Program studiów przewiduje 180 godzin zajęć, które kończą się obroną pracy dyplomowej.

Przedmioty:

1. Przedmioty wprowadzające w zagadnienie analizy danych i prognozowania
   1. Wstęp do rachunku prawdopodobieństwa, statystyki matematycznej i procesów stochastycznych
   2. Wprowadzenie do STATISTICA
   3. Wprowadzenie do teorii prognoz
2. Klasyczne metody prognozowania szeregów czasowych
   1. Analiza i prognozowanie na podstawie klasycznych modeli trendu
   2. Analiza i prognozowanie na podstawie szeregów czasowych z wahaniami sezonowymi
   3. Modele regresji w prognozowaniu
   4. Prognozowanie na podstawie modeli adaptacyjnych
   5. Prognozowanie zmiennych jakościowych
3. Prognozowanie finansowych szeregów czasowych
   1. Predykcja na podstawie modeli autoregresyjnych (procesy ARMA, ARIMA)
   2. Modele prognozowania wariancji procesu - wielowymiarowe procesy stochastyczne - modele klasy GARCH
   3. Estymacja i prognozowanie miar ryzyka
4. Niestandardowe metody prognozowania szeregów czasowych
   1. Data mining w analizie danych i prognozowaniu
   2. Prognozowanie przy wykorzystaniu sieci neuronowych
   3. Inne metody prognozowania szeregów czasowych
5. Wykorzystanie prognozowania w praktyce
   1. Prognozowanie w praktyce
   2. Warsztaty prognostyczne
6. Seminarium