Курс на Stepik
Обложка курса «Временные ряды в финансах: ARIMA, Prophet и LSTM» на Stepik
1 090 ₽

Временные ряды в финансах: ARIMA, Prophet и LSTM ★ 0.000

Открыть на
STEPIK.ORG

Практический курс по прогнозу финансовых рядов: от первого DataFrame с котировками MOEX до собственного шаблона прогноза в Colab. Три модели на одних данных — ARIMA, Prophet и LSTM. Проверяемые код-задания на Stepik + реальная практика на SBER, USDRUB и выручке.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Временные ряды в финансах: ARIMA, Prophet и LSTM»Учеников на курсе 3
Сертификаты, выданные на курсе «Временные ряды в финансах: ARIMA, Prophet и LSTM»Сертификатов выдано 0
Отзывы о курсе «Временные ряды в финансах: ARIMA, Prophet и LSTM»Отзывов получено 0
Рейтинг курса «Временные ряды в финансах: ARIMA, Prophet и LSTM»Рейтинг курса 0.000
Уроки в курсе «Временные ряды в финансах: ARIMA, Prophet и LSTM»Количество уроков 12
Тесты в курсе «Временные ряды в финансах: ARIMA, Prophet и LSTM»Количество квизов 32
Задачи с кодом в курсе «Временные ряды в финансах: ARIMA, Prophet и LSTM»Количество задач с кодом 29
Стоимость курса «Временные ряды в финансах: ARIMA, Prophet и LSTM»Стоимость курса 1 090 ₽ —
Обновления курса «Временные ряды в финансах: ARIMA, Prophet и LSTM»Обновления курса — —
Дата публикации курса «Временные ряды в финансах: ARIMA, Prophet и LSTM»Дата публикации курса — ———
Последнее обновление курса «Временные ряды в финансах: ARIMA, Prophet и LSTM»Последнее обновление — ———

Чему вы научитесь

  • Загружать финансовые ряды MOEX через ISS API: SBER, LKOH, GAZP, USDRUB — от тикера до DataFrame
  • Проверять стационарность через ADF и KPSS и переходить от цен к логарифмическим доходностям
  • Читать ACF и PACF и осознанно задавать порядок (p, d, q) — вручную или через auto_arima
  • Обучать Prophet с российскими нерабочими днями ЦБ, не допуская утечки через регрессор-из-будущего
  • Строить LSTM на лог-доходностях с MC Dropout, ранней остановкой и интервалами прогноза
  • Делать честный walk-forward бэктест с переобучением модели на каждом шаге
  • Считать MAE, RMSE, MASE и sMAPE — и понимать, какая метрика когда корректна
  • Сравнивать модели статистически: тест Диболда–Мариано и MASE против наивного бенчмарка
  • Собирать прогноз в шаблон-пайплайн и адаптировать его под новый тикер за вечер

О курсе

Практический курс по прогнозу финансовых рядов: от первого DataFrame с котировками MOEX до собственного шаблона прогноза в Colab. Три модели на одних данных — ARIMA, Prophet и LSTM. Проверяемые код-задания на Stepik + реальная практика на SBER, USDRUB и выручке.

Для кого этот курс

Финансовые аналитики и FP&A в банках и корпоратах: Руководитель просит прогноз выручки с коридором доверия — а вы умеете отдавать только точечный. Курс доводит от точечной цифры до честного интервала и обоснованного выбора модели. Риск-аналитики и quant-исследователи buy-side / sell-side: ARIMA и GARCH видели, но не уверены, как применить к данным MOEX, ЦБ РФ и Росстата. Курс добавляет Prophet и LSTM в ваш стек и учит честной валидации без подглядывания в будущее. Python-разработчики, перешедшие в финтех: Технически сильны, но стационарность доходностей, утечка через будущее и walk-forward — пока чужая территория. Курс закрывает этот разрыв на реальных тикерах. Курс не подойдёт, если вы ищете теорию стохастических процессов или торговые сигналы «купи-продай» — здесь конкретная задача: честный прогноз ряда и выбор модели под него.

Начальные требования

Достаточно для старта:

  • Базовый Python и pandas: циклы, функции, работа с DataFrame
  • Умение построить график в matplotlib и запустить простую регрессию через statsmodels или sklearn
  • Бесплатный аккаунт Google — для запуска Colab-ноутбуков курса

Не требуется: предварительное знание ML и нейросетей, финансовой математики, теории стохастических процессов — всё объясняется с нуля. Ставить тяжёлые библиотеки (statsmodels, Prophet, PyTorch) локально не нужно: реальная практика идёт в Colab.

Преподаватели курса

Аватар Максим Спиридонов
Максим Спиридонов
Банкир с опытом в оптимизации процессов, автоматизации и ии-агентизации!
11 курсов 88
→

Как проходит обучение

Курс полностью асинхронный — проходите в своём темпе, без дедлайнов.

Формат шагов: текстовые объяснения → проверяемые код-задания и тесты на Stepik → «настоящая» практика с библиотеками в Colab-ноутбуках курса. Никаких длинных видеолекций.

Практика на двух уровнях: на Stepik код-задания на чистом Python проверяют, что вы поняли концепцию (стационарность, порядок ARIMA, метрики, утечка данных); в Colab — реальная работа с pandas, statsmodels, Prophet и PyTorch на данных MOEX.

Финальный проект — шаблон-пайплайн: загружает тикер, обучает ARIMA, Prophet, LSTM и наивный бенчмарк, сравнивает их по MASE и собирает results_<тикер>.csv. Меняете тикер — получаете прогноз под новый инструмент.

Формат курса

Шаблон-пайплайн в Colab: ARIMA + Prophet + LSTM + наивный бенчмарк — собирает прогноз и results_<тикер>.csv под любой тикер MOEX 4 рабочих Colab-ноутбука: загрузка MOEX ISS, ARIMA/SARIMA, Prophet с праздниками ЦБ, LSTM с MC Dropout и интервалами Чек-лист честной валидации: ADF/KPSS, защита от утечки данных, walk-forward, выбор корректной метрики Понимание, когда нейросеть не нужна — и как доказать это наивным бенчмарком и тестом Диболда–Мариано Доступ к материалам навсегда

Что вы получите

  • Шаблон-пайплайн в Colab: ARIMA + Prophet + LSTM + наивный бенчмарк — собирает прогноз и results_<тикер>.csv под любой тикер MOEX
  • 4 рабочих Colab-ноутбука: загрузка MOEX ISS, ARIMA/SARIMA, Prophet с праздниками ЦБ, LSTM с MC Dropout и интервалами
  • Чек-лист честной валидации: ADF/KPSS, защита от утечки данных, walk-forward, выбор корректной метрики
  • Понимание, когда нейросеть не нужна — и как доказать это наивным бенчмарком и тестом Диболда–Мариано
  • Доступ к материалам навсегда

Нагрузка

~6 часов в неделю, 6 недель

Расскажите о курсе друзьям