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

Bayesian time-series econometrics

Informacje ogólne

Kod przedmiotu: 2400-ZEWW829 Kod Erasmus / ISCED: 14.3 / (0311) Ekonomia
Nazwa przedmiotu: Bayesian time-series econometrics
Jednostka: Wydział Nauk Ekonomicznych
Grupy:
Punkty ECTS i inne: 3.00
zobacz reguły punktacji
Język prowadzenia: angielski
Rodzaj przedmiotu:

nieobowiązkowe

Skrócony opis:

Metody bajesowskie są coraz częściej stosowane we wszystkich dziedzinach ekonomii. Dotyczy to zarówno samej teorii ekonomii jak i ekonomii stosowanej (nie tylko ekonometrii). Metody uczenia maszynowego również z powodzeniem stosują koncepcję bajesowską. Kurs będzie składał się z 2-ch modułów. W pierwszej części dokonamy wprowadzenia do koncepcji bajesowskiej a także pokażemy na przykładzie zwykłej regresji liniowej jak typowe (analityczne) wnioskowanie bajesowskie jest prowadzone. Omówimy również metody Markov Chain Monte Carlo (MCMC), które są powszechnie stosowane w bajesowskim modelowaniu szeregów czasowych. W drugiej, zasadniczej, części (której poświęcimy większość czasu) będziemy stosować formułę Bayesa w celu estymacji modeli, które należą do kanonu nowoczesnej ekonometrii szeregów czasowych. Zarówno jednowymiarowe jak i wielowymiarowe modele będą rozważane.

Pełny opis:

Zajęcia składają się z 2-ch bloków:

I) Wprowadzenie do koncepcji bajesowskiej:

1) Formuła Bayesa, różnice między bajesowskim a częstościowym paradygmatem

2) Model regresji liniowej w ujęciu bajesowskim

3) Metody Markov Chain Monte Carlo (MCMC)

II) Wybrane modele:

1) AR i ARMA

2) Vector AutoRegression (VAR) i Structural VAR

3) State-space models

4) Stochastic Volatility (SV)

5) Dynamic Factors Models (DFM)

6) Modele ze współczynnikami zmiennymi w czasie (Time-Varying Parameters – TVP)

7) TVP-VAR

Lista rzeczywiście rozważanych modeli podczas zajęć może się zmieniać.

UWAGA: istnieje opcja, żeby zaproponować estymację dowolnego modelu, który uczestnicy kursu uznają za użyteczny lub ciekawy

Literatura:

Geweke, J. (2006), Contemporary Bayesian Econometrics and Statistics, Wiley.

Hamilton, J. D. (1994), Time Series Analysis, Princeton University Press.

Koop, G. (2003), Bayesian Econometrics, Wiley

Lancaster, T. (2004), An Introduction to Modern Bayesian Econometrics, Wiley-Blackwell.

Zellner, A. (1971), An Introduction to Bayesian Inference in Econometrics, Wiley.

Efekty uczenia się:

A) Wiedza: Student będzie rozumiał język bajesowski, będzie w stanie napisać kod w wybranym przez siebie środowisku, pozna modele obecnie spotykane w najnowszej literaturze

B) Umiejętności: Jak wykorzystać potencjał metod bajesowskich w modelowaniu ekonomicznym; Zainteresowany i ambitny student ma szansę zdobyć umiejętność bajesowskiego myślenia, a nie jak implementować metody bajesowskie

Metody i kryteria oceniania:

Wykonanie pracy empirycznej w zespołach max. 2-osobowych, która w części obliczeniowej używa metod bajesowskich

Zajęcia w cyklu "Semestr letni 2021/22" (jeszcze nie rozpoczęty)

Okres: 2022-02-21 - 2022-06-15

Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Konwersatorium, 30 godzin więcej informacji
Koordynatorzy: Andrzej Kocięcki
Prowadzący grup: Andrzej Kocięcki
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.