Zaawansowana analiza szeregów czasowych 2400-M1IiEZASC
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
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
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.
Kryteria oceniania
Projekt domowy i aktywność podczas zajęć
Literatura
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
Więcej informacji
Więcej informacji o poziomie przedmiotu, roku studiów (i/lub semestrze) w którym się odbywa, o rodzaju i liczbie godzin zajęć - szukaj w planach studiów odpowiednich programów. Ten przedmiot jest związany z programami:
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: