Ekonometria szeregów czasowych

Strategia modelowania od ogółu do szczegółu. Niesferyczność składnika losowego. Autokorelacja i analiza COMFAC. Uzmiennianie parametrów. Modele dynamiczne. Model ADL i ECM. Modelownie na podstawie szeregów czasowych generowanych przez niestacjonarne procesy stochastyczne. Modelowanie jednowymiarowe i metoda Engle'a-Grangera. Modele wielowymiarowe: VAR i CVAR. Przestrzeń kointegrująca i jej testowanie. Metoda Johansena. Strukturalizacja modelu CVAR. Klasyczne modele wielorównaniowe. Mnożniki. Rozwiązanie analityczne i numeryczne. Niezbieżność i porządkowanie układu równań. Analizy symulacyjne. Prognozy na podstawie modeli wielorównaniowych.

Nabycie przez słuchaczy umiejętności z zakresu zastosowania metod ekonometrii szeregów czasowych.

Przedmiot obejmuje zagadnienia z zakresu makroekonometrii, do której zalicza się jedno- i wielorównaniowe modelowanie ekonometryczne oparte na szeregach czasowych. Metody ekonometrii szeregów czasowych dotyczą testowania hipotez, budowy modeli i ich wykorzystania dla potrzeb analiz symulacyjno-prognostycznych. Szeregi czasowe są uporządkowanymi obserwacjami odnoszącymi się do podmiotów ekonomicznych, których zachowanie jest niedeterministyczne. Obserwacje są zatem realizacjami procesów stochastycznych o właściwościach będących przedmiotem testowania. Centralnym zagadnieniem jest analiza dynamicznych konsekwencji zdarzeń obserwowanych z częstotliwością odpowiadającą próbom wykorzystywanym w badaniach. Program obejmuje także zagadnienia dotyczące metod odsezonowywania danych (TRAMO-SEATS) oraz filtracji (filtry Kalmana).

Literatura podstawowa:

J. D. Hamilton, Time Series Analysis, Princeton University Press, Princeton 1994

A.Welfe, Ekonometria, PWE, Warszawa 2018

A.Welfe, J. Brzeszczyński, M. Majsterek, Angielsko-Polski Polsko-Angielski słownik terminów ilościowych, PWE, Warszawa 2002

Literatura uzupełniająca:

Ł.Gątarek, A.Welfe, Forecasting Nonstationary Time Series, Journal of Forecasting, vol. 42, 2023, 1930-1949

W.Grabowski, A.Welfe, The Tobit Cointegrated Vector Autoregressive Model: An Application to the Currency Market, Economic Modelling, vol. 89, 2020, 88-100

K. Juselius, The Cointegrated VAR Model, Oxford University Press, Oxford 2006

H. Lütkepohl, New Introduction to Multiple Time Series Analysis, Springer-Verlag, Berlin 2006

G.S. Maddala, Ekonometria, PWN, Warszawa 2006

M. Majsterek, Wielowymiarowa analiza kointegracyjna w ekonomii, Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2008

A. Torój (red.), Zastosowania ekonometrii. Dziesięć niegroźnych przykładów, Oficyna Wydawnicza SGH, Warszawa 2017

Torój, A., Managing external macroeconomic imbalances in the EU: the welfare cost of scoreboard-based constraints, Economic Modelling, vol. 61, 2017, 293-311

A. Welfe (red.), Analiza kointegracyjna w makromodelowaniu, PWE, Warszawa 2013

Kryteria oceniania:

kolokwium (zadania do rozwiązania, problemy do omówienia): 100.00%

Odsetek nieobecności, powyżej którego nie zalicza się przedmiotu (nie dot. wykładów)

wyrażony odsetkiem godzin, powyżej którego wyklucza się osiągnięcie efektów uczenia się: 50%

Strategia modelowania od ogółu do szczegółu. Niesferyczność składnika losowego. Autokorelacja i analiza COMFAC. Uzmiennianie parametrów. Modele dynamiczne. Model ADL i ECM. Modelownie na podstawie szeregów czasowych generowanych przez niestacjonarne procesy stochastyczne. Modelowanie jednowymiarowe i metoda Engle'a-Grangera. Modele wielowymiarowe: VAR i CVAR. Przestrzeń kointegrująca i jej testowanie. Metoda Johansena. Strukturalizacja modelu CVAR. Klasyczne modele wielorównaniowe. Mnożniki. Rozwiązanie analityczne i numeryczne. Niezbieżność i porządkowanie układu równań. Analizy symulacyjne. Prognozy na podstawie modeli wielorównaniowych.

Nabycie przez słuchaczy umiejętności z zakresu zastosowania metod ekonometrii szeregów czasowych.

