Uniwersytet Warszawski, Wydział Nauk Ekonomicznych - Centralny System Uwierzytelniania
Strona główna

Analiza szeregów czasowych

Informacje ogólne

Kod przedmiotu: 2400-IiE3ASC
Kod Erasmus / ISCED: 14.3 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0311) Ekonomia Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Analiza szeregów czasowych
Jednostka: Wydział Nauk Ekonomicznych
Grupy: Przedmioty obowiązkowe dla III r. studiów licencjackich - Informatyka i Ekonometria
Przedmioty obowiązkowe dla III roku matematyki specjalności MSEM
Punkty ECTS i inne: 3.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: polski
Rodzaj przedmiotu:

obowiązkowe

Założenia (opisowo):



Skrócony opis:

Zajęcia konwersatoryjne będą podzielone na część wprowadzającą o charakterze teoretycznym, oraz część praktyczną. W ramach kursu uczestnicy zapoznają się z podstawowymi pojęciami i narzędziami wykorzystywanymi w analizie i prognozowaniu szeregów czasowych. Celem dalszej części zajęć będzie przekazanie studentom praktycznych umiejętności potrzebnych do samodzielnego przeprowadzenia badania ekonometrycznego: przygotowania danych czasowych, estymacji i weryfikacji modelu, przeprowadzenia testów diagnostycznych i wreszcie oszacowania prognoz. Pod okiem prowadzących studenci będą samodzielnie rozwiązywali problemy i przykładowe zadania. Zaliczenie będzie składało się z wykonania modelu oraz egzaminu pisemnego z części teoretycznej

Pełny opis:

Zajęcia 1

• Wprowadzenie, sprawy organizacyjne.

1. Definicja szeregu czasowego.

Literatura:

Pawełek, Wanat i Zeliaś (2003/2013), rozdział 1

Zajęcia 2

2. Prognozy i miary precyzji prognoz.

• Operator opóźnień, operator różnicowy.

Literatura:

Pawełek, Wanat i Zeliaś (2003/2013), rozdział 2

Enders (2014), rozdział 1.2

Zajęcia 3

3. Dekompozycja szeregów czasowych:

• klasyczne metody dekompozycji szeregu czasowego w formie addytywnej i multiplikatywnej na trend, wahania sezonowe, składnik cykliczny oraz składnik czysto stochastyczny;

• wprowadzenie do programów X-12, TRAMO-SEATS w programie Demetra lub Eviews.

Literatura:

Gomez V. and A. Maravall (1997), Programs TRAMO and SEATS - Instructions for the User, Banco de Espana

X-12 ARIMA Reference Manual (2011), U.S. Census Bureau

Zajęcia 4

4. Metody ekstrapolacyjne:

• metody wyrównywania wykorzystujące średnie ruchome;

• metody wyrównywania wykładniczego.

Literatura:

Pawełek, Wanat i Zeliaś (2003/2013), rozdział 4

Zajęcia 5

4. Metody ekstrapolacyjne cd:• wygładzanie sezonowe szeregu czasowego;

• modele niesezonowe Holta i sezonowe Holta-Wintersa;

Literatura:

Pawełek, Wanat i Zeliaś (2003/2013), rozdział 4

Zajęcia 6

5. Jednorównaniowe modele szeregów czasowych – modelowanie i prognozowanie:

• pojęcie trendu;

• proces stochastyczny, proces deterministyczny;

• silna i słaba stacjonarność szeregów czasowych;

• biały szum.

Literatura:

Enders (2014), rozdział 4.1-4.2

Zajęcia 7

5. Jednorównaniowe modele szeregów czasowych – modelowanie i prognozowanie cd:

• proces autoregresyjny AR(p) i jego własności;

• proces średniej ruchomej MA(q) i jego własności;

• funkcje autokorelacji i cząstkowej autokorelacji (ACF, PACF), korelogramy, rozkłady wartości ACF i PACF, przedziały ufności dla ACF i PACF.

Literatura:

Enders (2014), rozdział 2.1, 2.2, 2.3

Zajęcia 8

5. Jednorównaniowe modele szeregów czasowych – modelowanie i prognozowanie cd:

• błądzenie losowe (z dryfem/z trendem),

• szeregi zintegrowane, sprowadzanie szeregów do postaci stacjonarnej, różnicowanie szeregów;• testowanie stacjonarności szeregów, testy pierwiastków jednostkowych część I: test DF.

Literatura:

Enders (2014), rozdział 4.3-4.7

Zajęcia 9

5. Jednorównaniowe modele szeregów czasowych – modelowanie i prognozowanie cd:

• testowanie stacjonarności szeregów, testy pierwiastków jednostkowych część II: test ADF, test KPSS.

