Анализ временных рядов

Магистратура 2021/2022

Лучший по критерию «Полезность курса для Вашей будущей карьеры»

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

Статус: Курс по выбору (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: 76

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс знакомит слушателей с современными методами анализа и прогнозирования временных рядов в экономике. Основной упор сделан на многомерные модели временных рядов. С прикладной точки зрения курс сфокусирован на инструментах макроэконометрического моделирования. Материал курса подкреплен экскурсом в историю макроэконометрических моделей. Курс носит продвинутый характер и предполагает наличие у студентов базовых знаний в областях теории вероятностей и математической статистики, математического анализа и линейной алгебры, эконометрики и макроэкономики.

Цель освоения дисциплины

Целью дисциплины «Анализ временных рядов» является освоение обучающимися навыков формулировки и оценки эконометрических моделей временных рядов применительно к макроэкономическим данным в рамках развитого аппарата макроэконометрических моделей.

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

Домашнее задание 1
Домашнее задание 2
Контрольная работа
Экзамен
Экзамен проводится в письменной форме (задачи/открытые вопросы) с использованием синхронного прокторинга. В начале экзамена студентам на групповую почту и в LMS выкладывается файл с заданиями. Прокторинг происходит на платформе Экзамус (https://hse.student.examus.net). Чтобы сдача экзамена была засчитана, студенту необходимо подключиться к этой платформе. К платформе необходимо подключиться за 15 минут до начала экзамена. На платформе Экзамус доступно тестирование системы. Компьютер студента должен удовлетворять следующим требованиям: https://elearning.hse.ru/data/2020/05/07/1544135594/Технические%20требования%20к%20ПК%20студента.pdf) Для участия в экзамене студент обязан: заранее зайти на платформу прокторинга, провести тест системы, включить камеру и микрофон, подтвердить личность. Во время экзамена студентам запрещено: общаться (в социальных сетях, с людьми в комнате), списывать. Пользоваться электронными или письменными конспектами или любыми другими электронными устройствами запрещено. Можно пользоваться встроенным в ОС простым калькулятором. Кратковременным нарушением связи во время экзамена считается прерывание связи до 5 минут. Долговременным нарушением связи во время экзамена считается прерывание связи от 5 минут и более. При долговременном нарушении связи студент не может продолжить участие в экзамене. Процедура пересдачи аналогична процедуре сдачи. При выявлении подозрительных действий студентов во время экзамена или необычно высоких результатов будут проводиться устные собеседования. Студенты в течение 7 минут после окончания экзамена должны выслать читаемые фото/сканы своих работ на указанный в файле email. Просьба заготовить заранее подходящие листы бумаги.

Промежуточная аттестация

2021/2022 учебный год 4 модуль
0.2 * Домашнее задание 1 + 0.2 * Домашнее задание 2 + 0.2 * Контрольная работа + 0.4 * Экзамен

Список литературы

Авторы

Канторович Григорий Гельмутович
Погорелова Полина Вячеславовна
Малахов Дмитрий Игоревич

Программа дисциплины