Διάρκεια: 3 ώρες για 13 εβδομάδες [ECTS: 6]

Περίγραμμα του μαθήματος

1. Σημασία πρόβλεψης, κατηγορίες πρόβλεψης.
2. Μέθοδοι εξομάλυνσης (κινητοί μέσοι, εκθετική εξομάλυνση μιας παραμέτρου, αξιολόγηση σφάλματος στην πρόβλεψη, εκθετική εξομάλυνση με αναπροσαρμοζόμενο ρυθμό ανταπόκρισης, γραμμικός κινητός μέσος, γραμμική εκθετική εξομάλυνση μιας παραμέτρου του Brown, γραμμική εκθετική εξομάλυνση διπλής παραμέτρου, εκθετική εξομάλυνση δευτέρου βαθμού).
3. Μέθοδοι διαχωρισμού και ανάλυση χρονολογικών σειρών.
4. Αυτοσυσχέτιση, αυτοπαλίνδρομα υποδείγματα και ανάλυση χρονολογικών σειρών (χαρακτηριστικά χρονοσειρών, συνάρτηση αυτοσυσχέτισης, συντελεστές μερικής αυτοσυσχέτισης, υποδείγματα κινητών μέσων, υποδείγματα αυτοπαλίνδρομου κινητού μέσου).
5. Μέθοδος Box-Jenkins (ταυτοποίηση, εκτίμηση υποδείγματος και διαγνωστικός έλεγχος, πρόβλεψη με υποδείγματα ARIMA, πρόβλεψη χρονοσειρών με εποχικότητα).
6. Ανάλυση Χρονολογικών Σειρών: Στασιμότητα, μοναδιαίες ρίζες και συνολοκλήρωση, φαινομενική παλινδρόμηση, Dickey-Fuller, Augmented Dickey-Fuller, Phillips –Peron tests, Συνολοκλήρωση (Engle-Granger ή Augmented Engle Granger test, cointegrating Regression Durbin Watson test). Συνολοκλήρωση και Υπόδειγμα Διόρθωσης Σφάλματος.
7. Υποδείγματα VAR.
8. Πρόβλεψη επιχειρηματικών καταστάσεων: Ποιοτική προσέγγιση.

Μαθησιακά αποτελέσματα

Με την παρακολούθηση κι επιτυχή εξέταση του μαθήματος οι φοιτητές θα είναι ιδανικά σε θέση να:

• κατανοούν και εφαρμόζουν υποδείγματα χρονολογικών σειρών ανάλογα με την περίπτωση μέσω των οποίων να στοχεύουν στην αναπαραγωγή του μηχανισμού μέσω του οποίου δημιουργούνται οι παρατηρήσεις των σειρών,
• εξειδικεύουν υποδείγματα χρονοσειρών,
• εκτιμούν, να ελέγχουν και να αξιολογούν υποδείγματα χρονοσειρών,
• αναλύουν μελέτες περίπτωσης και να δίνουν λύσεις σε προβλήματα χρονοσειρών.