Master
2020/2021
Mathematics for Economists
Type:
Compulsory course (Financial Economics)
Area of studies:
Economics
Delivered by:
International College of Economics and Finance
When:
1 year, 1, 2 module
Mode of studies:
offline
Instructors:
Kirill Bukin,
Boris Demeshev,
Alexander Zasorin,
Peio Zuazo-Garin,
Вальковский Сергей Максимович
Master’s programme:
Financial Economics
Language:
English
ECTS credits:
7
Contact hours:
108
Course Syllabus
Abstract
The objective of the course is to equip the students with some of the theoretical foundations of the modern mathematics and what is more important with the analytical methods of solving problems posed by the micro and macro analysis Prerequisites include undergraduate level mathematics: Calculus (both single and multi-dimensional), Linear Algebra, Probability theory and Mathematical Statistics, Ordinary Differential Equations.
Learning Objectives
- The objective of the course is to equip the students with some of the theoretical foundations of the modern mathematics and what is more important with the analytical methods of solving problems posed by the micro and macro analysis.
Expected Learning Outcomes
- Apply multidimensional calculus, optimization to economic problems
- Apply methods of linear algebra to economic issues
- Apply the theorems that provide sufficiency conditions in the problems of optimization
- Apply statistical methods to economic tasks
- Handle first-order DE and linear DE of higher order with the constant coefficients
- Solve problems of calculus of variations as well as optimal control theory
- Apply Lagrange method as well as analysis of Bellman’s equations to macroeconomics
Course Contents
- Multidimensional calculus, basics of optimization1. Euclidean spaces: basic notions and definitions vector distance open and closed sets neighborhood of a point, limiting points, boundary points bounded sets, compact sets 2. Functions and their generalizations vector-functions limit of a function continuity 3. Multidimensional calculus Total differential and more - partial derivative - relation between partial and total derivatives - implicit function theorem - higher-order derivatives and differentials - Young’s theorem, Hessian 4. Optimization in many variables. Unconstrained optimization at first followed by constrained optimization concept of extrema Necessary conditions of extrema Bordered Hessians
- Linear AlgebraBasic notions, definitions and propositions operations on matrices linear spaces and subspaces, their properties Gauss method of solving linear systems eigenvalues and eigenvectors (definition, relation to the matrix rank, case of a symmetric matrix) quadratic forms: sign-definiteness of for kernel and image of a linear operator Eucleadean spaces orthogonalization by Gramm-Schmidt’s method quadratic form sign-definiteness criterion (by eigenvalues) Sylvester’s criterion reduction of a matrix to a diagonal form Projectors as operators in vector spaces Normal Jordan form of a matrix and its applications Notion of a pseudoinverse matrix
- Uncertainty, information, and stochastic calculus1. Probability essentials Sigma-algebras Basic properties of sigma-algebras Borel sigma algebras Measurable functions Probability as measure Expectation 2. Conditional expectation Definition Calculation of conditional expectation Properties of conditional expectations 3. Discrete-time stochastic processes Filtration Adapted process Predictable process Markov process Markov chains Examples 4. Martingales Definitions of martingales Properties Examples Random walk 5. Continuous-time stochastic process Arithmetic and geometric Brownian motion martingales in continuous time multi-dimensional processes 6. Ito calculus Stochastic integral Ito’s lemma SDE 7. Change of measure Girsanov theorem solution of Black-Scholes model via Girsanov theorem 8. Introduction to Matlab Basic matrix operations functions scripts graphs flow control
- Convex analysis and Kuhn-Tucker theorem1. Convexity (convexity of a set, convex/concave functions, their properties) separability theorem, separating hyperplane saddle point necessary and sufficient conditions of concave functions strict convexity of a function 2. Unconstrained optimization in many variables Taylor’s expansion in a multivariable case Jacobi’s matrix sufficient conditions for extrema 3. Constrained optimization Lagrange’s classic problem 4. Constrained optimization with inequality constraints necessary and sufficient conditions for extrema problem modification for the nonnegative variables differential characteristics of Kuhn-Tucker conditions the meaning of Lagrange multiplier
- Differential Equations1. First-Order and higher-order Ordinary Differential Equations (a) Types of equations (b) Linear, first-order differential equations with constant and variable coefficients (c) Higher-order differential equations, the case of linear with the constant coefficients 2. Systems of Linear Ordinary Differential Equations (a) Phase Diagrams. (b) Analytical Solutions of Linear, Homogeneous Systems. (c) The Relation between the Graphical and Analytical Solutions. (d) Stability. (e) Analytical Solutions of Linear, Nonhomogeneous Systems. (f) Linearization of Nonlinear Systems
- Finite-Horizon Dynamic Programming1. Examples of the Dynamic Programming Problems 2. Histories, Strategies and the Value function 3. Existence of an Optimal Strategy 4. The Bellman Equation 5. Stationary Strategies 6. Example: the Optimal Growth Strategy
- Dynamic Optimization in Continuous Time1. The Typical Problem. 2. Derivation of the First-Order Conditions. 3. Transversality Conditions. 4. The Behavior of the Hamiltonian over Time. 5. Sufficient Conditions. 6. Infinite Horizons. Example: The Neoclassical Growth Model. 7. Transversality Conditions in Infinite-Horizon Problems. 8. Summary of the Procedure to Find the First-Order Conditions. 9. Present-Value and Current-Value Hamiltonians. Multiple Variables.
