Анализ временных рядов и прогнозирование с помощью IBM SPSS Forecasting (SPSS Trends)
Подробный план курса

Продолжительность: 3 дня

День1 

10.00 - 11.00

• Что такое анализ временных рядов? 
• Что такое временной ряд 
• Временной и частотный подходы к анализу временных рядов 
• Модели временных рядов и эконометрические модели 
• Классическая регрессионная модель
• Открытие файла данных, содержащего временной ряд 
• График последовательностей 
• Тренд, сезонная и циклическая компоненты 
• Что такое модель временного ряда 

• С чего начать анализ временных рядов 
• Определение периодичности временного ряда. 
• Требования к данным для построения моделей временных рядов. 
• С какой периодичностью должны собираться данные 
• Определение дат и представление временных рядов в SPSS 
• Работа с пропущенными значениями 
• График последовательностей 

• Сглаживание временных рядов 
• Скользящие средние 
• Скользящие медианы 

• Сглаженный ряд и остатки 
• Исследование ряда 
• Получение сглаженного ряда и остатков 

• Использование скользящего среднего для прогнозирования 
• Опережающее скользящее средние для ряда без тренда 
• Опережающее скользящее средние для ряда с трендом 

• Введение в Экспоненциальное сглаживание
• Введение в экспоненциальное сглаживание 
• Простое экспоненциальное сглаживание 
• Экспоненциальное сглаживание с линейным трендом 
• Экспоненциальное сглаживание с линейным трендом и аддитивной сезонностью 
• Экспоненциальное сглаживание с линейным трендом и мультипликативной сезонностью 
• Рекомендуемый подход 
• Определение дат 
• Построение диаграммы последовательностей 

• Введение в Экспоненциальное сглаживание (продолжение)
• Построение диаграммы последовательностей 
• Определение тренда и сезонности 
• Виды тренда 
• Типы сезонности 
• Идентификация тренда и сезонности для ряда parcel 
• Оценивание параметров экспоненциального сглаживания 
• Оценивание или задания весов (параметров) экспоненциального сглаживания
• Исследование результатов 
• Уточнение параметров модели 

• Измерение качества (согласия) моделей 
• Анализ ошибок модели на графике последовательности 
• Проверка на автокорреляцию 
• Статистики согласия 
• Проверка нормальности остатков 
• Разбиение ряда на оцениваемую и прогнозируемую части 
• Прогнозирование с помощью модели Экспоненциального сглаживания 
• Дополнительные замечания об экспоненциальном сглаживании

• Подгонка простой кривой к временному ряду 
• Введение в регрессионный анализ 
• Примеры применения регрессии 
• Простая регрессия временного ряда 
• Другие модели подгонки кривых 
• Сравнение качества моделей 
• Анализ модельных ошибок на графике последовательностей 

• Подгонка простой кривой к временному ряду (продолжение) 
• Статистики согласия 
• Проверка на наличие автокорреляции 
• Выводы при сравнении качества моделей 
• Прогнозирование с помощью модели роста 
• Изображение прогноза на графике последовательностей 
• Заключительные замечания о процедуре Подгонка кривых 

• Сезонная декомпозиция 
• Что такое сезонная декомпозиция 
• Какой метод сезонной декомпозиции использовать?
• Основные направления использования сезонной декомпозиции 
• Сезонная декомпозиция (мультипликативная) 
• Замечания о сезонной декомпозиции 

• Множественная Регрессия и Авторегрессия 
• Построение модели множественной линейной регрессии 
• Проверка на автокорреляцию 
• Использование авторегрессии 
• Проверка на наличие автокорреляций в новой модели 
• Какая модель лучше соответствует данным? 
• Прогнозирование с помощью модели авторегрессии 
• Построение прогноза для числа посетителей 
• Возможные неполадки 
• Представление прогноза на графике последовательностей 

• Авторегрессионные модели 
• Идентификация модели ряда 
• Регрессионная модель временного ряда 
• Что такое ARIMA 
• Модель АРПСС (ARIMA) 
• Поведение прогноза для короткого и длительного периода времени

• Смешанные модели и Выбросы
• Исследование ряда 
• Подгонка пробной модели
• Процесс построения модели ARIMA (АРПСС)
• Добавление

• Некоторые подходы к моделированию нестационарных временных рядов 
• Задание и моделирование данных
• Регрессия на тренд 
• Исследование качества подгонки тренда и ошибки 
• Линейная подгонка
• Квадратичная подгонка 
• Кубическая подгонка 
• Использование регрессии для подгонки авторегрессионных моделей с трендом
• Применение модели ARIMA (1,0,0) 
• АРПСС: Случайное блуждание с дрейфом 

• Построение регрессии с автокоррелированными остатками 
• Исследование ряда 
• Регрессия методом наименьших квадратов 
• Подход Кохрена-Оркутта 
• Метод точного максимального правдоподобия 

• Смешанные модели и Выбросы
• Исследование ряда 
• Подгонка пробной модели
• Процесс построения модели ARIMA (АРПСС)
• Добавление

• Модели ARIMA для сезонных временных рядов
• Формирование данных и вывода простых статистик
• Идентификация модели ARIMA
• Оценка модели ARIMA
• Диагностика модели

Ресурсы
Семинары
Техническая поддержка
Учебные курсы
Расписание учебных курсов
на I полугодие 2011 года
Курсы в разработке