Szkolenie

Szeregi czasowe,

Analiza i prognozowanie szeregów czasowych w praktyce

Prowadzący: Adam Zagdański,

Program: PDF lub poniżej

Rodzaj: Otwarte + wewnętrzne

Czas trwania: 2 dni

Najbliższe szkolenie: Kraków, 3-4.11.2016

Cena: 2.300 zł netto (+23% VAT)

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


Mogą cię zainteresować: System R: podstawy, operacje na danych, analiza danych, grafika oraz programowanie, Praktyczna analiza danych w R, Finansowe szeregi czasowe – analiza i prognozowanie, Wielowymiarowe szeregi czasowe i analiza interwencji,

Terminy szkoleń: Sprawdź


To szkolenie jest w R: dlaczego warto?  

Szereg czasowy to obserwacje interesującej nas wielkości, zarejestrowane w kolejnych odstępach czasu (np. dniach, miesiącach lub kwartałach). Z szeregami czasowymi często spotykamy się, gdy zachodzi konieczność podejmowania ważnych decyzji biznesowych, np. dotyczących kupna/sprzedaży, produkcji, zatrudnienia czy logistyki. Dwa najważniejsze zadania analizy szeregów czasowych to identyfikacja regularnych tendencji (tzw. dekompozycja) oraz prognozowanie.

Jak przygotować dane do analizy? Którą metodę dekompozycji zastosować? Jak wyznaczyć optymalne prognozy i ocenić ich dokładność? Jak prawidłowo zinterpretować wyniki przeprowadzonej analizy? Uczestnicząc w naszym szkoleniu poznasz odpowiedzi na te i podobne pytania. Podczas warsztatów zdobędziesz umiejętności posługiwania się metodami analizy i prognozowania szeregów czasowych, które będziesz mógł wykorzystać w praktyce. Szkolenie da Ci także możliwość poznania podstaw metodologicznych, a zdobyta wiedza będzie solidną bazą ułatwiającą poznawanie zaawansowanych aspektów analizy szeregów czasowych.


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

Spróbuj ponownie