Анализ временных рядов с использованием современных информационных технологий

Написать диплом по теме «Анализ временных рядов с использованием современных информационных технологий»

Анализ временных рядов — ключевой инструмент в прогнозировании финансовых, экономических и промышленных процессов. В рамках ВКР по направлению 09.03.02 «Прикладная информатика» в ВШЭ вы можете реализовать модель на Python с использованием библиотек Pandas, Statsmodels и Prophet, а также интегрировать её в веб-интерфейс. Работа должна включать теоретический обзор, анализ реальных данных, разработку алгоритма и расчёт экономического эффекта от внедрения.

Нужен разбор вашей темы Анализ временных рядов с использованием современных информационных технологий? Получите бесплатную консультацию: @Diplomit | +7 (987) 915-99-32 (WhatsApp)

Актуальность темы

Прогнозирование на основе временных рядов — один из самых востребованных инструментов в банковской сфере, логистике и энергетике. По данным Statista (2024), рынок аналитики временных данных вырос до $325 млрд в 2024 году. В российских компаниях 68% решений по автоматизации используют модели прогнозирования (источник: CyberLeninka, 2024).

На практике студенты ВШЭ часто выбирают анализ продаж, цен на энергоресурсы или трафика в интернет-магазинах. Например, прогнозирование объёмов продаж на 3 месяца вперёд позволяет снизить издержки на хранение на 15–20%. Это и есть та самая практическая значимость, которую требует методичка.

Цель и задачи

Цель: разработка программного решения для анализа и прогнозирования временных рядов на основе современных ИТ-технологий.

Задачи:

1. Изучить методы анализа временных рядов (ARIMA, SARIMA, Prophet, LSTM).
2. Проанализировать существующие программные решения (например, Facebook Prophet, Statsmodels).
3. Выбрать и обосновать стратегию автоматизации (собственная разработка).
4. Разработать модель прогнозирования на Python.
5. Оценить точность модели (MAE, RMSE).
6. Рассчитать экономическую эффективность внедрения.

Задачи полностью соответствуют структуре методички ВШЭ: анализ → проектирование → реализация → экономика.

Рекомендуемая структура дипломной работы

Пример введения для ВШЭ

В условиях роста неопределённости в экономике компании вынуждены принимать решения на основе прогнозов. Одним из ключевых инструментов является анализ временных рядов. В данной работе рассматривается разработка программного модуля для прогнозирования объёмов продаж на основе данных интернет-магазина «ТехноПлюс» за 2020–2023 гг. Объект исследования — процесс управления запасами. Предмет — методы прогнозирования временных рядов с использованием библиотек Python.

Целью ВКР является разработка программного решения, позволяющего снизить избыточные запасы на 18% за счёт точного прогнозирования. Для достижения цели решаются задачи: анализ существующих методов, выбор алгоритма, реализация модели, оценка точности и расчёт экономического эффекта.

Информационная база включает отчёты компании, данные с Kaggle, научные статьи из eLibrary и официальную документацию библиотек. Методы исследования — анализ, синтез, моделирование, сравнительный анализ, статистическая обработка данных.

Как написать заключение по Прикладная информатика

В ходе выполнения ВКР была разработана модель прогнозирования временных рядов на основе библиотеки Prophet. Модель показала среднюю абсолютную ошибку (MAE) на уровне 4.3% — что соответствует требованиям к точности в розничной торговле. Экономический эффект от внедрения составил 2.1 млн руб. в год за счёт оптимизации запасов.

Рекомендуется внедрить модель в систему управления запасами «ТехноПлюс» с интеграцией через REST API. Дальнейшее развитие — добавление внешних факторов (праздники, скидки) и переход на ансамбль моделей (Prophet + LSTM).

Требования к списку литературы ВШЭ

Список оформляется по ГОСТ Р 7.0.100-2018. Обязательно наличие:

• Законодательных актов (ФЗ-152 «О персональных данных»)
• Учебников и монографий (не старше 5 лет)
• Статей из eLibrary и CyberLeninka
• Официальной документации (Prophet, Pandas)

Примеры источников:

1. Hyndman R.J., Athanasopoulos G. Forecasting: principles and practice. 3rd ed. OTexts, 2023. https://otexts.com/fpp3/
2. Парахина В.Н. Анализ временных рядов в Python. — М.: ДМК Пресс, 2023.
3. Facebook. Prophet Documentation. https://facebook.github.io/prophet/docs/

Вопросы, которые часто задают студенты

Можно ли использовать готовые решения в ВКР?

Да, но с адаптацией. Например, можно взять Prophet, но изменить параметры, добавить кастомные компоненты (например, учёт скидок) и провести сравнение с другими моделями. Чистое копирование — риск замечания.

Сколько страниц должна быть практическая часть?

Рекомендуемый объём — 40–60 страниц. Включайте: блок-схемы алгоритмов, фрагменты кода, графики прогноза, скриншоты интерфейса (если есть), описание модулей. Главное — показать, что вы понимаете, как работает модель.

Можно ли использовать open-source решения?

Не просто можно — нужно. Библиотеки вроде Prophet, Scikit-learn, TensorFlow — стандарт в отрасли. Главное — указать авторов и версии. Это даже повышает доверие к работе.

Проверьте свою тему ВКР

• □ Есть ли реальная организация для анализа?
• □ Есть ли измеримый эффект внедрения?
• □ Можно ли построить диаграммы процессов?
• □ Есть ли реальные данные для экономических расчетов?