Эконометрика (продвинутый уровень)

2019/2020

Учебный год

RUS

Обучение ведется на русском языке

6

Кредиты

Кто читает:

Практико-ориентированные магистерские программы факультета экономических наук

Статус:

Курс обязательный

Когда читается:

1-й курс, 1, 2 модуль

Преподаватели

Гладышева Анна Алексеевна

Ратникова Татьяна Анатольевна

Программа дисциплины

Аннотация

Курс «Эконометрика (продвинутый уровень)» рассчитан на студентов 1-го года обучения по магистерской программе «Корпоративные финансы» и представляет собой одну из базовых дисциплин фундаментального экономического образования. Для образовательной программы «Корпоративные финансы» настоящая дисциплина является обязательной. Для успешного овладения материалом дисциплины желательно обладать знаниями базового уровня следующих разделов высшей математики:  теория вероятностей,  математическая статистика,  линейная алгебра,  теория оптимизации. Сведения, полученные в курсе, необходимы при изучении дисциплины «Макроэкономика», и могут быть использованы в курсах «Эмпирические корпоративные финансы», «Стохастический анализ в финансах», «Моделирование рисков», «Анализ финансовых временных рядов», «Корпоративные финансы: оценка стоимости компаний», «Финансовое моделирование в фирме», «Финансовое поведение населения». Материал курса предназначен для проведения эмпирических исследований при подготовке курсовой работы и магистерской диссертации.

Цель освоения дисциплины

• Дать студентам представление о многообразии современных подходов эконометрического исследования
• Научить пониманию и использованию математического языка, на котором принято обосновывать их использование в исследованиях
• Привить критический подход при отборе инструментов анализа и осознание необходимости тщательного тестирования статистической адекватности получаемых моделей
• Развить навыки содержательной интерпретации результатов
• Научить слушателей корректному использованию инструментов анализа на практике при работе со специализированными эконометрическими программами (STATA).

Планируемые результаты обучения

• Уметь конструировать и анализировать математические модели экономических явлений
• Подбирать адекватные поставленной задаче методы эконометрического анализа
• Знать методы проверки адекватности сконструированных моделей реальным данным
• Иметь навыки работы со статистическими пакетами

