Код: 318375

Назва:

Аналіз часових рядів

Анотація: Аналіз часових рядів має широке застосування в економічній та фінансовій сферах, а також у геофізиці, океанографії, астрономії, техніці та багатьох інших галузей. Значна частина курсу присвячена прикладам практичного застосування методів, що вивчаються. У курсі вивчаються стандартні теми аналізу часових рядів, зокрема, моделювання часових рядів з використанням регресійного аналізу, одновимірне моделювання ARMA/ARIMA, (G)ARCH моделювання, модель векторної авторегресії (VAR), прогнозування, ідентифікацієя моделі та діагностика. Усі теоретичні поняття наводяться з прикладами застосування та методами чисельного експерименту та візуалізації результатів (за допомогою мови статистичного програмного забезпечення R або Python).

Тип дисципліни: вибіркова

Рік навчання: 2

Семестр: 3 (осінній)

Кількість кредитів: 4

Форма контролю: залік

Викладач(і): доц., к.ф-м.н. Крюкова Г.В.

Результати навчання: Знати та розуміти закономірності, методи та підходи творчої та креативної діяльності, системного мислення у професійній сфері. Уміння застосовувати та демонструвати знання і розуміння для розв'язування задач, які характерні обраній спеціальності. Вміти чітко, послідовно та логічно висловлювати свої думки та переконання українською та/або однією з офіційних мов ЄС. Мати навики самостійної роботи, бути самокритичним, оцінювати величину ризиків, експериментів і результатів. Вміти використовувати раціональні методи та методики проведення наукових та прикладних досліджень.
Вміти системно читати літературу за фахом (у тому числі закордону), складати реферати, анотації, аналітичні огляди тощо. Формалізувати задачі, сформульовані мовою певної предметної галузі, здійснювати їх математичну постановку та обирати раціональний метод вирішення. Знати методи проведення досліджень та вміти аналізувати складність технічних систем, розуміти складність задач оптимізації цих систем та їх елементів, вдосконалювати методики їх проведення. Вміти розробляти нові та модифікувати існуючі математичні методи й інформаційні технології та застосовувати в реальних умовах. Мати здібності до пізнання і оцінки методів інноваційної діяльності та використовувати їх при розробці математичних методів і IТ- технологій. Вміти встановлювати зв'язок між процесами у професійній галузі та описувати його математично. Поєднувати методи математичного та комп'ютерного моделювання з неформальними процедурами експертного аналізу для пошуку оптимальних рішень. Вміти організувати збір, класифікацію та розміщення інформації. Вміти оцінити точність отриманих рішень. Вміти застосовувати сучасні IТ- технології при розробці програмних систем, включно проектування, кодування, тестування. Обгрунтовувати власний погляд на задачу та спосіб її розв'язання, спілкуватися з колегами з питань застосування апарату математичної логіки.
Застосовувати вивчені методи машинного навчання при вирішенні реальних практичних задач.

Спосіб навчання: дистанційний

Необхідні обовязкові попередні й супутні модулі: Математичні методи машинного навчання Лінійна алгебра Математичний аналіз Теорія ймовірностей та математична статистика

Зміст дисципліни: Значна частина курсу присвячена прикладам практичного застосування методів, що вивчаються. У курсі вивчаються стандартні теми аналізу часових рядів, зокрема, моделювання часових рядів з використанням регресійного аналізу, одновимірне моделювання ARMA/ARIMA, (G)ARCH моделювання, модель векторної авторегресії (VAR), прогнозування, ідентифікацієя моделі та діагностика. Усі теоретичні поняття наводяться з прикладами застосування та методами чисельного експерименту та візуалізації результатів (за допомогою мови статистичного програмного забезпечення R або Python).


Рекомендована література: 1. Бокс Дж., Дженкінс Г. Аналіз часових рядів, прогноз та керування: Пер. с англ. // Під ред. В. Ф. Писаренко. - М.: Мир, 1974, кн. 1. - 406 с.
2. Андерсон Т. Статистичний аналіз часових рядів.
3. Кендалл М., Стюарт А. Багатовимірний статистичний аналіз та часові ряди (том 3).
4. Montgomery D.C., Jennings C.L., Kulahci M. Introduction to time series analysis and forecasting.



Форми та методи навчання: лекцї, практичн заняття, виконання індивідуальних завдань.

Методи й критерії оцінювання: рейтингова система оцінювання за 100-бальною шкалою: - робота в семестрі (контрольні, індивідуальні завдання) - 70%; - залік - 30%.

Мова навчання: українська