Bài giảng "Lý thuyết dự báo kinh tế: Chương 4- Mô hình dự báo thống kê - San bằng hàm mũ" giới thiệu phương pháp dự báo kinh tế, chuỗi thời gian, mô hình thống kê (san bằng hàm mũ).

Tài liệu tổng quan về phân tích và dự báo kinh tế, các phương pháp định tính (Delphi, kịch bản), giản đơn (trung bình động), hồi quy. Ứng dụng trong quản trị.

Bài thuyết trình Ứng dụng khai thác dữ liệu (Data Mining and Application): Sequential Pattern Mining cung cấp kiến thức nền tảng về khai thác mẫu tuần tự từ dữ liệu chuỗi. Bài thuyết trình trình bày khái niệm, các phương pháp khai thác, ứng dụng thực tế và kết quả thực nghiệm. Đây là công cụ hữu ích để phát hiện các chuỗi hành vi hoặc sự kiện thường lặp lại trong dữ liệu. Mời các bạn cùng tham khảo để biết thêm chi tiết!

Luận văn Thạc sĩ Hệ thống thông tin "Nguyên cứu ứng dụng mô hình ANFIS vào bài toán dự báo trên dữ liệu chuỗi thời gian" trình bày các nội dung chính sau: Tổng quan logic mờ và mạng nơ-ron nhân tạo; Thuật toán ANFIS và bài toán dự báo dữ liệu chuỗi thời gian; Ứng dụng thuật toán ANFIS vào bài toán dự báo dữ liệu chuỗi thời gian.

Những bài toán dự đoán bằng các mô hình là những bài toán đóng vai trò nền tảng quan trọng và được ứng dụng rộng rãi trong nhiều lĩnh vực liên quan đến đời sống con người như thời tiết, y tế hay giá cả thị trường. Nội dung nghiên cứu của bài viết tập trung vào việc xây dựng các mô hình dự đoán trên dữ liệu chuỗi thời gian của tập dữ liệu chứng khoán được trích dẫn từ sàn VNINDEX.

Bài giảng "Kinh tế lượng ứng dụng" Chương 2 - Mô hình chuỗi thời gian đơn biến, được biên soạn với mục tiêu giúp các bạn học có thể biết được mục đích của phân tích chuỗi thời gian; Hiểu được các khái niệm cơ bản của kinh tế lượng chuỗi thời gian; Mô tả đặc điểm và nắm được ứng dụng của mô hình chuỗi thời gian đơn biến; Hiểu được tiếp cận Box-Jenkins trong việc lựa chọn mô hình chuỗi thời gian đơn biến;...

Bài giảng "Kinh tế lượng ứng dụng" Chương 1 - Phân tích dữ liệu cơ bản, được biên soạn với mục tiêu giúp các bạn học có thể phân biệt được các dạng cấu trúc dữ liệu khác nhau; Hiểu và thực hiện được các kỹ thuật xử lý liệu căn bản: vẽ sơ đồ dữ liệu, thống kê mô tả, chuyển dạng dữ liệu; Giải thích ý nghĩa của các cách tính lợi nhuận trong tài chính; Mô tả được các bước xây dựng mô hình kinh tế lượng.

Chương 3 "Kiểm định nghiệm đơn vị" này giới thiệu khái niệm nghiệm đơn vị trong chuỗi thời gian và tầm quan trọng của việc kiểm tra tính dừng (stationarity) trước khi phân tích mô hình. Nội dung gồm: đặc điểm của chuỗi có nghiệm đơn vị, hậu quả khi sử dụng chuỗi không dừng trong hồi quy, và các phương pháp kiểm định nghiệm đơn vị phổ biến như Dickey-Fuller (DF), Augmented Dickey-Fuller (ADF), và Phillips-Perron (PP).

Mục tiêu của đề tài "Nâng cao độ chính xác dự báo trong mô hình chuỗi thời gian mờ dựa trên các kỹ thuật tính toán mềm" là đề xuất mô hình chuỗi thời gian mờ mới để dự báo trên các bài toán khác nhau, sử dụng thuật toán PSO để tối ưu hoá đồng thời bộ tham của HA và độ dài khoảng tập nền nhằm nâng cao độ chính xác dự báo trong mô hình chuỗi thời mờ. Mời các bạn cùng tham khảo nội dung chi tiết.

Bài viết đưa ra giải pháp thường xuyên cập nhật địa chỉ IP vào địa chỉ tên miền đã được xác định thông qua dịch vụ miễn phí của Duck Duck DNS. Đồng thời với giải pháp tự xây dựng máy chủ chứa dữ liệu chuỗi thời gian, tác giả đã xây dựng thành công hệ thống điều khiển giám sát và lưu trữ dữ liệu lớn dựa trên nền tảng mã nguồn mở. Ngoài ra, hệ thống không sử dụng dịch vụ điện toán đám mây, đảm bảo tính riêng tư và bảo mật trên môi trường Internet.