Literatura:

Enders (2014), rozdział 4.3-4.7

Kwiatkowski, D., P.C.B. Phillips, P. Schmidt, Y. Shin (1992): Testing the Null Hypothesis of Stationarity against the Alternative of a Unit Root, Journal of Econometrics, 54, pp. 159-178.

Zajęcia 10

5. Jednorównaniowe modele szeregów czasowych – modelowanie i prognozowanie cd:

• modele ARMA(p,q)/ modele dla szeregów zintegrowanych ARIMA(p,d,q);

• warunki stacjonarności;

• procedura Boxa-Jenkinsa, wyznaczanie rzędów modelu;

• kryteria informacyjne AIC, SBC (BIC).

Literatura:

Enders (2014), rozdział 2.4, 2.5, 2.6.

Zajęcia 11

5. Jednorównaniowe modele szeregów czasowych – modelowanie i prognozowanie cd:

• diagnostyka modeli;

• testy Portmanteau: Boxa-Pierce’a, Ljunga-Boxa, test Jarque-Berra;

• prognozowanie w modelach ARMA/ARIMA.

Literatura:

Enders (2014), rozdział 2.7 – 2.8

Zajęcia 12

5. Jednorównaniowe modele szeregów czasowych – modelowanie i prognozowanie cd:

• sezonowość stochastyczna, sezonowość deterministyczna;

• różnicowanie sezonowe;

• testowanie występowania sezonowości (test Dickey-Hasza-Fuller).

Literatura:

Ghysels E., Osborn D.R., The econometric analysis of seasonal time series, Cambridge University Press, Cambridge 2001., rozdział 2, rozdział 3

Dickey, D. A., H. P. Hasza, and W. A. Fuller (1984), “Testing for unit roots in seasonal time series,” JASA, 79, 355-367.

H. P. Hasza, and W. A. Fuller (1982),”Testing for nonstationary parameter specifications in seasonal time series models”, The Annals of Statistics 1982, Vol.10, No. 4, 1209-1216

Zajęcia 13

5. Jednorównaniowe modele szeregów czasowych – modelowanie i prognozowanie cd:

• sezonowe modele SARIMA;

• prognozowanie w modelach sezonowych SARIMA.

Literatura:

Enders (2014), rozdział 2.11

Zajęcia 14

6. Wielorównaniowe modele szeregów czasowych:

• modelowanie zależności długookresowych;

• kointegracja – definicja i testowanie.

Literatura:

Enders (2014), rozdział 6.1-6.2

Engle, R.F. and C.W. J. Granger (1987), “Co-integration and Error Correction: Representation, Estimation, and Testing”, Econometrica, 55, 251-276.

Zajęcia 15

6. Wielorównaniowe modele szeregów czasowych cd:

• kointegracja – estymacja wektora kointegrującego, modele korekty błędem ECM.

Literatura:

Enders (2014), rozdział 6.3-6.6

Engle, R.F. and C.W. J. Granger (1987), “Co-integration and Error Correction: Representation, Estimation, and Testing”, Econometrica, 55, 251-276.

Literatura:

Podręczniki:

Enders W. (2014), Applied Econometric Time Series, Wiley.

Ghysels E., Osborn D.R. (2001), The econometric analysis of seasonal time series, Cambridge University Press.

Gomez V. and A. Maravall (1997), Programs TRAMO and SEATS - Instructions for the User, Banco de Espana.

X-12 ARIMA Reference Manual (2011), U.S. Census Bureau.

Pawełek B., Wanat S., Zeliaś A. (2003/2013), Prognozowanie ekonomiczne – Teoria, przykłady, zadania, PWN.

Artykuły:

Dickey, D. A., H. P. Hasza, and W. A. Fuller (1984), “Testing for unit roots in seasonal time series,” JASA, 79, 355-367.

Engle, R.F. and C.W. J. Granger (1987), “Co-integration and Error Correction: Representation, Estimation, and Testing”, Econometrica, 55, 251-276.

H. P. Hasza, and W. A. Fuller (1982),”Testing for nonstationary parameter specifications in seasonal time series models”, The Annals of Statistics 1982, Vol.10, No. 4, 1209-1216.

Kwiatkowski, D., P.C.B. Phillips, P. Schmidt, Y. Shin (1992): Testing the Null Hypothesis of Stationarity against the Alternative of a Unit Root, Journal of Econometrics, 54, pp. 159-178.

Efekty uczenia się:

A) Wiedza

Student ma wiedzę o podstawowych pojęciach i narzędziach wykorzystywanych w analizie i prognozowaniu szeregów czasowych.

