Uniwersytet Warszawski - Centralny System UwierzytelnianiaNie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Zaawansowana analiza szeregów czasowych

Informacje ogólne

Kod przedmiotu: 2400-M1IiEZASC Kod Erasmus / ISCED: 14.3 / (0311) Ekonomia
Nazwa przedmiotu: Zaawansowana analiza szeregów czasowych
Jednostka: Wydział Nauk Ekonomicznych
Grupy: Przedmioty kierunkowe (obowiązkowe) do wyboru - studia II stopnia IE - grupa 2 (3*30h)
Przedmioty obowiązkowe dla I r. studiów magisterskich drugiego stopnia - Informatyka i Ekonometria
Punkty ECTS i inne: 4.00
zobacz reguły punktacji
Język prowadzenia: polski
Rodzaj przedmiotu:

obowiązkowe

Skrócony opis:

Kurs ma charakter praktycznych warsztatów z językiem R i RMarkdown, podczas których studenci rozwiązując zadania pod okiem prowadzącego zapoznają się z najważniejszymi narzędziami analizy szeregów czasowych: m. in. procedura Boxa-Jenkinsa, modele ECM, VAR, VECM, jednowymiarowe i wielowymiarowe modelowanie warunkowej wariancji.

Pełny opis:

1. wprowadzenie do R

2. stacjonarność, błądzenia losowe, trendy stochastyczne, testowanie stacjonarności, regresje pozorne, eksperyment Newbolda-Daviesa.

3. Procesy AR i MA i ich własności.

4. modele ARIMA i SARIMA: estymacja, diagnostyka, prognozowanie

5. modele ECM, VAR, VECM: zależności długoterminowe między szeregami czasowymi, model korekty błędu,

6. modelowanie zmienności: jednowymiarowe modele GARCH, diagnostyka, rozszerzenia modeli GARCH, aplikacje (Value-at-Risk, wycena opcji)

7. modelowanie zmienności: wielowymiarowe modele GARCH (EWMA, DVEC, BEKK, CCC, DCC)

8. tworzenie dokumentów dynamicznych w języku RMarkdown

Literatura:

1. wprowadzenie do R

2. stacjonarność, błądzenia losowe, trendy stochastyczne, testowanie stacjonarności, regresje pozorne, eksperyment Newbolda-Daviesa.

3. Procesy AR i MA i ich własności.

4. modele ARIMA i SARIMA: estymacja, diagnostyka, prognozowanie

5. modele ECM, VAR, VECM: zależności długoterminowe między szeregami czasowymi, model korekty błędu,

6. modelowanie zmienności: jednowymiarowe modele GARCH, diagnostyka, rozszerzenia modeli GARCH, aplikacje (Value-at-Risk, wycena opcji)

7. modelowanie zmienności: wielowymiarowe modele GARCH (EWMA, DVEC, BEKK, CCC, DCC)

8. tworzenie dokumentów dynamicznych w języku RMarkdown

Efekty uczenia się:

Po zakończeniu kursu student

będzie znał:

• pojęcie stacjonarności szeregu czasowego, białego szumu, funkcji autokorelacji

• budowę modeli ARIMA i ich sezonowych wersji

• budowę modeli ECM, VAR, VECM

• budowę modeli z rodziny GARCH

będzie rozumiał:

• koncepcję kointegracji szeregów czasowych i ich długookresowej relacji

• zasadę działania modelu korekty błędem.

• koncepcje warunkowej wariancji i zasady działania jedno- i wielowymiarowych modeli GARCH

będzie potrafił:

• oszacować model z rodziny ARIMA/SARIMA, przeprowadzić jego diagnostykę oraz dokonać prognozy na jego podstawie

• ocenić jakość prognozy ex-post i na jej podstawie wybrać model najbardziej atrakcyjny

• oszacować model ECM/VAR/VECM/SVAR i dokonać interpretacji jego wyników

• oszacować model z rodziny GARCH, dokonać prognozy warunkowej wariancji i zastosować model w konkretnych aplikacjach.

• utworzyć dynamiczny dokument za pomocą języka RMarkdown.

Metody i kryteria oceniania:

Projekt domowy i aktywność podczas zajęć

Zajęcia w cyklu "Semestr letni 2021/22" (w trakcie)

Okres: 2022-02-21 - 2022-06-15
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Konwersatorium, 30 godzin więcej informacji
Koordynatorzy: Aneta Dzik-Walczak
Prowadzący grup: Aneta Dzik-Walczak
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Konwersatorium - Zaliczenie na ocenę
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.