تحلیل سریهای زمانی شامل تکنیکها و روشهایی است که برای تجزیه و تحلیل، مدلسازی و تفسیر دادههای سریهای زمانی به منظور شناسایی و کشف الگوها، روندها و روابط درون دادههای مذکور استفاده میشود. این تحلیلها ...
حمید کردبچه
+ 1 مدرس دیگر
آشنایی با مفاهیم پایهای سریهای زمانی
آشنایی با مدلهای تک متغیره
آشنایی با تکنیکهای هموارسازی و فیلتر کردن دادهها
آشنایی با تکنیکهای پیش بینی مدلهای تک متغیره
این دوره به نحوی تهیه و تدوین شده است که مباحث آن به سادهترین شکل ممکن بیان شوند و مخاطبان دوره بتوانند بهسادگی متوجه موضوعات مطرح شده شوند. به همین جهت برای شرکت در این دوره هیچ پیشنیاز به خصوصی وجود ندارد و افراد با هر سطحی از آگاهی و تحصیلات میتوانند از مباحث این دوره نهایت استفاده را داشته باشند.
تحلیل سریهای زمانی شامل تکنیکها و روشهایی است که برای تجزیه و تحلیل، مدلسازی و تفسیر دادههای سریهای زمانی به منظور شناسایی و کشف الگوها، روندها و روابط درون دادههای مذکور استفاده میشود.
این تحلیلها ابزار بسیار قدرتمندی برای توصیف کمی و تجزیه و تحلیل دادههایی هستند که در بستر زمان تعریف شده و متشکل از دو جز سیگنال و نویز هستند. دامنه کاربرد این تحلیلها از حوزههای اقتصادی، مالی، کسب و کار تا حوزههای پزشکی، علوم پایه و مهندسی گسترده است.
این درس که یک درس تخصصی مقدماتی در این حوزه است چهار بخش اصلی از مباحث سریهای زمانی را پوشش میدهد. بخش اول مفاهیم پایهای در تحلیلهای سریهای زمانی مانند فرایندهای تصادفی و انواع و ویژگیهای آنها، مانایی و نامانایی و غیره را با تمرکز بر ارائه کاربردی آنها، پوشش میدهد. بخش دوم مدلهای سری زمانی تک متغیره را ارائه میکند که کاربرد گستردهای در تحلیل و پیشبینی رفتار متغیرها بر اساس گذشته آنها دارند.
بخش سوم به معرفی ابزارهای مهم و عمومی مورد استفاده در تحلیلهای سری زمانی مانند ضرایب خودهمبستگی و خودهمبستگی جزئی، معیارهای اطلاعات، آزمونهای تصادفی، نامانایی و مانایی، هموار سازهای نمایی، فیلترینگ و فیلترهای چرخههای تجاری می پردازد. در آخرین بخش پیشبینی و تکنیکهای پیشبینی در سریهای زمانی تک متغیره و همچنین سنجههای عمومی ارزیابی درستی پیشبینی تدریس میشود.
در ارائه این درس با تمرکز بر کاربردی بودن، تلاش شده است با استفاده از مثالها و دادههای واقعی و توصیف شهودی و مفهومی مباحث و اجرای همه مفاهیم و مدلها در نرم افزار استتا، درک سادهای از موضوعاتی که اغلب پیچیده هستند، برای استفاده کنندگان فراهم شود.
مخاطبین این درس کلیه دانشجویان رشتههای اقتصاد، مالی، مدیریت، کسب و کار، حسابداری و دانشجویان سایر رشتهها هستند که در حوزه سری زمانی مطالعه میکنند. همچنین این درس به عنوان یک درس مقدماتی و کاربردی در تحلیلهای سری زمانی تخصصی برای کلیه کارشناسان حوزههای اقتصادی، مالی، بانکی و بیمهای و تحلیلگران بازار بورس قابل استفاده است.
برای استفاده مناسب از مباحث این درس، آشنایی با اقتصادسنجی عمومی، و درک حداقلی و مقدماتی از فرایندهای تصادفی، معادلات تفاضلی و نرافزار استتا لازم است. البته در طول این درس تلاش شده است برای مخاطبینی که به این مباحث نیاز دارند، توصیف حداقلی از موضوعات مذکور ارائه شود.
اطلاعات بیشتر
از مجموع 5 امتیاز
3 نظردکتر حمید کردبچه کارشناسی اقتصاد نظری و کارشناسی ارشد علوم اقتصادی را در دانشکده اقتصاد دانشگاه تهران آموخته و دوره دکتری خود را در رشته اقتصاد و سازماندهی صنعتی در دانشگاه اسکس انگلستان گذرانده است. ایشان هم اکنون عضو هیات علمی دانشگاه الزهرا است. حوزههای مورد علاقه ایشان اقتصاد سنجی کاربردی، اقتصاد خرد و سازماندهی صنعتی است. دکتر کردبچه در سوابق کاری خود مسؤلیتهایی از جمله ریاست دانشکده اقتصاد و علوم اجتماعی دانشگاه الزهرا و ریاست پژوهشکده بیمه را دارند.
اطلاعات بیشتر
مطهره خاکسار مقطع کارشناسی اقتصاد نظری و کارشناسی ارشد علوم اقتصادی را در دانشکده اقتصاد دانشگاه بوعلی سینای همدان آموخته و هم اکنون دانشجوی مقطع دکتری علوم اقتصادی گرایش اقتصادسنجی- اقتصاد مالی دانشگاه الزهرا است.حوزههای مورد علاقه ایشان اقتصاد سنجی کاربردی، اقتصاد خرد و اقتصاد دیجیتال است.
اطلاعات بیشتر