Прогнозирование временных рядов: программный подход
(FETSP)

Длительность: 3 дня.                Уровень: 4.                

Данный курс обучает аналитиков пользоваться программным обеспечением SAS/ETS для диагностики систематических колебаний в данных, собранных в течении некоторого времени. В частности обсуждается создание прогнозирующих моделей, оценка точности моделей и прогнозирование значения модели в будущем.

В данном курсе изучается, как строить

  • Простые прогнозирующие модели
  • Усложнённые прогнозирующие модели для автокоррелированных временных рядов и для временных рядов с трендами и сезонными колебаниями
  • Прогнозирующие модели с объясняющими переменными
  • Модели для оценки влияния событий (изменение законов, распродаж, маркетинговых продвижений, природных или антропогенных катастроф)

Для прохождения этого курса слушателям нужно уметь использовать SAS для создания и преобразования данных, их анализа (создание новых переменных, сведение данных по строке или группе строк, создание графиков и диаграмм). Вы можете получить необходимые знания на курсе Программирование на языке SAS. Часть 1: Основы. Знание макроязыка SAS не требуется, но будет полезным. Слушатели, не имеющие опыта в анализе данных и статистическом моделировании, могут получить необходимые знания на курсе Statistics 2: ANOVA and Regression.

Аудитория

Научные работники, инженеры и бизнес-аналитики, ответственные за построение прогнозирующих моделей, оценку стратегий и практики в своих организациях.

Введение в прогнозирование

  • Временные ряды и прогнозирование
  • Использование программного обеспечения SAS для прогнозирования
  • Вычисление критериев согласия и точности

Прогнозирующие модели для стационарных временных рядов

  • Введение в стационарные временные ряды
  • Автоматический выбор модели для стационарных временных рядов

Модели, описывающие тренд

  • Введение в нестационарные временные ряды
  • Моделирование тренда
  • Моделирование тренда: альтернативы PROC ARIMA

Модели, описывающие сезонные изменения

  • Модели ARIMA
  • Моделирование сезонных изменений: альтернативы PROC ARIMA
  • Прогнозирование авиационных перевозок

Модели с объясняющими переменными

  • Модель обычной регрессии
  • Модели событий
  • Модели регрессии временных рядов