SylabUZ
Nazwa przedmiotu | Ekonometria dynamiczna i finansowa |
Kod przedmiotu | 11.5-WK-IiED-EDF-W-S14_pNadGenMOT56 |
Wydział | Wydział Matematyki, Informatyki i Ekonometrii |
Kierunek | Informatyka i ekonometria |
Profil | ogólnoakademicki |
Rodzaj studiów | drugiego stopnia z tyt. magistra |
Semestr rozpoczęcia | semestr zimowy 2017/2018 |
Semestr | 1 |
Liczba punktów ECTS do zdobycia | 7 |
Typ przedmiotu | obowiązkowy |
Język nauczania | polski |
Sylabus opracował |
|
Forma zajęć | Liczba godzin w semestrze (stacjonarne) | Liczba godzin w tygodniu (stacjonarne) | Liczba godzin w semestrze (niestacjonarne) | Liczba godzin w tygodniu (niestacjonarne) | Forma zaliczenia |
Wykład | 30 | 2 | - | - | Egzamin |
Laboratorium | 30 | 2 | - | - | Zaliczenie na ocenę |
Celem przedmiotu jest zapoznanie studentów z praktycznymi metodami analizy jednowymiarowych i wielowymiarowych ekonomicznych i finansowych szeregów czasowych.
Znajomość rachunku prawdopodobieństwa, statystyki matematycznej, ekonometrii.
Wykład
1. Stacjonarność i niestacjonarność procesu. Funkcje autokorelacji i autokorelacji cząstkowej. (2 godz.)
2. Model autoregresji i średniej ruchomej: ARMA, ARIMA. Identyfikacja procesu. (2 godz.)
3. Estymacja parametrów. Testy pierwiastka jednostkowego. (2 godz.)
4. Wielowymiarowe procesy stochastyczne. (1 godz.)
5. Kointegracja. (2 godz.)
6. Modele klasy GARCH. Estymacja. (1 godz.)
7. Analiza rozkładów cen i stóp zwrotu. (1 godz.)
8. Model portfela, hipoteza rynku efektywnego, hipoteza racjonalnych oczekiwań, wycena opcji. (2 godz.)
9. Estymacja i prognozowanie miar ryzyka (Value at Risk). (1 godz.)
Laboratorium
1. Modelowanie procesów stacjonarnych i niestacjonarnych. (2 godz.)
2. Funkcje autokorelacji i autokorelacji cząstkowej. Testy istotności współczynników autokorelacji i autokorelacji cząstkowej. (2 godz.)
3. Modelowanie procesów AR, MA, ARMA, ARIMA. Identyfikacja procesu. (2 godz.)
4. Estymacja parametrów. Testy pierwiastka jednostkowego. Analiza danych rzeczywistych. (4 godz.)
5. Wielowymiarowe procesy stochastyczne. Modelowanie i analiza danych rzeczywistych. (4 godz.)
6. Kointegracja. Modelowanie i analiza danych rzeczywistych. (4 godz.)
7. Modele klasy GARCH. Estymacja. Modelowanie i analiza danych rzeczywistych. (4 godz.)
8. Analiza rozkładów cen i stóp zwrotu. Modelowanie i analiza danych rzeczywistych. (4 godz.)
9. Model portfela. Modelowanie i analiza danych rzeczywistych. (4 godz.)
Wykład tradycyjny.
Laboratorium – W pierwszej fazie, studenci przy wykorzystaniu programu komputerowego modelują określony typ procesu, analizują otrzymane dane, wyciągają wnioski w oparciu o otrzymane wyniki. Następnie powtarzają analizy w oparciu o dane rzeczywiste.
Opis efektu | Symbole efektów | Metody weryfikacji | Forma zajęć |
1. Każdy student wykonuje projekt pozwalający na ocenę, czy osiągnął efekty kształcenia w stopniu minimalnym.
2. Egzamin pisemny z zagadnień prognozowania i metod symulacji.
Na ocenę z przedmiotu składa się ocena z laboratorium (60%) i ocena z egzaminu (40%). Warunkiem zaliczenia przedmiotu jest pozytywna ocena z laboratorium i egzaminu.
1. G.E.P Box, G.M. Jenkins, Analiza szeregów czasowych, PWN, Warszawa, 1983.
2. W. Charemza, D.F. Deadman, Nowa ekonometria, PWE, Warszawa, 1997.
3. T. Kufel, Postulat zgodności w dynamicznych modelach ekonometrycznych, 2002.
4. M. Gruszczyński, Modele i prognozy zmiennych jakościowych w finansach i bankowości, Oficyna Wyd. SGH, 2002.
5. W. Welfe (red.), Ekonometryczne modele rynku, t.1, Metody ekonometryczne, PWE, W-wa, 1977.
6. Z. Zieliński, Metody analizy dynamiki i rytmiczności zjawisk gospodarczych, PWN, W-wa, 1979.
1. M. Gruszyński, Modele i prognozy zmiennych jakościowych w finansach i bankowości, Wydawnictwo uczelniane SGH, Warszawa, 2002.
2. M. Osińska, Ekonometria współczesna, TNOiKDO, 2007. 3. W. Welfe, Ekonometria, PWE, Warszawa, 2005.
Zmodyfikowane przez dr Robert Dylewski, prof. UZ (ostatnia modyfikacja: 09-04-2017 16:21)