Программа дисциплины Нелинейные модели временных рядов для направления 521600 Экономика (третья ступень высшего профессионального образования)

Вид материалаПрограмма дисциплины

Содержание


статистические методы в экономике экономика и эконометрика» Председатель А.С. Шведов Зав. кафедрой Г.Г. Канторович
Требования к студентам
2. Основное содержание курса
3. Тематический расчет часов.
4. Список литературы.
Подобный материал:

Министерство экономического развития и торговли
Российской Федерации




Государственный университет-

Высшая школа экономики



Факультет Экономика


Программа дисциплины


Нелинейные модели временных рядов

для направления 521600 - Экономика

(третья ступень высшего профессионального образования)


Автор Ван Дайк


Рекомендована секцией УМС Одобрена на заседании

Математические и кафедры "математическая

^

статистические методы в экономике экономика и эконометрика»



Председатель А.С. Шведов Зав. кафедрой Г.Г. Канторович

«____»______________2006 г. «_13_»____января_____2006 г.

Утверждена УС факультета Экономики

Т.А. Протасевич




«____»______________2006 г.




Москва



1. Введение


Автор программы: Ван Дайк


Курс " Нелинейные модели временных рядов " рассчитан на студентов 2-го курса магистратуры (3 семестр).


Цель курса – обсуждение ряда наиболее острых и сложных проблем в эконометрике временных рядов. обычно мы рассматриваем следующие темы:

1. Выбросы в линейных моделях: обнаружение и трактовка.


2. Нелинейные модели временных рядов.


3. Предвидение: конструкция и оценка.


4. Модели временных рядов для волатильности.


Каждая из тем содержит 2 части. В первой, мы трактуем теоретические аспекты (на пример, для нелинейных моделей временных рядов мы обсуждаем спецификацию, оценки, тестирование и интерпритацию предсказаний и оценки предсказаний). Во второй, использование различных моделей и технических приемов в эмпирическом применении иллюстрируется в рабочей тетради и журнальной статье.


^ Требования к студентам: курс "Анализ временных рядов" рассчитан на студентов, прослушавших курс математического анализа, включающий дифференциальное и интегральное исчисление, а также курсы линейной алгебры, методов оптимальных решений, экономической статистики, теории вероятностей и математической статистики, эконометрики.


Аннотация: предполагается посещение студентами лекций (16 часов) и семинарских занятий (16 часов), решение основных типов задач, включаемых в домашние работы, выполняемые на компьютерах, защиту выполненных домашних заданий.


Основная форма контроля – письменный зачет в конце 3-го семестра. Итоговая оценка проставляется по 10 бальной системе.


^ 2. Основное содержание курса


1. Выбросы в линейных моделях: обнаружение и трактовка.


Мы рассматриваем эффекты отклонения от реального пути или иначе "выбросы" как один из главных аспектов линейных моделей временных рядов, включая спецификацию, оценивание и предвидение. Существуют различные технические приемы для обнаружения этих "выбросов", такие как метод итераций Тсея (1986, 1988) и Чена и Лью (1993), а так же методы устойчивых оценок (Franses и Dijk, 2000, Ch. 2)


2. Нелинейные модели временных рядов.


Здесь мы обсуждаем 3 наиболее популярные нелинейные модели временных рядов: Авто-регрессии (TAR), (STAR) и (MS-AR). Интерпретация, спецификация, оценивание и диагностика этих моделей - будут обсуждаться нами в деталях. Эмпирические примеры представлены из макроэкономики и финансов.


3. Предвидение: конструкция и оценка.


Здесь мы обсудим структуру и оценку прогноза для линейных и нелинейных моделей временных рядов (Franses и Dijk, 2000, Ch. 2 and 3). Мы акцентируем свое внимание на недавно развитых технологиях для определения технологических характеристик, интервалов и точности предсказаний, которые снабжают нас важными и полезными инструментами, позволяющими проводить различия между конкурирующими моделями. Будут так же обсуждены комбинирование прогнозов из различных моделей и обобщающее прогнозирование.


4. Модели временных рядов для волатильности.


Нами будут рассмотрены модели временных рядов, которые наиболее полезны для описания меняющейся во времени волатильности, в частности (Обобщенная) Авто Регрессионная модель Условной Гетероскедостичности ( (G)ARCH). Интерпретация, спецификация, оценка и диагностика этих моделей возможны на столько, на сколько хорошо предсказана будущая волатильность и насколько хорош сам прогноз. Эмпирическая важность этих моделей имеет свое непосредственное воплощение в финансовых временных рядах.


^ 3. Тематический расчет часов.




Тема

Аудиторные часы

Формы текущего контроля

Самостоятельная работа

Всего часов






Лекций

Семинаров

всего










1

Выбросы в линейных моделях: обнаружение и трактовка. (3 семестр)

4

4

8




4

12

2

Нелинейные модели временных рядов. (3 семестр)

4

4

8




6

14

3

Предвидение: конструкция и оценка. (3 семестр)

4

4

8




6

14

4

Модели временных рядов для волатильности. (3 семестр)

4

4

8




6

14




Всего

16

16

32




22

54



^ 4. Список литературы.
  1. Baike, N.S. and T.B. Fumhy (1994). Large shoc:ks, small shocks, and economic fluctuations: outliers ill macroeconomic time series, Journal of Apphed Econometrics 9, 181--200.
  2. Chen, C. aiid Liu, L.-M. (1993), Joint estimation, of model parameters and outlier effects in time series, Journal of the American Statistical Association 88, 284-297.
  3. Christoffersen, P.F. (1998), Evaluating interval forecasts, International Economic Review 39, 841-862.
  4. Diebold, F.X., Gunther, T.A. and Tay, A.S. (1998), Evaluating density forecasts with applications to financial risk management. International Economic Review 39, 863-883.
  5. Diebold, F.X. and Mariano, R.S. (1995), Comparing predictive accuracy, Journal of Busi­ness & Economic Statistics 13, 253-263.
  6. Harvey, D., Leybourne, S. and Newbold, P. (1998), Tests for forecast encompassing, Jour­nal of Business & Economic. Statistics 16. 254-259.
  7. Newbold, P. and D.I. Harvey (2001), Forecast combination and encompassing, in M.P. Clements and D.F. Hendry (eds), A Companion to Economic Forecasting, Oxford:
  8. Blackwell Publishers, to appear.
  9. Tay, A. and K.F. Wallis (2000), Density forecasting: A survey, Journal of Forecasting 19, 235 254.
  10. Tsay, R.S. (1986), Time series model specification in the presence of outliers, Journal of t.Ji,t American Statistical Association 81, 132-141.



Автор программы:_____________________________ / Ван Дайк/