Časové řady a předpovědi: Přístup s programováním

Kód	FETSP
Název	Časové řady a předpovědi: Přístup s programováním
Určení	Statistika a analýzy
Úroveň	2
Délka	standardně 3 dny, vždy 9-17 hodin (s pauzou na oběd)
Cena	18.225,- Kč 7.425,- Kč pro akademická pracoviště sleva 5% až 20% při dvou a více účastnících z jedné firmy uvedené ceny jsou bez DPH
Místo konání	SAS, Na Pankráci 17-19, Praha 4 (1. patro budovy)
Jazyk	přednášky - čeština školící materiály - angličtina
V ceně zahrnuto	přístup k PC (max. 1 účastník na 1 PC) školící materiály
Doporučené kurzy před	PRG1, PRG2, STAT1, MAC1 výhodou
Postupy školení	Forecaster

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 vytvářet predikční modely, vyhodnocovat přesnost modelu a předpovídat s pomocí odhadnutého modelu budoucí hodnoty. Pro přihlášení do kurzu byste měli mít v prostředí SAS zkušenosti se zadáváním a přenosem dat, vytvářením základních analýz (řádkové a sloupcové součty a průměry) a s vytvářením grafů. Tyto znalostí získáte například v kurzech PRG1 a PRG2. Znalost makro jazyka SAS je výhodou, ale není nutná. Účastníkům, kteří nemají žádné zkušenosti s analýzou dat a statistickým modelováním, doporučujeme nejprve absolvovat školení STAT1 / ST192 a/nebo STAT2 / ST292.

Po absolvování tohoto školení byste měli umět:

• sestavovat jednoduché predikční modely
• sestavovat složitější predikční modely pro autokorelované časové řady a pro řady s trendovou a sezónní složkou
• sestavovat predikční modely zahrnující vysvětlující proměnné
• připravovat data pro predikce

Obsah kurzu

Úvod do sestavování predikcí

• úvod do softwarového modulu SAS Time Series Forecasting
• úvod do statistických predikcí pomocí časových řad
• test dobré shody a přesnosti modelu

Jednoduché predikční modely

• modelování trendu
• modelování sezónnosti
• použití indikátorových proměnných pro modelování událostí

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 o pasažérech letecké společnosti
• predikce na datech s nestandardními časovými proměnnými

Predikční modely s vysvětlujícími proměnnými

• běžné regresní modely
• modely událostí
• modely regrese časové řady
• unobserved component

Další témata podle zájmu účastníků

Podělte se s námi o vaše nápady! Jsou zde další témata, která vám v kurzu chybí? Chtěli byste kurz uspořádat jinde nebo trochu jinak? Dejte nám o tom vědět na training@cze.sas.com.