1. Student zna i rozumie pojęcia procesu stochastycznego i deterministycznego oraz szeregu czasowego.

2. Student zna i rozumie metody dekompozycji szeregu czasowego.

3. Student zna metody wygładzania z wykorzystaniem średnich ruchomych i wygładzania wykładniczego.

4. Student zna i rozumie potrzeby wygładzania sezonowego szeregów czasowych.

5. Student zna i rozumie pojęcie sezonowości.

6. Student zna w zakresie podstawowym programy ARIMA X-12 i TRAMO/SEATS.

7. Student zna pojęcia silnej i słabej stacjonarności.

8. Student zna i rozumie podstawowe procesy stochastyczne: autoregresyjny (AR), średniej ruchomej (MA) oraz modele ARIMA.

9. Student zna i rozumie pojęcie integracji szeregu czasowego.

10. Student zna i rozumie pojęcie kointegracji oraz mechanizmu korekty błędem (ECM).

B) Umiejętności

Student ma umiejętność samodzielnego przeprowadzenia badania ekonometrycznego: przygotowania danych czasowych, estymacji i weryfikacji modelu, przeprowadzenia testów diagnostycznych i oszacowania prognoz.

1. Student potrafi dekomponować szeregi czasowe na elementarne składniki.

2. Student posiada umiejętność generowania prognoz dla szeregów czasowych oraz potrafi ocenić ich jakość.

3. Student potrafi przeprowadzić testy stacjonarności szeregu czasowego i zinterpretować ich wyniki.

4. Student posiada umiejętność interpretacji przebiegu funkcji autokorelacji (ACF) i cząstkowej autokorelacji (PACF)

5. Student potrafi wykorzystując formalne testy statystyczne ocenić rząd integracji szeregu czasowego.

6. Student ma umiejętność oszacowania parametrów modelu klasy ARIMA oraz uzyskać prognozy z tego modelu.

7. Student potrafi oszacować parametry modelu z kointegracją i stwierdzić czy zachodząca kointegracja ma uzasadnienie ekonomiczne.

C) Kompetencje społeczne

Student ma świadomość konieczności weryfikacji teorii ekonomicznych za pomocą danych empirycznych przy wykorzystaniu testów statystycznych. Student ma świadomość nieustannego powiększania się zbioru możliwych do wykorzystania metod weryfikacji hipotez.

1. Student ma świadomość, że teorie ekonomiczne są kontrowersyjne i że konieczne jest konfrontowanie ich z danymi empirycznymi wykorzystując wymienione powyżej narzędzia.

2. Student potrafi na podstawie dostępnych lub zebranych przez siebie danych empirycznych, przeanalizować podstawowe zjawiska ekonomiczne oraz zweryfikować wiążące się z nimi hipotezy. Umie wyciągnąć z nich wnioski dotyczące ważnych zagadnień społecznych i ekonomicznych, prognozować zachowanie tych zjawisk.

3. Student ma świadomość, że analiza szeregów czasowych ma szerokie zastosowanie w ekonomii.

KW01, KW02, KW03, KU01, KU02, KW03, KK01, KK02, KK03

Metody i kryteria oceniania:

- limit nieobecności wynosi 3

- wykonanie pracy empirycznej polegającej na analizie rzeczywistych danych o charakterze szeregów czasowych (50%),

- zaliczenie egzaminu w formie pisemnej (50%),

- dodatkowym warunkiem jest uzyskanie co najmniej 50% punktów z pracy empirycznej i co najmniej 50% punktów z egzaminu teoretycznego.

Pracę empiryczną należy oddać w I terminie:

a) wersję elektroniczną do godz.23:59 dnia poprzedzającego dzień ostatnich zajęć z przedmiotu

oraz

b) wersję papierową na ostatnich zajęciach.

Pracę empiryczną należy oddać w II terminie:

a) wersję elektroniczną i wersję papierową do pierwszego dnia sesji poprawkowej.

Niedotrzymanie powyższych terminów skutkuje brakiem możliwości zaliczenia przedmiotu.

Zajęcia w cyklu "Semestr letni 2023/24" (w trakcie)

Okres: 2024-02-19 - 2024-06-16
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Konwersatorium, 30 godzin więcej informacji
Koordynatorzy: Stanisław Cichocki, Aneta Dzik-Walczak, Natalia Nehrebecka, Piotr Żoch
Prowadzący grup: Stanisław Cichocki, Aneta Dzik-Walczak, Natalia Nehrebecka, Piotr Żoch
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Konwersatorium - Egzamin
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski, Wydział Nauk Ekonomicznych.
ul. Długa 44/50
00-241 Warszawa
tel: +48 22 55 49 126 https://www.wne.uw.edu.pl/
kontakt deklaracja dostępności USOSweb 7.0.2.0-1 (2024-03-12)