF)
   • przekształcenia wstępne wykorzystywane w analizie szeregów czasowych (różnicowanie, transformacje Boxa-Coxa, normalizacja)
   • wizualizacja i wstępna analiza danych na przykładach wybranych danych rzeczywistych
3. Modelowanie szeregów czasowych – najważniejsze zagadnienia i problemy praktyczne
   • klasyczne modele statystyczne vs podejście algorytmiczne
   • szeregi stacjonarne i niestacjonarne
   • identyfikacja i eliminacja trendów długoterminowych i wahań sezonowych
   • metody dekompozycji szeregów czasowych
   • dopasowanie i ocena jakości modelu (identyfikacja modeli, estymacja parametrów, diagnostyka, testy statystyczne)
   • wybór optymalnego modelu – możliwe strategie i stosowane kryteria
   • dopasowanie i diagnostyka modeli dla wybranych szeregów czasowych – przykłady praktyczne
4. Prognozowanie szeregów czasowych
   • prognozy punktowe i przedziały predykcyjne
   • prognozowanie z wykorzystaniem klasycznych modeli statystycznych (AR, MA, ARMA, ARIMA)
   • wygładzanie wykładnicze – różne warianty (proste wygładzanie wykładnicze, metody Holta i Holta-Wintersa)
   • prognozy krótko- i długoterminowe
   • jak ocenić i porównać dokładność prognoz?
   • konstrukcja prognoz punktowych i przedziałowych dla wybranych danych rzeczywistych; porównanie dokładności prognoz uzyskanych z wykorzystaniem różnych metod i wybór najlepszej metody