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

Bajesowska ekonometria szeregów czasowych

Informacje ogólne

Kod przedmiotu: 2400-ZEWW828
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: Bajesowska ekonometria szeregów czasowych
Jednostka: Wydział Nauk Ekonomicznych
Grupy: Przedmioty kierunkowe do wyboru - studia II stopnia EM - grupa 1 (3*30h)
Przedmioty kierunkowe do wyboru - studia II stopnia IE - grupa 1 (6*30h)
Przedmioty wyboru kierunkowego dla studiów licencjackich EM
Przedmioty wyboru kierunkowego dla studiów licencjackich IE
Przedmioty wyboru kierunkowego dla studiów licencjackich 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:

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 zajęć dokonamy wprowadzenia do koncepcji bajesowskiej. Pokażemy na przykładzie zwykłej regresji liniowej jak przebiega typowe (analityczne) wnioskowanie bajesowskie.

W drugim bloku zajęć będziemy stosować formułę Bayesa w celu estymacji modeli, które należą do kanonu nowoczesnej ekonometrii szeregów czasowych.

Pełny 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 zajęć dokonamy wprowadzenia do koncepcji bajesowskiej. Pokażemy na przykładzie zwykłej regresji liniowej jak przebiega typowe (analityczne) wnioskowanie bajesowskie. Omówimy również metody Markov Chain Monte Carlo (MCMC), które są powszechnie stosowane w bajesowskim modelowaniu szeregów czasowych. W drugim bloku zajęć będziemy stosować formułę Bayesa w celu estymacji modeli, które należą do kanonu nowoczesnej ekonometrii szeregów czasowych. Będziemy rozważać zarówno jednowymiarowe jak i wielowymiarowe modele. Niewątpliwym atutem mojego kursu są autorskie materiały analityczno-szkoleniowe wykorzystywane podczas zajęć, których poziom uszczegółowienia często wykracza poza to co możecie spotkać w jakimkolwiek podręczniku. Ponadto wszystkie metody MCMC oraz modele omawiane podczas zajęć będą ilustrowane autorskimi kodami napisanymi w programie R.

Zajęcia składają się z 2-ch bloków:

1) Wprowadzenie do koncepcji bajesowskiej:

a) Formuła Bayesa, różnice między bajesowskim a częstościowym paradygmatem

b) Model regresji liniowej w ujęciu bajesowskim

c) AutoRegression (AR) w ujęciu bajesowskim

d) Metody Markov Chain Monte Carlo (MCMC)

2) Omawiane modele (lista rzeczywiście rozważanych modeli podczas zajęć może się zmieniać):

a) Vector AutoRegression (VAR)

b) Structural VAR

c) State-space models

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

e) UWAGA: istnieje opcja, żeby zaproponować estymację dowolnego modelu, który uczestnicy kursu uznają za użyteczny lub ciekawy np. Stochastic Volatility, Dynamic Factors Models, TVP-VAR, Local Projection itd.

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 w dowolnym środowisku programistycznym np. R, Python, Matlab, Stata itd.

Zajęcia w cyklu "Semestr zimowy 2023/24" (zakończony)

Okres: 2023-10-01 - 2024-01-28
Wybrany podział planu:
Przejdź do planu
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, 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 7.0.3.0 (2024-03-22)