.png)
Katılımcılara zaman serisi verilerini analiz etme ve tahmin etme tekniklerini öğretmektir. Eğitim, zaman serisi modelleme tekniklerinin temel prensiplerini ve SAS araçlarını kullanarak bu tekniklerin nasıl uygulandığını kapsamlı bir şekilde öğretir.
Eğitim İçeriği
Zaman Serisi Analizine Giriş
Zaman serisi verilerinin tanımı ve özellikleri.
Zaman serisi analizi ve modellemesinin temel kavramları.
Zaman serisi verilerini görselleştirme ve temel analizler.
Veri Hazırlama ve Ön İşleme
Zaman serisi verilerini temizleme ve hazırlama.
Eksik veri yönetimi ve veri dönüşümleri.
Trend ve mevsimsellik bileşenlerinin tanımlanması.
Temel Zaman Serisi Modelleri
ARIMA (AutoRegressive Integrated Moving Average): ARIMA modelinin prensipleri, parametre tahmini ve model uygulamaları.
Seasonal ARIMA (SARIMA): Mevsimsel etkilerin modellenmesi ve SARIMA’nın kullanımı.
Exponential Smoothing (ETS): Üssel düzeltme yöntemleri ve model türleri (Simple, Holt, Holt-Winters).
Model Değerlendirme ve Seçimi
Model performansını değerlendirme yöntemleri (AIC, BIC, MSE).
Model seçimi ve uyum iyileştirme stratejileri.
Model geçerliliği ve tahmin güven aralıkları.
İleri Düzey Zaman Serisi Teknikleri
GARCH (Generalized Autoregressive Conditional Heteroskedasticity): Volatilite modelleme ve GARCH’ın kullanımı.
State Space Modelling: Durum uzayı modelleri ve Kalman filtresi.
Vector Autoregression (VAR): Çok değişkenli zaman serisi modelleri ve VAR’ın kullanımı.
Zaman Serisi Tahmin ve Uygulamalar
Zaman serisi tahminleri yapma ve sonuçları yorumlama.
Zaman serisi verilerini iş stratejileri ve karar destek sistemleri için kullanma.
Model Sonuçlarının Raporlanması
Zaman serisi analizlerinin raporlanması ve sonuçların sunulması.
Tahmin sonuçlarını etkili bir şekilde görselleştirme ve raporlama.