3. 강의목표
This course deals with the basic theories and recent developments in time-series analysis, which will cover smoothing methods, Box-Jenkins type models (such as MA, AR, ARMA, and ARIMA), and some state-space models. Multivariate time series such as VAR and ARCH/GARCH models will be also dealt with. Finally, we will explore how to apply machine learning to time-series data.
4. 강의선수/수강필수사항
Probability and Statistics
5. 성적평가
Homeworks 20%
Midterm exam 40%
Final exam 40%
6. 강의교재
| 도서명 |
저자명 |
출판사 |
출판년도 |
ISBN |
|
Time Series Analysis: Univariate and Multivariate Methods
|
W.W.S. Wei
|
Pearson International Edition
|
2006
|
|
7. 참고문헌 및 자료
전치혁. (2020). 시계열 분석 및 응용. 자유아카데미.
Krispin, R. (2019). Hands-On Time Series Analysis with R. Packt.
Auffarth, B. (2021). Machine Learning for Time-Series with Python. Packt.
8. 강의진도계획
- Introduction
- Smoothing methods
- Stationary processes: AR, MA, ARMA
- Modeling and forecasting with ARMA processes
- Spectral analysis
- Nonstationary and seasonal time series models: ARIMA
- ARCH/GARCH
- Multivariate time series: VAR, impulse response function, cointegration/error correction models
- State space models
- Machine learning applications
9. 수업운영
- 강의유형: 강의실 (대면) 강의
- 수업방식: 강의, 숙제, 시험
11. 장애학생에 대한 학습지원 사항
- 수강 관련: 문자 통역(청각), 교과목 보조(발달), 노트필기(전 유형) 등
- 시험 관련: 시험시간 연장(필요시 전 유형), 시험지 확대 복사(시각) 등
- 기타 추가 요청사항 발생 시 장애학생지원센터(279-2434)로 요청