- Theory of probability and statistics1. random variable, sample space 2. cumulative distribution function and its density 3. uniform distribution 4. normal distribution, reduction of the Gaussian variable to variable 5. standard expectation E[ X], E[f (X)] 6. initial and central moments 7. joint distributions of the random variables 8. conditional distributions 9. iterated expectations formula 10. limiting densities 11. covariation and correlation 12. standard normal vector and its properties 13. marginal and conditional normal distributions 14. quadratic forms in a standard normal vector 15. X2 distribution and its properties 16. Student’s distribution and its properties 17. Fisher’s distribution and its properties 18. point estimation of parameters 19. unbiasness and efficiency of estimators 20. elements of large-sample distribution theory 21. convergence in probability and convergence in distribution 22. asymptotic distribution 23. interval estimation 24. hypothesis testing 25. errors of the first and second type 26. critical region of the test, decision rule
Assessment Elements
- home assignments
- refersher test
- Final exam
- Midterm ExaminationДля студентов она дистанте экзамен проводится в письменной форме с использованием синхронного прокторинга. Экзамен проводится на платформе https://hse.student.examus.net). К экзамену необходимо подключиться за 10 минут до начала. Проверку настроек компьютера необходимо провести заранее, чтобы в случае возникших проблем у вас было время для обращения в службу техподдержки и устранения неполадок. Компьютер студента должен удовлетворять требованиям: 1. Стационарный компьютер или ноутбук (мобильные устройства не поддерживаются); 2. Операционная система Windows (версии 7, 8, 8.1, 10) или Mac OS X Yosemite 10.10 и выше; 3. Интернет-браузер Google Chrome последней на момент сдачи экзамена версии (для проверки и обновления версии браузера используйте ссылку chrome://help/); 4. Наличие исправной и включенной веб-камеры (включая встроенные в ноутбуки); 5. Наличие исправного и включенного микрофона (включая встроенные в ноутбуки); 6. Наличие постоянного интернет-соединения со скоростью передачи данных от пользователя не ниже 1 Мбит/сек; 7. Ваш компьютер должен успешно проходить проверку. Проверка доступна только после авторизации. Для доступа к экзамену требуется документ удостоверяющий личность. Его в развернутом виде необходимо будет сфотографировать на камеру после входа на платформу «Экзамус». Также вы должны медленно и плавно продемонстрировать на камеру рабочее место и помещение, в котором Вы пишете экзамен, а также чистые листы для написания экзамена (с двух сторон). Это необходимо для получения чёткого изображения. Во время экзамена запрещается пользоваться любыми материалами (в бумажном / электронном виде), использовать телефон или любые другие устройства (любые функции), открывать на экране посторонние вкладки. В случае выявления факта неприемлемого поведения на экзамене (например, списывание) результат экзамена будет аннулирован, а к студенту будут применены предусмотренные нормативными документами меры дисциплинарного характера вплоть до исключения из НИУ ВШЭ. Если возникают ситуации, когда студент внезапно отключается по любым причинам (камера отключилась, компьютер выключился и др.) или отходит от своего рабочего места на какое-то время, или студент показал неожиданно высокий результат, или будут обнаружены подозрительные действия во время экзамена, будет просмотрена видеозапись выполнения экзамена этим студентом и при необходимости студент будет приглашен на онлайн-собеседование с преподавателем. Об этом студент будет проинформирован заранее в индивидуальном порядке. Во время выполнения задания, не завершайте Интернет-соединения и не отключайте камеры и микрофона. Во время экзамена ведется аудио- и видео-запись. Процедура пересдачи проводится в соответствии с нормативными документами НИУ ВШЭ.
