Python时间序列分析 (Time Series Analysis in Python)

区分时间序列数据和横截面数据,了解时间序列数据的基本假设, 根据过去观察到的模式预测未来

2381人学习

中级76课时2020/04/17更新

二维码下载学堂APP缓存视频离线看

EduFancy
  • 课程介绍
  • 课程大纲

适合人群:

编程初学者;数据科学家;希望研究金融的程序员;希望更好利用Python的人士

你将会学到:

区分时间序列数据和横截面数据,了解时间序列数据的基本假设, 根据过去观察到的模式预测未来

课程简介:

商业银行如何预测其贷款组合的预期绩效?还是投资经理如何估计股票投资组合的风险?用来预测房地产属性的定量方法有哪些?

 

如果存在时间依赖性,那么您就知道了,答案是:时间序列分析。

 

本课程将教您实用的技能,使您可以从事量化金融分析师,数据分析师或数据科学家的工作。您将很快获得基本技能,使您能够执行直接适用于实践的复杂时间序列分析。我们的时间序列课程,它不仅可以长期观看,而且易懂、系统、包含大量练习和资源。我们采用最出色的编程工具Python(目前流行的编程语言)来实现它们,以帮助您学习随后的建模。

 

然后,在整个课程中,我们将使用许多Python库,为您提供完整的培训。我们将使用内置于Pandas中的强大时间序列功能,以及其他基本库,例如NumPy,matplotlib,StatsModels和ARCH。借助这些工具,我们将学习最广泛使用的模型:

 

·AR(自回归模型)

·MA(移动平均模型)

·ARMA(自回归移动平均模型)

·ARIMA(自回归综合移动平均模型)

·ARIMAX(带有外生变量的自回归综合移动平均模型)

·ARCH(自回归条件异方差模型)

·GARCH(广义自回归条件异方差模型)

 

本课程正是您需要一劳永逸地理解时间序列的课程。不仅如此,您还将获得大量其他材料-笔记本文件,课程笔记,测验问题以及许多很多练习-一切都包括在内。

 


展开更多

课程大纲-Python时间序列分析 (Time Series Analysis in Python)

展开更多
在线
客服
APP
下载

下载Android客户端

下载iphone 客户端

官方
微信

关注官方微信

返回
顶部