Corso di Time-Series Forecasting in R

Con questo corso apprenderai come modellare dei dati relativi ad una time series di interesse per fare forecast e prevederne l’andamento futuro. Ti insegneremo le basi dell’approccio statistico econometrico di decomposizione delle serie storiche (ciclo, trend, stagionalità) e ad inserire nel modello delle variabili indipendenti che ipotizziamo influenzino il fenomeno d’interesse. Al termine imparerai anche ad effettuare analisi di scenario e a personalizzare, a livello grafico, l’output prodotto dal software.

Il corso è erogato in presenza oppure comodamente online.



Struttura del corso

Il corso prevede delle giornate di seminario per i dipendenti della tua azienda.
Per la prima volta al mondo delle time series: non è richiesta alcuna competenza econometrica.
Il seminario è interattivo, il docente esporrà degli argomenti didattici corredati da numerosi esempi ed applicazioni concrete di business.
Ogni allievo disporrà del proprio PC per applicare in tempo reale le metodologie proposte.
Al termine di ogni modulo del corso è previsto un task applicativo per mettere alla prova la competenza appresa.
E' inoltre prevista un’esercitazione finale da svolgere in autonomia con la supervisione del docente.

 




 




Gestione del corso

Il software utilizzato per questo corso è R studio ed utilizza il linguaggio R. Il dataset da utilizzare per il corso può essere concordato e personalizzato con il cliente o, in alternativa, possiamo utilizzare un dataset d’esempio da noi fornito.
Il corso dura complessivamente 12 ore e per parteciparvi è necessaria una conoscenza base del linguaggio R.
Il corso può essere erogato a singoli o a gruppi, e i giorni ed orari vengono concordati con il cliente.
Il corso si svolge in tre giornate a cui corrispondono moduli differenti:






DAY 1:

1. TIME SERIES OVERVIEW (definizione; obiettivi; definizione statistica)
2. OPERAZIONE PRELIMINARE (valori mancanti; analisi grafica)
3. DECOMPOSITION ( general details; trend; seasonality ; cycle; flitering ; differenciation; moving average)
4. TIME SERIES ESTIMATION (approccio stocastico; stazionarietà; invertibilità; ACF e PACF, WN Process; Random Walk; Moving Average Process; Autoregressive Process; ARMA Process; ACF / PACF Properties; ARIMA Process; Box-Jenkins)
5. TEST DI SPECIFICA (Residui con media nulla; rilevamento dei valori anomali; errori distr. normalmente; Omoschedasticità; Autocorrelazione / Autocovarianza)

 




 



DAY 2:

1. REVISIONE GIORNO 1 (Definizione time series; componenti time series ; modellazione time series ; proprietà del modello; equazioni di Yule Walker; test di autocorrelazione; pvalue)
2. VALUTAZIONE DEL MODELLO (Indicatori, proprietà di un modello buono
3. ESEMPI PRATICI (AR, ARMA, ARIMA)
4. REGRESSIONE (OLS, ipotesi OLS, proprietà OLS, stepwise, test OLS, variabili)
5. PREVISIONE (definizioni, tipi di previsione, metodologia, esempi semplici, simples exponential smoothing, valutazione)







DAY 3:

1. REVISIONE GIORNO 2 (valutazione del modello; esempi pratici; consigli pratici; regressione; previsione; esempi di previsione)
2. STAZIONARIETÀ E CORRELAZIONE (ADS, test KPSS)
3. SARIMA (definizione, proprietà, modello completo, ACF / PACF)
4. MODELLI DI REGRESSIONE DINAMICA (Formula, errori, stima, previsione, esempi)
5. DATA EVALUATION E SCENARIO BUILDING (Data Visualization, scenario building)

 






Luogo e Svolgimento del Corso di Time-Series Forecasting in R: Online oppure in sede.

Il corso si svolge presso la nostra sede in Via Enrico Cruciani Alibrandi 67 (Roma), via Skype con condivisione dello schermo oppure presso la sede del cliente (solo per aziende e Università)





Sei interessato a questo servizio o vorresti maggiori informazioni?       Contattaci      Contattaci su Whastapp