Учебная программа для специальности: 1-25 01 02 Экономика 2012 г

Вид материала

Содержание

Подобный материал:

Белорусский государственный университет

УТВЕРЖДАЮ

Проректор по учебной работе

_______________В.Л. Клюня

«____»_________ 2012г.

Регистрационный № УД-____/баз.

ЭКОНОМЕТРИКА ii

Учебная программа для специальности:

1-25 01 02 Экономика

2012 г.

СОСТАВИТЕЛИ:

Ю.Г. Абакумова, старший преподаватель кафедры экономической информатики и математической экономики экономического факультета БГУ.

Рецензенты:

А.Б. Гедранович, заведующий кафедрой информационных технологий и высшей математики Минского института управления, к.э.н., доцент;

Н.Г. Петрукович, к.э.н., доцент кафедры банковского дела факультета банковского дела Полесского государственного университета.

РЕКОМЕНДОВАНА К УТВЕРЖДЕНИЮ:

Кафедрой экономической информатики и математической экономики

(протокол № 10 от 24 июня 2012г.);

Учебно-методической комиссией экономического факультета Белгосуниверситета

(протокол № 6 от 29 июня 2012г.)

Ответственный за редакцию: Абакумова Ю.Г.

I. ПОЯСНИТЕЛЬНАЯ ЗАПИСКА

Дисциплина «Эконометрика II» изучает методики построения эконометрических моделей на основе временных рядов, проведения эконометрического анализа, состоящего в диагностике моделей; методику разработки прогнозов, основанных на эконометрических моделях. Акцент в курсе делается на содержательном смысле фактов, методов и подходов анализа временных рядов – важнейшего раздела эконометрической науки, одного из наиболее трудных ее разделов, которому уделяется очень большое внимание в образовательных программах ведущих мировых университетов. Курс нацелен на подготовку высококвалифицированных исследователей-аналитиков, усвоивших теоретические знания и практические навыки, глубоко овладевших современной техникой эконометрического анализа. По своему содержанию учебная программа данного курса предполагает предварительное изучение дисциплин «Статистический анализ», «Математическая экономика», «Эконометрика и ЭММ», «Экономико-математические методы и модели», «Макроэкономический анализ». Дисциплина «Эконометрика II» непосредственно связана со специальной дисциплиной: «Макроэкономическое планирование».

Цель преподавания дисциплины заключается в углублении знаний студентов в области специфических методов эконометрического анализа экономических явлений и процессов, формировании навыков построения и использования эконометрических моделей по реальным данным с помощью стандартного эконометрического программного обеспечения.

Для решения поставленной цели определены следующие задачи:

формирование знаний студентов в области современных эконометрических методов, в частности методологии анализа временных рядов и прогнозирования;
обучение студентов использованию практически эконометрических методов и моделей в конкретных областях и разделах экономических исследований на основе использования современных статистических и эконометрических методов и вычислительной техники.

В результате изучения студенты должны знать:

современные подходы в эконометрическом моделировании, анализе и прогнозировании;
отечественный и зарубежный опыт анализа и моделирования на основе эконометрических методов и моделей;
особенности применения тех или иных типов эконометрических моделей в конкретных областях (включая микро- и макроэкономику, внешнеторговую деятельность и денежно-кредитную сферу);
современные эконометрические пакеты прикладных программ.

В результате изучения студенты должны уметь:

применять теоретические знания при проведении анализа и прогнозирования экономических процессов;
выбирать соответствующие эконометрические методы для анализа конкретных микро и макроэкономических процессов и явлений;
строить различные виды эконометрических моделей на основе временных рядов;
проводить оценку значимости отдельных параметров и модели в целом, а также их интерпретацию;
выявлять и устранять в эконометрических моделях искажающие эффекты (автокорреляцию, гетероскедастичность, мультиколлинеарность);
решать экономические и эконометрические задачи математическими методами с использованием компьютерных и программных средств по реальным данным.

II. ТЕМАТИЧЕСКИЙ ПЛАН

№ п/п	Название разделов, тем	Количество часов
		Аудиторные
		Лекции	Практич., семинар.	Лаб. работа	КСР
1.	Модели и методы анализа временных рядов.	4	2	-	2
1.1	Случайные процессы. Понятие стационарности временного ряда.	2
1.2	Выделение компонент временного ряда.				1
1.3	Сглаживание и аналитическое выравнивание временных рядов.				1
1.4	Процессы «единичного корня».	2	2
2	Моделирование стационарных временных рядов.	6	2	-	2
2.1	Определение и свойства модели авторегрессии AR(p).	2			1
2.2	Определение и свойство обратимости модели скользящего среднего MA(q).	2			1
2.3	Смешанный процесс ARMA(p,q): свойства стационарности и обратимости.	2	2
3.	Нестационарные временные ряды.	4	2	-	-
3.1	Модели со стохастическим и детерминированным трендом.	1
3.2	Анализ в условиях нестационарности среднего.	1
3.3	Моделирование интегрированных процессов авторегрессии (ARIMA).	2	2	-
4.	Модели временных рядов нескольких переменных.	8	16	-	-
4.1	Коинтеграция и механизм коррекции ошибок.	2	4
4.2	Модель векторной авторегрессии (VAR).	2	4
4.3	Векторная модель коррекции ошибок (VECM).	2	2
4.4	Системы одновременных уравнений (SSE).	2	4
5.	Временные ряды с нестационарной дисперсией.	2	-	-	2
5.1	Временные ряды с безусловной гетероскедастичностью.	-	-	-	1
5.2	Временные ряды с условной гетероскедастичностью (ARCH-GARCH).	2	-	-	1
6.	Применение моделей временных рядов.	10	-	-	8
6.1	Модели в денежно-кредитной сфере.	4	-	-	2
6.2	Модели внешнеэкономических связей.	2	-	-	2
6.3	Макроэкономические модели и модели экономического роста.	2	-	-	2
6.4	Модели социально-экономических процессов.	2	-	-	2
	Итого: 156	34	20	-	14

