Modul: Big Data, Hochschule für Informatik FHNW

Aus Zeitreihen können viele Informationen wie beispielsweise Trends, Saisonalitäten und Prognosen abgeleitet werden. Welche konkreten Methoden der Zeitreihenanalyse Anwendung finden, hängt davon ab, wie die Beobachtungen über die Zeit zusammenhängen. Wir behandeln hier Grundlagen der Zeitreihenanalyse und spezielle ARMA Modelle.

Typische Anwendungen von Zeitreihen sind die Gebiete:

• Finanzmathematik und der Finanzwirtschaft: Unternehmensumsätze, Börsenkurse und Liquiditätsentwicklungen.
• Wirtschaft: Bruttosozialprodukt, Arbeitslosenquote.
• Biometrie und Medizin: EEG und Blutwerte
• Meteorologie: Temperatur, Windrichtung und -geschwindigkeit usw.

Im Modul wirst du Fallbespiele kennenlernen und Modelle zur Analyse vertiefen.

Lernziele

Du kannst:

• aktuelle Beispiele für Zeitreihen nennen und fachlich einordnen.
• Anwendungsfälle für Zeitreihenanalyse identifizieren.
• Zeitreihenanalysen in Python ausführen.

Du kennst

• Gaussche Zeitreihen.
• und du verstehst ARMA-Modelle.

Du weisst

• was eine stationiäre Zeitreihe ist und kennst grundlegende Methoden.

Du verstehst

• die Autokovarianz und Autokorrelation im Kontext von Zeitreihen

Technologie

• Python

Erwartete Vorkenntnisse

Python

Data-Science-Grundkenntnisse