Solo pochi attimi di attesa

Posizione corrente:

Ti trovi in: Home » Scuola di Formazione Aziendale » Analisi dei dati » Analisi delle Serie Storiche

Analisi delle Serie Storiche

Modellare e prevedere la dinamica nel tempo di un fenomeno basandosi sul suo andamento nel passato

Il corso presenta le principali metodologie di Analisi delle Serie Storiche univariate, che consentono di identificare le componenti della dinamica temporale di un fenomeno e di prevederla facendo riferimento solo al suo comportamento passato.

Obiettivi

L’Analisi delle Serie Storiche punta a descriverne l’andamento nel tempo ed a formulare previsioni realistichesul loro andamento futuro.

L’obiettivo principale del corso è presentare le tecniche più utilizzate di Analisi delle Serie Storiche univariate, che descrivono un fenomeno tramite una sola variabile e lo modellano rispetto al tempo e/o rispetto ai valori passati della stessa variabile. Il partecipante imparerà a scomporre l’andamento di una serie in componenti più semplici ed a stimare i parametri che ne caratterizzano la dinamica. In deroga all’approccio generale, il primo modulo è dedicato alla regressione lineare, che permette di modellare il comportamento di una variabile in funzione di altre variabili. Ci si focalizzerà sulla formulazione dei modelli, sulle ipotesi retrostanti, sui dati richiesti, sui risultati generati e sulla loro interpretazione; le applicazioni illustrative saranno tratte per lo più dall’ambito economico e finanziario.

Didattica

Le lezioni combinano elementi teorici essenziali con esempi ed applicazioni pratiche su dati reali, illustrative delle varie tecniche, sfruttando il software open source Gretl.

Destinatari

Il corso è rivolto prevalentemente a manager, tecnici, professionisti, consulenti che devono effettuare previsioni a breve e lungo termine a supporto dell’area Finanza, Produzione, Marketing, ecc., nonché ad analisti e ricercatorichiamati a modellare e prevedere fenomeni quantitativi nelle scienze applicate.

Analisi delle Serie Storiche

Programma

  1. Regressione lineare semplice e multipla

    Consente di stimare una relazione funzionale lineare tra una variabile di interesse ed una o più variabili che possono spiegarla. Verrà esaminato il caso in cui la relazione è affetta da errori sferici e Gaussiani. Si vedrà come si stimano i suoi coefficienti con i metodi dei minimi quadrati e della massima verosimiglianza e quali proprietà possiedono. Con l’indice di determinazione lineare e l’analisi dei residui si valuterà la coerenza del modello con i dati osservati e con le ipotesi formulate. Si vedrà come condurre test statistici sui coefficienti del modello, presi singolarmente o a gruppi. Infine, si vedrà come sfruttare il modello a fini previsivi. [5 ore]

  2. Analisi deterministica delle serie storiche

    In questo modulo la serie storica verrà riguardata come una sequenza deterministica di osservazioni. Si mostrerà come scomporne l’andamento in componenti di trend, ciclo e stagionalità. Verranno discussi modelli interpretativi di tipo polinomiale, esponenziale, a media mobile, con livellamento esponenziale e si introdurranno le principali tecniche di destagionalizzazione. L’analisi dei residui e l’uso dei vari modelli a fini previsivi completano gli argomenti di questo modulo. [5 ore ]

  3. Analisi stocastica delle serie storiche: processi univariati

    In questo modulo, come nel successivo, la serie storica verrà riguardata come realizzazione di un processo generatore dei dati di tipo aleatorio. Si definiranno la nozione di processo stocastico ed i suoi momenti. Si studierà il processo più semplice, il White Noise, per poi discutere le proprietà di invertibilità, stazionarietà ed ergodicità di un processo stocastico ed i concetti di funzione di autocorrelazione parziale e globale. Infine, si tratteranno processi più generali come quelli Gaussiani, Markoviani e di Yule. [5 ore ]

  4. Analisi stocastica delle serie storiche: modelli autoregressivi ed a media mobile

    Verranno presentati processi stocastici che consentono di modellare il valore corrente della serie in funzione di alcuni valori passati e/o di alcuni White Noise. Si descriveranno le caratteristiche principali dei modelli puri, autoregressivi (AR) o a media mobile (MA), per poi trattare quelli che combinano le due componenti (ARMA, ARIMA). Per i modelli maggiormente utilizzati nella pratica – AR(1), MA(1), ARMA(1,1), ARIMA (0,1,0) – si vedrà come stimare i coefficienti e studiare il fit ai dati, con riferimento alla procedura Box-Jenkins. Infine, saranno considerati modelli dove la varianza corrente della variabile (condizionata al passato) si modifica nel tempo in funzione dei termini di disturbo passati ed eventualmente dei suoi stessi valori passati (ARCH, GARCH). [6 ore ]

Personalizzazioni

La SFA è disponibile a valutare richieste di personalizzazione del programma del corso sotto vari profili. Puoi aggiungere argomenti funzionali agli obiettivi formativi, anche in sostituzione di argomenti in programma valutati di minor interesse. Puoi aggiungere prerequisiti, qualora tu ritenga di non avere le conoscenze di base necessarie per affrontate uno o più argomenti. Possiamo anche calibrare la didattica dando maggiore attenzione agli aspetti teorici o, viceversa, a quelli operativi.

Erogazione

Il corso prevede 21 ore di lezione erogate da uno o più Tutor della SFA; si suggerisce un minimo di 3-4 ore a settimana. Gli orari di lezione vanno concordati con i Tutor; si assicura ogni sforzo per accomodare le preferenze di giorni/orari dei partecipanti, entro l’orario di servizio (08:00 – 22:00, lunedì – domenica). Al termine del corso si rilascia un attestato di partecipazione riportante il programma svolto e firmato dal corpo docente. Si potrà anche richiedere la certificazione delle conoscenze acquisite previo superamento di una prova d’esame.

Quota di partecipazione

  • 1 pacchetto da 21 ore a € 672,00 (iva esclusa), acquistabile in un’unica soluzione.
  • 3 pacchetti da 7 ore l’uno a € 238,00 a pacchetto (iva esclusa), acquistabili separatamente.

La quota di partecipazione può variare in caso di personalizzazione del programma e si riferisce all’erogazione ad un solo partecipante, in aula virtuale tramite la nostra piattaforma (Tutoring Room). Contatta il nostro Staff per informazioni sul costo del corso in caso di erogazione a due o più partecipanti e/o in aula tradizionale.

Guida alla Tutoring Room

Corsi collegati

Data Mining e Machine Learning: una panoramica
Data Mining e Machine Learning per il MARKETING
Metodologie di Data Mining e Machine Learning (BASE)
Metodologie di Data Mining e Machine Learning (INTERMEDIO)
Metodologie di Data Mining e Machine Learning (AVANZATO)

Vuoi maggiori informazioni?

Scopri di cosa parliamo

Neque porro quisquam est, qui dolorem ipsum quia dolor sit amet, consectetur, adipisci velit, sed quia non numquam eius modi tempora incidunt ut labore et dolore magnam aliquam keywords.