Časové řady a předpovědi: Interaktivní aplikační rozhraní

Tento kurz je určený analytikům, statistikům, ekonomům, specialistům úseků ekonomického plánování, řízení zásob, výzkumu trhu a dalších oborů, kteří potřebují analyzovat časové řady a vytvářet předpovědi. Účastníci se v kurzu naučí pracovat s časovými řadami pomocí interaktivního nástroje SAS Time Series Forecasting System (SAS/ETS). Zájemcům o sestavování analýz časových řad v programovacím jazyku SAS (psaní kódu) je určeno příbuzné školení FETSP. Pro přihlášení do kurzu není nutné mít zkušenosti s predikcemi ani programováním, nicméně účastníci by měli:

• mít základní orientaci v problematice časových predikcí
• umět vytvářet a používat SAS tabulky např. v prostředí Base SAS nebo SAS Enterprise Guide
• umět používat software pro exploraci a analýzu dat včetně grafického zobrazení dat
• umět vyhodnocovat kvantitativní předpovědi vztažené ke konkrétnímu obchodnímu problému na základě znalosti určitého odvětví (finance, výroba, retail)

Po absolvování tohoto školení byste měli umět:

• identifikovat trendy a sezónní výkyvy v časových řadách
• navrhnout model s jednoduchým i složitějším trendem a sezónní model a tento model odhadnout pro konkrétní data
• vybrat vstupní proměnné pro zahrnutí do regresního modelu časové řady
• identifikovat vazbu mezi cílovou proměnnou a vstupními proměnnými
• navrhnout a odhadnout dynamický regresní model časové řady pro konkrétní data

Obsah kurzu

Ekonomické predikce

• úvod do ekonomických predikcí
• úvod do predikcí časových řad
• měření přesnosti predikce
• popisná a exploratorní analýza časových řad

Jednoduché predikční modely časových řad

• modelování trendu
• modelování sezónnosti
• použití indikátorových proměnných pro modelování událostí
• modely exponenciální vyrovnání s trendovou složkou
• modely exponenciální vyrovnání s trendovou a sezónní složkou

Pokročilé predikční modely pro stacionární časové řady

• úvod do Box-Jenkinsovy predikce
• autoregresní modely (AR)
• modely klouzavých průměrů (MA)
• model kombinující autoregresi a klouzavé průměry (ARMA)
• volba vhodného ARMA modelu
• odhad a metody predikce

Pokročilé predikční modely pro nestacionární časové řady

• využití diferencování při modelování trendu a sezónnosti
• modely trendu
• modely sezónnosti
• predikce na datech letecké společnosti
• predikce na datech o prodejích spotřební elektroniky

Predikční modely s vysvětlujícími proměnnými

• běžné regresní modely
• modely událostí
• modely regrese časové řady
• analýza událostí na datech o použití bezpečnostních pásů
• analýza událostí na datech letecké společnosti
• vyhodnocení efektivity reklamy

Zpracování dat obsahujících časové řady

• zpracování dat s časovým údajem
• obohacení dat s proměnnými o události