"آموزش تحلیل و پیش‌بینی سری‌های زمانی درس یکم: تحلیل و پیش‌بینی سری زمانی تک متغیره (ث)"

توضیحات:

برای کسب اطلاعات بیشتر، به این لینک مراجعه نمایید:
#faradars.org/fvec9406

تحلیل سری های زمانی به عنوان مبحثی کاربردی در تمامی رشته های علمی از قبیل مهندسی، اقتصاد، جغرافیا، مدیریت و … استفاده می شود. بررسی گذشته داده ها به منظور شناسایی و تعیین ماهیت یک پدیده قدم اول در یک مدل سازی اصولی است که با استفاده از آن می توان در گام بعدی به یک پیش بینی صحیح و قابل اتکا دست یافت. لذا این فرادرس بنای آن دارد که با استفاده از نرم افزارهای معتبر شناخته شده، مبانی نظری به روز و اساسی این حوزه را در قالبی مدون، ساده و کاربردی در اختیار مخاطبان و هموطنان عزیز قرار دهد.


سرفصل های مورد بحث در این فیلم آموزشی عبارتند از:
درس یکم: تحلیل و پیش بینی سری زمانی تک متغیره
مقدمات تحلیل های سری زمانی
فرایند میانگین متحرک Moving Average Process
فرایندهای خود رگرسیو Autoregressive Process
مدل سازی ARMA – روش باکس جنکینز
مدل سازی ARIMA
هموارسازی نمایی
پیش بینی سری های زمانی تک متغیره
درس دوم: مانایی، ریشه واحد، هم انباشتگی
مبانی و مفاهیم
بررسی روند و روند زدایی در سری زمانی
آزمون ریشه واحد
شبیه سازی مونت کارلو (مقادیر بحرانی ADF)
رویکرد Elliote-Rothenberg Stock
آزمون ریشه واحد و شکست ساختاری
شکست ساختاری چندگانه (Multiple Structural Breaks)
آزمون Lumsdaine-papell
آزمون Lee-Strazicich
هم انباشتگی
آزمون های هم انباشتگی
مدل های تصحیح خطا ECM
درس سوم: سری های زمانی فصلی
مبانی و مقدمات
الگوی فصلی قطعی
مدل های ARIMA فصلی (SARIMA)
آزمون ریشه واحد فصلی
آزمون HEGY
آزمون OCSB
آزمون DHF
تعدیلات فصلی Seasonal adjustment

مدرس:دکتر پژمان بهرامیان

لغات کلیدی:

آموزش, تحلیل, و, پیش, بینی, سری, های, زمانی

---

نظرات برای این ویدئو توسط کاربر غیر فعال شده است.

درباره ما | تماس با ما | قوانین تخته سفید