Python与时间序列（中文版）

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（目前广泛使用的编程语言）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。