Bài giảng "Trực quan hóa: Chương 6 - Dữ liệu chuỗi thời gian" cung cấp cho sinh viên những kiến thức như: Khái niệm dữ liệu chuỗi thời gian; đặc điểm của chuỗi thời gian; phát hiện outliers; phát hiện yếu tố cycles và seasons; xử lý dữ liệu khuyết;... Mời các bạn cùng tham khảo!

Bài giảng "Trực quan hóa: Chương 0 - Giới thiệu môn học" bao gồm định nghĩa, mục tiêu, nội dung chính và phương pháp giảng dạy. Sinh viên sẽ hiểu rõ tầm quan trọng của trực quan hóa dữ liệu trong việc phân tích, trình bày và ra quyết định dựa trên dữ liệu.

Bài viết đưa ra phương pháp sử dụng mô hình học sâu Long Short-Term Memory trong dự đoán giá trị cổ phiếu và nghiên cứu tổng quan về mô hình này. Kết quả bài báo có thể dự đoán được xu hướng giá trị cổ phiếu của giá đóng điều chỉnh với sai số độ lệch bình phương trung bình gốc, sai số tuyệt đối trung bình lần lượt là 0,1387 và 0,1007.

Bài giảng "Kinh tế lượng 1 - Chương 6: Hồi quy với chuỗi thời gian" trình bày các nội dung: Một số khái niệm, các giả thiết OLS khi ước lượng; một số mô hình chuỗi thời gian cơ bản, tính chất mẫu lớn và ước lượng OLS. Mời các bạn cùng tham khảo nội dung chi tiết.

Bài giảng Phân tích và dự báo nhu cầu năng lượng: Chương 4 - Dự báo nhu cầu năng lượng bằng phương pháp ngoại suy, cung cấp cho người học những kiến thức như: Khái niệm dự báo bằng phương pháp ngoại suy; Điều kiện áp dụng dự báo bằng phương pháp ngoại suy; Các bước tiến hành dự báo bằng phương pháp ngoại suy; Dự báo nhu cầu năng lượng bằng phương pháp ngoại suy;...Mời các bạn cùng tham khảo!

Nghiên cứu này đề xuất chuỗi thời gian ngôn ngữ dựa trên lý thuyết Đại số gia tử, trong đó các từ có ngữ nghĩa riêng được sử dụng thay các tập mờ. Bằng cách này, mối quan hệ logic giữa các từ ngữ dự báo có thể được thiết lập dựa trên sự biến đổi của chuỗi thời gian. Hiệu quả của mô hình đề xuất được chứng minh bằng cách áp dụng mô hình đề xuất để dự báo dữ liệu tuyển sinh đại học.

Bài giảng Kinh tế lượng - Chương 7: Vấn đề tự tương quan trong mô hình hồi quy chuỗi thời gian, được biên soạn gồm các nội dung chính sau: Hậu quả của tự tương quan trong mô hình hồi qui; Phát hiện tự tương quan; Khắc phục khi có hiện tượng tự tương quan. Mời các bạn cùng tham khảo!

Bài giảng Phân tích dữ liệu và dự báo: Chương 4 Các mô hình dự báo theo phương pháp box jenkins, cung cấp cho người đọc những kiến thức như: Tính dừng của chuỗi thời gian; Mô hình tự hồi quy AR; Mô hình trung bình động MA; Mô hình ARMA(p,q); Tịnh hóa dữ liệu; Mô hình ARIMA cho dữ liệu có tính mùa vụ; Các bước cơ bản của phương pháp ARIMA. Mời các bạn cùng tham khảo!

Bài giảng Phân tích chuỗi thời gian trong tài chính - Chương 2: Mô hình chuỗi thời gian đơn biến. Chương này cung cấp cho sinh viên những nội dung gồm: kinh tế lượng về chuỗi thời gian; giới thiệu tổng quan các mô hình ARIMA; tính dừng; kiểm định tính dừng; các mô hình tự hồi quy; mô hình trung bình di động; mô hình ARMA; mô hình ARIMA;... Mời các bạn cùng tham khảo!

Bài giảng Phân tích chuỗi thời gian trong tài chính - Chương 4: Mô hình chuỗi thời gian đa biến. Chương này cung cấp cho sinh viên những nội dung gồm: mô hình VAR; ước lượng và kiểm định; kiểm định nhân quả Granger; hàm phản ứng và phân rã phương sai; thực hành với Eviews;... Mời các bạn cùng tham khảo!