تحلیل سری زمانی

معرفی جامع

تحلیل سری زمانی برای داده‌هایی است که در طول زمان تغییر می‌کنند و ما آن را با ابزارهای حرفه‌ای مثل EViews، R و Python انجام می‌دهیم. از بررسی روند، فصل‌گرایی، چرخه و نوسان، خودهمبستگی، ACF و PACF گرفته تا آزمون‌های مانایی ADF، PP، KPSS، DF-GLS، Phillips-Perron، LLC، IPS، Fisher-ADF و Fisher-PP. مدل‌های سری زمانی شامل AR، MA، ARMA، ARIMA، SARIMA، ARIMAX، VAR، VECM و SVAR است. هم‌انباشتگی با Engle-Granger، Johansen، Bounds Test و Cointegration بررسی می‌شود. علیت با Granger Causality و Toda-Yamamoto آزمون می‌شود. نوسان با ARCH، GARCH، EGARCH، TGARCH، GJR-GARCH و APARCH مدل‌سازی می‌شود. پیش‌بینی شامل Forecast، Dynamic، Static و Rolling Forecast، Out-of-Sample Forecast و Backtesting است. خروجی شامل نمودارهای ACF و PACF، جدول آزمون‌ها، پیش‌بینی چند دوره آینده، Backtesting و گزارش کامل تفسیری است.