III. СОДЕРЖАНИЕ УЧЕБНОГО МАТЕРИАЛА

Раздел 1. Модели и методы анализа временных рядов

Тема 1.1. Случайные процессы. Понятие стационарности временного ряда.

Случайные процессы, характеристики случайных процессов, различия в понятиях стационарности временного ряда: стационарность в широком и в узком смысле. Нестационарные временные ряды, временные ряды со стохастическим и детерминированным трендом.

Тема 1.2. Выделение компонент временного ряда.

Выделение детерминированной, сезонной, циклической и стохастической компонент временного ряда. Аддитивная и мультипликативная модели разложения временных рядов на компоненты. Фильтр Ходрика-Прескотта. Метод TRAMO/SEATS со встроенными процедурами.

Тема 1.3. Сглаживание и аналитическое выравнивание временных рядов.

Сглаживание и аналитическое выравнивание временных рядов. Прогнозирование на основе временных рядов. Экспоненциальное сглаживание, метод скользящего среднего.

Тема 1.4. Процессы «единичного корня.

Определение процессов «единичного корня». Примеры моделей временных рядов, порождаемых процессами «единичного корня». Проблема тестирования процессов «единичного корня». Тесты Дики–Фуллера (DF), расширенный тест Дики-Фуллера (ADF), тест Квятковского-Филлипса-Шмидта-Шина (KPSS).

раздел 2. Моделирование стационарных временных рядов.

Тема 2.1. Определение и свойства модели авторегрессии AR(p).

Стационарный временной ряд и его характеристики. Автокорреляционная (ACF) и частная автокорреляционная (PACF) функции стационарного временного ряда, коррелограммы. Лаговый оператор. Доказательство стационарности и обратимости. Определение и свойства модели авторегрессии AR(p). Вывод характеристического уравнения для AR(p). Модель AR(1) и ее характеристики.

Тема 2.2. Определение и свойство обратимости модели скользящего среднего MA(q).

Моделирование процесса скользящего среднего MA(q). Применение условия обратимости к MA(q). Модель МА(1) и ее характеристики.

Тема 2.3. Смешанный процесс ARMA(p,q): свойства стационарности и обратимости.

Модель ARMA(p,q): свойства стационарности и обратимости. Методы построения и тестирования моделей ARMA. Информационные критерии Акайке (AIC) и Шварца (BIC). Статистика Льюнга-Бокса (LB). Прогнозирование на основе моделей Бокса-Дженкинса ARMA.

раздел 3. Нестационарные временные ряды.

Тема 3.1. Модели со стохастическим и детерминированным трендом.

Формулирование модели со стохастическим трендом. Случайное блуждание. Случайное блуждание со сдвигом. Модели с детерминированным трендом.

Тема 3.2. Анализ в условиях нестационарности среднего.

Анализ в условиях нестационарности среднего. Изучение процессов, приводимых к стационарным, путем выделения тренда (TSP) и взятия последовательных разностей (DSP).

Тема 3.3. Моделирование интегрированных процессов авторегрессии (ARIMA).

Моделирование интегрированных процессов авторегрессии ― скользящего среднего (ARIMA). Оценивание модели Бокса-Дженкинса в виде ARIMA(p,q). Анализ трендов и сезонности в рамках модели Бокса-Дженкинса. Установление качества подгонки модели временных рядов с использованием информационных критериев Акайке (AIC) и Шварца (BIC). Прогнозирование нестационарных процессов на основе моделей Бокса-Дженкинса ARIMA.

раздел 4. Модели временных рядов нескольких переменных.

Тема 4.1. Коинтеграция и механизм коррекции ошибок.

Проблема использования нестационарных временных рядов в факторных регрессионных моделях. Понятия коинтегрированных временных рядов и механизма коррекции ошибок.

Модель коррекции ошибок (ЕСМ). Подход Энгла–Грейнджера. Построение модели коррекции ошибок ЕСМ с помощью подхода Энгла–Грейнджера.

Тема 4.2. Модель векторной авторегрессии (VAR).