Przedmiot obejmuje zagadnienia z zakresu makroekonometrii, do której zalicza się jedno- i wielorównaniowe modelowanie ekonometryczne oparte na szeregach czasowych. Metody ekonometrii szeregów czasowych dotyczą testowania hipotez, budowy modeli i ich wykorzystania dla potrzeb analiz symulacyjno-prognostycznych. Szeregi czasowe są uporządkowanymi obserwacjami odnoszącymi się do podmiotów ekonomicznych, których zachowanie jest niedeterministyczne. Obserwacje są zatem realizacjami procesów stochastycznych o właściwościach będących przedmiotem testowania. Centralnym zagadnieniem jest analiza dynamicznych konsekwencji zdarzeń obserwowanych z częstotliwością odpowiadającą próbom wykorzystywanym w badaniach. Program obejmuje także zagadnienia dotyczące metod odsezonowywania danych (TRAMO-SEATS) oraz filtracji (filtry Kalmana).

Literatura podstawowa:

J. D. Hamilton, Time Series Analysis, Princeton University Press, Princeton 1994

A.Welfe, Ekonometria, PWE, Warszawa 2018

A.Welfe, J. Brzeszczyński, M. Majsterek, Angielsko-Polski Polsko-Angielski słownik terminów ilościowych, PWE, Warszawa 2002

Literatura uzupełniająca:

Ł.Gątarek, A.Welfe, Forecasting Nonstationary Time Series, Journal of Forecasting, vol. 42, 2023, 1930-1949

W.Grabowski, A.Welfe, The Tobit Cointegrated Vector Autoregressive Model: An Application to the Currency Market, Economic Modelling, vol. 89, 2020, 88-100

K. Juselius, The Cointegrated VAR Model, Oxford University Press, Oxford 2006

H. Lütkepohl, New Introduction to Multiple Time Series Analysis, Springer-Verlag, Berlin 2006

G.S. Maddala, Ekonometria, PWN, Warszawa 2006

M. Majsterek, Wielowymiarowa analiza kointegracyjna w ekonomii, Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2008

A. Torój (red.), Zastosowania ekonometrii. Dziesięć niegroźnych przykładów, Oficyna Wydawnicza SGH, Warszawa 2017

Torój, A., Managing external macroeconomic imbalances in the EU: the welfare cost of scoreboard-based constraints, Economic Modelling, vol. 61, 2017, 293-311

A. Welfe (red.), Analiza kointegracyjna w makromodelowaniu, PWE, Warszawa 2013

Kryteria oceniania:

kolokwium (zadania do rozwiązania, problemy do omówienia): 100.00%

Odsetek nieobecności, powyżej którego nie zalicza się przedmiotu (nie dot. wykładów)

wyrażony odsetkiem godzin, powyżej którego wyklucza się osiągnięcie efektów uczenia się: 50%

Strategia modelowania od ogółu do szczegółu. Niesferyczność składnika losowego. Autokorelacja i analiza COMFAC. Uzmiennianie parametrów. Modele dynamiczne. Model ADL i ECM. Modelownie na podstawie szeregów czasowych generowanych przez niestacjonarne procesy stochastyczne. Modelowanie jednowymiarowe i metoda Engle'a-Grangera. Modele wielowymiarowe: VAR i CVAR. Przestrzeń kointegrująca i jej testowanie. Metoda Johansena. Strukturalizacja modelu CVAR. Klasyczne modele wielorównaniowe. Mnożniki. Rozwiązanie analityczne i numeryczne. Niezbieżność i porządkowanie układu równań. Analizy symulacyjne. Prognozy na podstawie modeli wielorównaniowych.

Nabycie przez słuchaczy umiejętności z zakresu zastosowania metod ekonometrii szeregów czasowych.

Przedmiot obejmuje zagadnienia z zakresu makroekonometrii, do której zalicza się jedno- i wielorównaniowe modelowanie ekonometryczne oparte na szeregach czasowych. Metody ekonometrii szeregów czasowych dotyczą testowania hipotez, budowy modeli i ich wykorzystania dla potrzeb analiz symulacyjno-prognostycznych. Szeregi czasowe są uporządkowanymi obserwacjami odnoszącymi się do podmiotów ekonomicznych, których zachowanie jest niedeterministyczne. Obserwacje są zatem realizacjami procesów stochastycznych o właściwościach będących przedmiotem testowania. Centralnym zagadnieniem jest analiza dynamicznych konsekwencji zdarzeń obserwowanych z częstotliwością odpowiadającą próbom wykorzystywanym w badaniach.

