Эконометрика

Бакалавриат 2020/2021

Статус: Курс обязательный (Фондовый рынок и инвестиции)

Направление: 38.03.01. Экономика

Кто читает: Центр развития компетенций в области финансов и учета Института открытых программ дополнительного образования Высшей школы бизнеса

Где читается: Центр развития компетенций в области финансов и учета Института открытых программ дополнительного образования Высшей школы бизнеса

Когда читается: 3-й курс, 2 модуль

Формат изучения: без онлайн-курса

Язык: русский

Кредиты: 6

Контактные часы: 36

Полная версия программы учебной дисциплины

Аннотация

Настоящая дисциплина относится к профессиональному циклу дисциплин, изучаемых в ИППС в рамках направления 38.03.01 Экономика подготовки бакалавра. Изучение данной дисциплины базируется на следующих дисциплинах: • Математика (разделы: математический анализ, линейная алгебра, теория вероятностей и математическая статистика); • Микроэкономика; • Макроэкономика. Для освоения учебной дисциплины, студенты должны владеть следующими знаниями и компетенциями: • владеть основными понятиями теории вероятностей и математической статистики; • знать основные законы распределения случайных величин; • уметь проверять статистические гипотезы относительно параметров известных рас-пределений; • иметь первичные навыки обработки статистических данных на компьютере. Основные положения дисциплины должны быть использованы в дальнейшем при изучении дисциплины «Производные финансовые инструменты» и выполнении студентом выпускной квалификационной работы. Цели освоения дисциплины: дать студентам научное представление о методах и моделях современной эконометрики, которые позволяют давать количественную оценку основным закономерностям экономической теории. В рамках дисциплины используются различные образовательные технологии: теоретические в виде лекционных занятий и практические формы - разбор практических задач и кейсов, выполнение групповых и индивидуальных проектов.

Цель освоения дисциплины

Целями освоения дисциплины являются изучение современных методов эконометрического моделирования и овладения навыками использования статистического инструментария с целью решения финансовых и экономических задач.

Планируемые результаты обучения

Иметь навыки (приобрести опыт): обработки реальных статистических данных; применения эконометрических пакетов для построения и диагностики эконометри-ческих моделей (например, ППП MS Excel, Eviews, STATA, Gretl, R)
Уметь: применять стандартные методы построения эконометрических моделей, об-рабатывать статистическую информацию и получать статистически обоснованные выводы, давать содержательную интерпретацию результатов эконометрического мо-делирования
Знать: основные понятия эконометрики, основные методы оценивания неизвестных параметров эконометрических моделей, методы проверки статистических гипотез о параметрах построенных моделей, основные методы диагностики (проверки качества) эконометрических моделей

Содержание учебной дисциплины

Тема 1. Основные понятия эконометрического моделирования
Понятие эконометрической модели. Классификация и примеры эконометрических мо-делей. Этапы эконометрического исследования. Типы данных, используемые в эконометриче-ских моделях. Пространственная выборка. Панельные данные. Временные ряды. Виды пере-менных, включаемых в эконометрические модели. Эндогенные и экзогенные переменные.
Тема 2. Программы средства эконометрического моделирования
Обзор современных программных средств, используемых в финансовых вычисле-ниях. Базовая функциональность языка R. Работа со статистическими библиоте-ками языка Python. Другие пакеты и приложения (SAS, SPSS, Eviews, Stata). Загруз-ка экономической информации из внешних источников. Подготовка и первичная об-работка данных. Графические библиотеки. Библиотеки и приложения, используе-мые в анализе финансовых рынков.
Тема 3. Методы оценивания параметров распределений
Случайные величины и случайные процессы. Основные статистические распреде-ления, используемые в экономике и финансах. Нормальный закон распределения. Центральная предельная теорема. Специальные распределения. Многомерные за-коны распределения. Моменты распределения. Оценка статистических параметров. Свойства оценок. Условные распределения и условные моменты. Интервальное оценивание. Проверка статистических гипотез.
Тема 4. Статистические методы анализа взаимосвязи
Дисперсионный анализ (ANOVA). Понятие ковариации. Корреляционный анализ. Парный, частный и множественный коэффициенты корреляции. Графическая интерпретация коэффициента корреляции. Ковариационная и корреляционная матрицы. Проверка значимости коэффициентов корреляции. Непараметрическая корреляция.
Тема 5. Построение и анализ регрессионных моделей I
Понятие регрессионной модели. Классификация регрессионных моделей. Линейная и нелинейная регрессия. Парная регрессия. Предпосылки (теорема) Гаусса-Маркова. Свойства МНК-оценок параметров регрессии. Интерпретация коэффициентов регрессии. Коэффициенты эластичности. Оценка качества регрессионных моделей. Анализ остатков уравнения регрессии. Последствия нарушения предпосылок Гаусса-Маркова. Понятие гетероскедастичности и автокорреляция остатков. Преобразования переменных. Прогнозирование экономических явлений и процессов на основе регрессионной модели.
Тема 6. Построение и анализ регрессионных моделей II
Методы оценивания параметров множественной регрессии. Представление МНК в векторно-матричном виде. Оценивание параметров регрессии методом максимального правдоподобия. Обобщенный метод моментов. Получение оценок регрессионной модели градиентными методами. Оценка качества модели множественной регрессии. Проблема мультиколлинеарности. Экономический и статистический подходы к включению и исключению переменных в модель. Использование фиктивных переменных (dummy variables) для моделирования качественных признаков. Идентификация структурных сдвигов в изучаемом явлении.
Тема 7. Моделирование финансовых динамических рядов.
Введение в случайные процессы. Финансовые динамические ряды (financial time series). Разложение динамического ряда на компоненты (декомпозиция Вольда). Понятие тренда и сезонности. Стационарные и нестационарные временные ряды. Про-верка свойства стационарности. Подход Бокса-Дженкинса к моделированию дина-мических процессов. Модели скользящего среднего и авторегрессии (ARMA). Авто-корреляционная и частная автокорреляционная функции. Интегрирование нестационарного временного ряда. Понятие коинтеграции. «Причинность» по Грэнджеру.

Элементы контроля

Домашние практические задания
Ответы на вопросы

Промежуточная аттестация

Промежуточная аттестация (2 модуль)
0.7 * Домашние практические задания + 0.3 * Ответы на вопросы

Программа дисциплины