Bayesian time-series econometrics 2400-ZEWW829

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) Model opisany w artykule J. Qiu, S. R. Jammalamadaka, and N. Ning (2018), ”Multivariate Bayesian structural time series model", Journal of Machine Learning Research, oraz dedykowany R package “MBSTS”
f) 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.
Niewątpliwym atutem 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.