Jupyter的控制面板(二)
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。
公开笔记对他人可见,有机会被管理员评为“优质笔记”
{{ noteEditor.content.length }}/2000
讲师收到你的提问会尽快为你解答。若选择公开提问,可以获得更多学员的帮助。
课程大纲