Модель векторной авторегрессии (VAR) и ее вероятностно-статистические характеристики. Статистическое оценивание параметров VAR. Анализ адекватности модели VAR (в том числе критерий выбора максимальной длины лага, тестирование пропущенных лагов). Функции отклика на импульсы. Причинность по Грейнджеру. Декомпозиция дисперсий.

Тема 4.3. Векторная модель коррекции ошибок (VECM).

Векторная модель коррекции ошибок (VECM). Понятие модели VECM. Тесты ранга коинтеграции. Построение VECM с помощью процедуры Йохансена.

Тема 4.4. Системы одновременных уравнений (SSE).

Системы одновременных уравнений (SSE). Модель SSE и условия ее идентифицируемости. Методы оценивания параметров SSE.

раздел 5. Временные ряды с нестационарной дисперсией.

Тема 5.1. Временные ряды с безусловной гетероскедастичностью.

Тестирование и моделирование временных рядов с безусловной гетероскедастичностью.

Тема 5.2. Временные ряды с условной гетероскедастичностью.

Модели временных рядов с условной гетероскедастичностью. Признаки условной гетероскедастичности. Определение и свойства моделей ARCH и GARCH. Построение моделей ARCH и GARCH. Тест множителей Лагранжа для ARCH.

раздел 6. Применение моделей временных рядов.

Тема 6.1. Модели в денежно-кредитной сфере.

Модели в денежно-кредитной сфере, в том числе модели процентных ставок, валютного курса, таргетирования инфляции и т.д. Отечественный и зарубежный опыт анализа и построения моделей денежно-кредитной сферы, примеры построения моделей на реальных данных Республики Беларусь.

Тема 6.2. Модели внешнеэкономических связей.

Модели внешнеэкономических связей, в том числе оценка эффективности экспортно-импортных операций. Отечественный и зарубежный опыт анализа и построения моделей внешнеэкономических связей, примеры построения моделей на реальных данных Республики Беларусь.

Тема 6.3. Макроэкономические модели и модели экономического роста.

Макроэкономические модели и модели экономического роста, в том числе макроэкономические производственные функции. Отечественный и зарубежный опыт анализа и построения моделей экономического роста, примеры построения моделей на реальных данных Республики Беларусь.

Тема 6.4. Модели социально-экономических процессов.

Модели социально-экономических процессов, в том числе модели заработной платы, занятости, продолжительности жизни и т.д. Отечественный и зарубежный опыт анализа и построения моделей социально-экономических процессов, примеры построения моделей на реальных данных Республики Беларусь.

IV. ИНФОРМАЦИОННАЯ ЧАСТЬ

Литература

Основная:

1. Харин Ю.С., Малюгин В.И., Харин А. Ю. Эконометрическое моделирование. Мн.: БГУ, 2003.

2. Харин Ю. С. Математические и компьютерные основы статистического анализа данных и моделирования : учеб. пособие / Ю. С. Харин, В. И. Малюгин, М. С. Абрамович. - Мн : БГУ, 2008.

3. Айвазян С.А., Мхитарян В.С. Прикладная статистика. Основы эконометрики, том 1. М.: ЮНИТИ, 2002.

4. Айвазян С.А. Прикладная статистика. Основы эконометрики, том. 2. М.: ЮНИТИ, 2002.

5. Доугерти К. Введение в эконометрику. М.: ИНФРА-М, 2004.

6. Елисеева И.И. Эконометрика. М.: Финансы и статистка, 2007.

7. Елисеева И.И. Практикум по эконометрике. М.: Финансы и статистка, 2007.

8. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс М.: Дело, 2007.

Дополнительная:

1. Замков О.О. Эконометрические методы в макроэкономическом анализе: Курс лекций. М.: ГУ-ВШЭ, 2001.

2. Enders W. Applied Econometric Time Series. New York: John Wiley and Sons, 1995.

3. Greene W. Econometric Analysis. Macmillan Publishing Company, N.Y., 1993.

4. Griffiths W. E. at al. Learning and practicing econometrics. New York: John Wiley and Sons, 1993.

5. Gujarati N. Damodar: Basic Econometrics, 4th ed, McGraw Hill Higher Education, 2003.

6. Hamilton J. D. Time series analysis. Princeton University Press, 1994.

7. Johansen S. Likelihood-Based Inference in Cointegrated Vector Autoregressive Models, 2nd ed. Oxford University Press, 1996..

Периодические издания:

Белорусский экономический журнал
Банковский вестник
Вопросы экономики
Квантиль
Эковест (экономический вестник)
Экономика и управление
Экономика, моделирование, прогнозирование
Экономический бюллетень НИЭИ

Информационные ресурсы Интернет:

www.belstat.gov.by

cbr.ru

www.eurostat.eu

www.forecast.ru

iet.ru

www.imf.org

nbrb.by

www.research.by

www.unctad.org

www.worldbank.ru

Blog

Учебная программа для специальности: 1-25 01 02 Экономика 2012 г

Содержание

I. ПОЯСНИТЕЛЬНАЯ ЗАПИСКА