Анализ временных рядов

Магистратура 2022/2023

Лучший по критерию «Полезность курса для Вашей будущей карьеры»

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Лучший по критерию «Новизна полученных знаний»

Статус: Курс обязательный (Экономика и экономическая политика)

Направление: 38.04.01. Экономика

Кто читает: Департамент прикладной экономики

Где читается: Факультет экономических наук

Когда читается: 1-й курс, 3, 4 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Канторович Григорий Гельмутович, Погорелова Полина Вячеславовна

Прогр. обучения: Экономика и экономическая политика

Язык: русский

Кредиты: 6

Контактные часы: 56

Полная версия программы учебной дисциплины

Аннотация

Настоящая программа учебной дисциплины устанавливает минимальные требования к знаниям и умениям студента, и определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов, обучающихся по магистерской программе "Прикладная экономика". Программа разработана в соответствии с: • Образовательным стандартом федерального государственного автономного образовательного учреждения высшего профессионального образования «Национальный исследовательский университет “Высшая школа экономики”» для направления 38.04.01 Экономика подготовки магистра; • Рабочим учебным планом университета по направлению 38.04.01 Экономика» подготовки магистра утвержденным в 2019 г. Курс "Анализ временных рядов" является курсом по выбору и рассчитан, в первую очередь, на студентов 1-го курса магистерской программы «Прикладная экономика», а также студентов иных магистерских программ. Материал курса предназначен для использования в курсах, связанных с количественным анализом динамики реальных экономических явлений, таких как, например, макроэкономика, прикладная макроэкономика, теория финансов и других. Он может быть использован в спецкурсах по теории случайных процессов, математическим моделям в экономике, оптимальному управлению, статистическому прогнозированию, применению методов теории вероятностей в финансовой математике, принятию решений в условиях неопределенности. Требования к студентам: курс "Анализ временных рядов" рассчитан на студентов, прослушавших курс математического анализа (включающий дифференциальное и интегральное исчисление), курс разностных уравнений, а также курсы линейной алгебры, методов оптимальных решений, экономической статистики, теории вероятностей и математической статистики, эконометрики.

Цель освоения дисциплины

В результате освоения дисциплины студент: 1. Способен оценивать и перерабатывать освоенные научные методы и способы деятельности; 2. Способен предлагать концепции, модели, изобретать и апробировать способы и инструменты профессиональной деятельности; 3. Способен анализировать, верифицировать, оценивать полноту информации в ходе профессиональной деятельности, при необходимости восполнять и синтезировать недостающую информацию и работать в условиях неопределенности; 4. Способен вести профессиональную, в том числе научно-исследовательскую деятельность в международной среде; 5. Способен ставить задачу и принимать решение с учетом возможных рисков и последствий, разрабатывать соответствующие методические и нормативные документы, а также предложения и мероприятия по реализации разработанных проектов и программ; 6. Способен готовить аналитические материалы для оценки мероприятий в области экономической политики и принятия стратегических решений на микро- и макроуровне; 7. Способен находить данные, необходимые для анализа и проведения экономических расчетов, используя различные источники информации; 8. Способен работать с большими массивами разнообразной информации, составлять прогноз основных социально-экономических показателей деятельности предприятия, отрасли, региона и экономики в целом, в т. ч. используя современные информационно-компьютерные технологии.

Планируемые результаты обучения

Знакомство с основными понятиями теории случайных процессов.
Понимает различие между стационарными и нестационарными рядами, умеет приводить ряды к стационарному виду.
Понимать к чему ведет наличие или отсутствие коинтеграции нестационарных временных рядов. Уметь переписать ARDL-модели в ECM форме.
Умеет оценивать коэффициенты моделей ARMA.
Умеет построить как точечный, так и интервальный прогноз по модели ARMA.
Умеет проводить тесты на наличие экзогенных и эндогенных структурных сдвигов.
Умеет различать процессы ARMA(p,q) и рассчитывать их характеристики
Умеет тестировать коинтеграцию многих временных рядов и строить многомерные модели как стационарных, так и нестационарных временных рядов.
Умеет тестировать наличие единичного корня, понимает особенности распределения тестовой статистики.
Умеет тестировать тип нестационарнности.
Уметь оценивать VAR-модели и проверять их стационарность.
Уметь оценивать модели с условной гетероскедастичностью.
Уметь строить многомерные модели условной гетероскедастичности
Уметь тестировать три типа экзогенности.

Содержание учебной дисциплины

Временной ряд, как дискретный случайный процесс. Стационарность случайных процессов.
Модели авторегрессии-скользящего среднего ARMA (р, q). Автокорреляционные и частные автокорреляционные функции.
Оценивание коэффициентов процессов ARMA (p, q). Информационные критерии.
Прогнозирование в модели Бокса-Дженкинса
Нестационарные временные ряды.. Подход Бокса-Дженкинса к определению степени интеграции временного ряда.
Тесты на единичные корни: тесты Дикки-Фуллера, Филлипса-Перрона, KPSS и др.
Единичные корни и структурные сдвиги: Тесты Перрона, Бай-Перрона и Зивота-Эндрюса.
Методика исследования типа нестационарности временного ряда TSP или DSP. Другие типы нестационарных процессов.
Авторегрессионные модели с распределенными лагами. Понятие экзогенности (слабой, сильной, супер–). Причинность по Грэнджеру.
Коинтеграция временных рядов. Модели коррекции ошибками.
Многомерные временные ряды. Структурная и приведенная формы многомерных моделей. Модели векторной авторегрессии (VAR). Стационарность VAR-моделей. Оценивание коэффициентов VAR моделей. Тестирование VAR моделей.
13. Тестирование коинтеграции. Тест Йохансена. Теорема Гренджера о представлении. Структурные модели векторной авторегрессии (SVAR).
15. Нелинейные модели временных рядов: ARCH, GARCH и др.
16. Многомерные модели условной гетероскедастичности.

Элементы контроля

Тесты
Домашнее задание 1
Домашнее задание 2
Контрольная работа 1
Экзамен

Промежуточная аттестация

2022/2023 учебный год 4 модуль
0.15 * Домашнее задание 2 + 0.1 * Тесты + 0.4 * Экзамен + 0.2 * Контрольная работа 1 + 0.15 * Домашнее задание 1

Программа дисциплины