Zaawansowana analiza szeregów czasowych

obowiązkowe

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.

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

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

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.

Projekt domowy i aktywność podczas zajęć