Содержание учебной дисциплины

• Методология эконометрического исследования
  1.1. Методология эконометрического исследования на примере простой макроэкономической модели. 1.2. Обзор основных разделов и методов эконометрики.
• Классическая линейная регрессионная модель, метод наименьших квадратов, метод максимального правдоподобия
  2.1. Оценивание параметров линейной регрессионной модели. Преимущества и недостатки различных методов оценивания. Метод наименьших квадратов (МНК). Матричная система обозначений. Операторы-проекторы и их свойства. Геометрическая интерпретация МНК. Свойства оценок метода наименьших квадратов при отсутствии предположения о случайном характере ошибок. Роль гипотезы о включении в регрессию свободного члена. Анализ вариации зависимой переменной в регрессии. Коэффициент множественной детерминации и его свойства. Коэффициент множественной детерминации, скорректированный на степени свободы. Три формы уравнения регрессии. 2.2. Классическая линейная регрессия в предположении о случайном характере ошибок. Статистические характеристики ошибок, остатков, МНК-оценок параметров. Теорема Гаусса-Маркова. Несмещенная оценка дисперсии ошибок. 2.3. Гипотеза о нормальном распределении случайной ошибки. Законы распределения оценок регрессионных параметров. T-статистика для оценок коэффициентов регрессии, доверительные интервалы для теоретических значений коэффициентов и прогнозного значения зависимой переменной, доверительный интервал для дисперсии ошибки. F-статистика для линейной комбинации коэффициентов. Статистическая проверка общей линейной гипотезы о коэффициентах регрессии. Проверка гипотезы о наличии структурных изломов. Тест Чау. Использование фиктивных переменных для учета структурных изломов при оценивании регрессии. 2.4. Оценка максимального правдоподобия (ОМП): примеры и формальный подход ОМП многомерного нормального распределения. Свойства ОМП. 2.5. ОМП для линейной регрессионной модели. Критерии для тестирования гипотез в линейной модели. Тесты Вальда, отношения правдоподобий и множителей Лагранжа для проверки общих ограничений в классической регрессионной модели.
• Регрессионный анализ при нарушении предпосылок классической линейной регрессионной модели
  3.1. Мультиколлинеарность и ее теоретические предпосылки. Свойства оценок МНК при наличии мультиколлинеарности. Внешние признаки, методы диагностики, методы устранения. . 3.2. Ошибки спецификации. Виды ошибок спецификации и их последствия. Свойства оценок МНК при пропуске существенных и включении лишних переменных. Диагностика ошибок спецификации. Выбор оптимального набора регрессоров и функциональной формы регрессионной зависимости. Диагностика нормальности распределения случайного возмущения. Содержательная интерпретация коэффициентов регрессии в наиболее популярных функциональных формах регрессионных зависимостей. 3.3. Гетероскедастичность случайного возмущения и ее причины. Внешние признаки, методы диагностики, методы устранения. Свойства оценок МНК при наличии гетероскедастичности. Взвешенный метод наименьших квадратов как частный случай обобщенного метода наименьших квадратов. Поправки Уайта для оценок стандартных ошибок оценок коэффициентов регрессии. 3.4. Автокорреляция случайного возмущения и ее причины. Внешние признаки, методы диагностики, методы устранения. Свойства оценок МНК при наличии автокорреляции. Обобщенный метод наименьших квадратов. Поправки Ньюи-Уэста для оценок стандартных ошибок оценок коэффициентов регрессии.
• Эндогенность и инструменты, обобщенный метод моментов
  4.1. Неприменимость МНК в случае коррелированности регрессоров и случайной ошибки. Причины эндогенности: пропуск существенных переменных, автокорреляция в динамических авторегрессионных моделях, ошибки измерений переменных, условная одновременность регрессоров и регрессанта. 4.2. Инструментальные переменные. Где искать инструменты? Тестирование релевантности и валидности инструментов. Тестирование эндогенности регрессоров, тест Хаусмана. 4.3. Оценивание обобщенным методом моментов (ОММ) Генеральные моменты и выборочные моменты. 4.4. Сверхидентифицирующие ограничения на моменты. Оптимизационная задача для ОММ. Асимптотические свойства ОММ-оценок. Эффективный ОММ и доступный эффективный ОММ. Тест на сверхидентифицирующие ограничения (J-тест Хансена).
• Ведение в анализ временных рядов и оценивание динамических моделей
  5.1. Декомпозиция временного ряда: тренд, циклическая составляющая, сезонность, случайная компонента. Моделирование случайной компоненты временного ряда: методология Бокса-Дженкинса ARIMA Стационарность. Единичный корень. Статистика Дики-Фуллера. Алгоритм подбора модели временного ряда. Модели ARCH и GARCH для временных рядов с кластерами волатильности. 5.2. Динамические модели со стационарными переменными и методы их оценивания. Авторегрессионная модель при наличии автокорреляции ошибок. Оценивание. Тесты на наличии автокорреляции (Тест Дарбина и множителей Лагранжа). Примеры моделей с лаговыми переменными. (Модель частичного приспособления, модель адаптивных ожиданий, модель коррекции ошибками). 5.3. Модели с нестационарными переменными. Мнимая регрессия. Коинтеграция. Долгосрочное динамическое равновесие. Тест Гренджера на причинно-следственную зависимость. VAR-модели.
• Модели анализа панельных данных
  6.1. Преимущества использования панельных данных. Трудности, возникающие при работе с панельными данными. 6.2. Классификация моделей панельных данных: сквозная регрессия, модель индивидуальных регрессий, модели с детерминированным и случайным эффектом, модель со случайными коэффициентами. Операторы «Between» и «Within». Виды оценок. Сравнительный анализ оценок. 6.3. Тестирование спецификации в моделях панельных данных. Критика Мундлака спецификации модели со случайным эффектом. Тест Хаусмана. Тест на наличие случайного индивидуального эффекта. Тест на наличие детерминированного индивидуального эффекта.
• Модели с дискретными зависимыми переменными
  7.1. Дискретные зависимые переменные: номинальные, ранжированные, количественные. Модели бинарного выбора. Probit и Logit модели. Интерпретация коэффициентов в моделях бинарного выбора. ОМП в Probit и Logit моделях. 7.2. Ошибки спецификации в моделях бинарного выбора. Критерии качества моделей. Приложение: оценивание вероятности дефолта банка.

Элементы контроля

• Домашнее задание
• Контрольная работа
• Работа на семинарах
• Экзамен
  Письменный экзамен 120 мин.

Промежуточная аттестация

• Промежуточная аттестация (2 модуль)
  0.27 * Домашнее задание + 0.27 * Контрольная работа + 0.06 * Работа на семинарах + 0.4 * Экзамен

Список литературы

Рекомендуемая основная литература

• Практика эконометрики: классика и современность : учебник для вузов, Берндт, Э. Р., Айвазяна, С. А., 2005
• Прикладная статистика и основы эконометрики : учебник для вузов, Айвазян, С. А., Мхитарян, В. С., 1998
• Путеводитель по современной эконометрике : учеб.- метод. пособие для вузов, Вербик, М., Банникова, В. А., 2008

Рекомендуемая дополнительная литература

• Econometric analysis, Greene, W. H., 2000