Эконометрика

2020/2021

Учебный год

RUS

Обучение ведется на русском языке

5

Кредиты

Кто читает:

Департамент статистики и анализа данных

Статус:

Курс обязательный

Когда читается:

4-й курс, 1, 2 модуль

Преподаватель

Родионова Лилия Анатольевна

Программа дисциплины

Аннотация

Анализ различных статистических показателей, представленных временными рядами, стало неотъемлемой частью современных научных прикладных исследований во многих областях науки. Временная структура данных накладывает ограничения на используемые эконометрические модели в силу того, что временные данные упорядочены во времени и наблюдения в близкие моменты времени зависимы. В курсе Эконометрики будут подробно обсуждаться вопросы моделирования детерминированных составляющих временного ряда, стационарности процессов, адаптивные модели, модели ARIMA, моделирование сезонности, проблемы анализа нестационарных временных рядов и многомерных моделей. В предлагаемом курсе будет рассмотрено большое количество прикладных задач с использованием современных пакетов прикладных программ (Stata, Gretl).

Цель освоения дисциплины

• Целью освоения дисциплины Эконометрика является формирование у студентов научного представления о методах, моделях и приемах, позволяющих получать количественные выражения закономерностям экономической теории на базе экономической статистики с использованием математико-статистического инструментария анализа временных рядов.
• выработка у студентов навыков критического анализа различных источников информации о временных рядах
• подготовка студента к решению профессиональных задач в области анализа временных рядов

Планируемые результаты обучения

• Знать основные принципы и уметь использовать методы оценивания моделей ARMA/ARIMA, моделей с авторегрессионной условной гетероскедастичностью, уметь применять тесты единичного корня.
• Знать основные принципы и уметь использовать модели сезонных колебаний с фиктивными переменными, модели SARIMA, адаптивные сезонные модели временных рядов, применять тесты на сезонные единичные корни.
• Знать основные принципы и уметь использовать основные модели многомерных временных рядов: модели коинтеграции, модели коррекции ошибками, авторегрессионная модели распределенных лагов, модели векторной авторегрессии.

Содержание учебной дисциплины

• Тема10. Анализ одномерных временных рядов
  Введения в анализ временных рядов. Основные типы стационарных ARMA моделей. Модели нестационарных временных рядов. Тесты на единичные корни. Модели с авторегрессионной условной гетероскедастичностью.
• Тема11. Анализ и моделирование сезонных колебаний во временных рядах
  Моделирование сезонных колебаний с помощью гармонического анализа и фиктивных переменных. Сезонные модели SARIMA. Тесты на сезонные единичные корни. Адаптивные сезонные модели временных рядов
• Тема12. Основные модели многомерных временных рядов
  Понятие о коинтеграции. Авторегрессионная модель распределенных лагов. Векторная авторегрессия. Векторная модель коррекции ошибками.

Элементы контроля

• Активность на семинарах
• Текущие домашние работы
  ТДР выполняются еженедельно, в группе по 2 человека и состоят из нескольких заданий по пройденной теме. На проверку отчет загружается в LMS.
• Самостоятельная работа 1
  СР1 и СР2 (Самостоятельные работы 1 и 2) выполняются на компьютерах в соответствии с требованиями. В итоге студенты представляют на проверку текстовый отчет и расчетный файл через LMS.
• Контрольная работа 1
  КР1 и КР2 (Контрольные работы 1 и 2) выполняются в форме аудиторной контрольной работы с решением теоретических, а также расчетных задач, не связанных с обработкой больших массивов данных, с использованием калькулятора.
• Самостоятельная работа 2
  СР1 и СР2 (Самостоятельные работы 1 и 2) выполняются на компьютерах в соответствии с требованиями. В итоге студенты представляют на проверку текстовый отчет и расчетный файл через LMS.
• Контрольная работа 2
• Активность на семинарах
• Текущие домашние работы
  ТДР выполняются еженедельно, в группе по 2 человека и состоят из нескольких заданий по пройденной теме. На проверку отчет загружается в LMS.
• Самостоятельная работа 1
  СР1 и СР2 (Самостоятельные работы 1 и 2) выполняются на компьютерах в соответствии с требованиями. В итоге студенты представляют на проверку текстовый отчет и расчетный файл через LMS.
• Контрольная работа 1
  КР1 и КР2 (Контрольные работы 1 и 2) выполняются в форме аудиторной контрольной работы с решением теоретических, а также расчетных задач, не связанных с обработкой больших массивов данных, с использованием калькулятора.
• Самостоятельная работа 2
  СР1 и СР2 (Самостоятельные работы 1 и 2) выполняются на компьютерах в соответствии с требованиями. В итоге студенты представляют на проверку текстовый отчет и расчетный файл через LMS.
• Контрольная работа 2

Промежуточная аттестация

• Промежуточная аттестация (2 модуль)
  0.05 * Активность на семинарах + 0.15 * Контрольная работа 1 + 0.15 * Контрольная работа 2 + 0.25 * Самостоятельная работа 1 + 0.25 * Самостоятельная работа 2 + 0.15 * Текущие домашние работы

Список литературы

Рекомендуемая основная литература

• Enders, W. (2015). Applied Econometric Time Series (Vol. Fourth edition). Hoboken, NJ: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1639192
• Hamilton, J. D. . (DE-588)122825950, (DE-576)271889950. (1994). Time series analysis / James D. Hamilton. Princeton, NJ: Princeton Univ. Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edswao&AN=edswao.038453134
• Подкорытова О. А., Соколов М. В. - АНАЛИЗ ВРЕМЕННЫХ РЯДОВ 2-е изд., пер. и доп. Учебное пособие для бакалавриата и магистратуры - М.:Издательство Юрайт - 2019 - 267с. - ISBN: 978-5-534-02556-9 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/analiz-vremennyh-ryadov-433180
• Путеводитель по современной эконометрике : учеб.- метод. пособие для вузов, Вербик, М., 2008

Рекомендуемая дополнительная литература

• Box, G. E. P., Reinsel, G. C., & Jenkins, G. M. (2008). Time Series Analysis : Forecasting and Control (Vol. 4th ed). Hoboken, N.J.: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=588017
• Bulakh, V., Kirichenko, L., & Radivilova, T. (2019). Time series classification based on fractal properties. https://doi.org/10.1109/DSMP.2018.8478532
• Chatfield, C., & Xing, H. (2019). The Analysis of Time Series : An Introduction with R (Vol. Seventh edition). Boca Raton, Florida: Chapman and Hall/CRC. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2110461
• Практика эконометрики: классика и современность : учебник для вузов, Берндт, Э. Р., 2005