Literatura podstawowa:

1. A.Welfe, Ekonometria, PWE, Warszawa 2018

2. A.Welfe (red.), Ekonometria. Zbiór zadań, PWE, Warszawa 2003

3. W.Welfe, A.Welfe, Ekonometria stosowana, PWE, Warszawa 2004

4. A.Welfe (red.), Analiza kointegracyjna w makromodelowaniu, PWE, Warszawa 2013

Literatura uzupełniająca:

1. W. Charemza, D. Deadman, Nowa ekonometria, PWE, Warszawa 1997

2. J. D. Hamilton, Time Series Analysis, Princeton University Press, Princeton 1994

3. K. Juselius, The Cointegrated VAR Model, Oxford University Press, Oxford 2006

4. P.Karp, A.Welfe, P.Kębłowski, Mechanizmy makroekonomiczne w gospodarcze polskiej. Analiza ekonometryczna, Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2006

5. H. Lütkepohl, New Introduction to Multiple Time Series Analysis, Springer-Verlag, Berlin 2006

6. G.S. Maddala, Ekonometria, PWN, Warszawa 2006

7. M.Majsterek, Wielowymiarowa analiza kointegracyjna w ekonomii, Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2008

8. E.M.Syczewska, Analiza relacji długookresowych - estymacja i weryfikacja, Oficyna WydawniczaSGH, Warszawa 1999

9. E. Tomczyk, Oczekiwania w ekonomii. Idea, pomiar analiza, Oficyna Wydawnicza SGH, Warszawa 2011

10. A. Torój (red.), Zastosowania ekonometrii. Dziesięć niegroźnych przykładów, Oficyna Wydawnicza SGH, Warszawa

Strategia modelowania od ogółu do szczegółu. Niesferyczność składnika losowego. Autokorelacja i analiza COMFAC. Uzmiennianie parametrów. Modele dynamiczne. Model ADL i ECM. Modelownie na podstawie szeregów czasowych generowanych przez niestacjonarne procesy stochastyczne. Modelowanie jednowymiarowe i metoda Engle'a-Grangera. Modele wielowymiarowe: VAR i CVAR. Przestrzeń kointegrująca i jej testowanie. Metoda Johansena. Strukturalizacja modelu CVAR. Klasyczne modele wielorównaniowe. Mnożniki. Rozwiązanie analityczne i numeryczne. Niezbieżność i porządkowanie układu równań. Analizy symulacyjne. Prognozy na podstawie modeli wielorównaniowych.

Nabycie przez słuchaczy umiejętności z zakresu zastosowania metod ekonometrii szeregów czasowych.

Przedmiot obejmuje zagadnienia z zakresu makroekonometrii, do której zalicza się jedno- i wielorównaniowe modelowanie ekonometryczne oparte na szeregach czasowych. Metody ekonometrii szeregów czasowych dotyczą testowania hipotez, budowy modeli i ich wykorzystania dla potrzeb analiz symulacyjno-prognostycznych. Szeregi czasowe są uporządkowanymi obserwacjami odnoszącymi się do podmiotów ekonomicznych, których zachowanie jest niedeterministyczne. Obserwacje są zatem realizacjami procesów stochastycznych o właściwościach będących przedmiotem testowania. Centralnym zagadnieniem jest analiza dynamicznych konsekwencji zdarzeń obserwowanych z częstotliwością odpowiadającą próbom wykorzystywanym w badaniach.

Literatura podstawowa:

1. A.Welfe, Ekonometria, PWE, Warszawa 2018

2. A.Welfe (red.), Ekonometria. Zbiór zadań, PWE, Warszawa 2003

3. W.Welfe, A.Welfe, Ekonometria stosowana, PWE, Warszawa 2004

4. A.Welfe (red.), Analiza kointegracyjna w makromodelowaniu, PWE, Warszawa 2013

Literatura uzupełniająca:

1. W. Charemza, D. Deadman, Nowa ekonometria, PWE, Warszawa 1997

2. J. D. Hamilton, Time Series Analysis, Princeton University Press, Princeton 1994

3. K. Juselius, The Cointegrated VAR Model, Oxford University Press, Oxford 2006

4. P.Karp, A.Welfe, P.Kębłowski, Mechanizmy makroekonomiczne w gospodarcze polskiej. Analiza ekonometryczna, Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2006

5. H. Lütkepohl, New Introduction to Multiple Time Series Analysis, Springer-Verlag, Berlin 2006

6. G.S. Maddala, Ekonometria, PWN, Warszawa 2006

7. M.Majsterek, Wielowymiarowa analiza kointegracyjna w ekonomii, Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2008

8. E.M.Syczewska, Analiza relacji długookresowych - estymacja i weryfikacja, Oficyna WydawniczaSGH, Warszawa 1999

9. E. Tomczyk, Oczekiwania w ekonomii. Idea, pomiar analiza, Oficyna Wydawnicza SGH, Warszawa 2011

10. A. