کارگاه آموزشی آنلاین تحلیل داده های سری زمانی مالی با پایتون

کارگاه آموزشی آنلاین آشنایی با شبکه های عصبی مصنوعی در ۲۴ بهمن ماه، برگزار خواهد شد.

اطلاعات و نحوه شرکت کاربران ارجمند در کارگاه، از طریق ایمیل اطلاع رسانی ارسال خواهد شد.

چکیده:

• آشنایی با سری‌های زمانی و انواع آن
• آشنایی با اجزای تشکیل دهنده سری زمانی
• تحلیل توصیفی سری‌های زمانی
• آشنایی با سری‌های ایستا و ناایستا
• تبدیل سری‌های ناایستا به سری‌های ایستا با روش‌های موجود
• آشنایی با عملگرهای پسرو و تفاضلی کردن
• آشنایی با توابع خودهمبستگی و خودهمبستگی جزیی
• تعیین نوع سری با توجه به توابع خودهمبستگی و خودهمبستگی جزیی
• شناخت الگو و برآورد پارامترهای یک مدل سری زمانی
• پیش‌بینی با مدل‌های ARIMA
• تعیین بهترین مدل ARIMA بر اساس داده‌ها

سرفصل‌ها:

1. مقدمه‌ای بر سری‌های زمانی
2. ویژگی‌های سری‌های زمانی
3. اهداف اصلی تحلیل سری‌های زمانی
4. پیش‌بینی سری‌های زمانی
5. چارچوب 5 مرحله‌ای هیندمن برای پیش‌بینی
6. اجرای فرایند پیش‌بینی داده‌های مالی با استفاده از مدل‌های آریما

گام های پیاده سازی

• گام اول: تعریف مسئله
• گام دوم: جمع‌آوری داده‌های مالی سری زمانی
• گام سوم: تحلیل داده‌های مورد بررسی
• گام چهارم: انتخاب و برازش مدل بر روی داده‌های موجود
•  گام پنجم: ارزیابی مدل‌های انتخاب شده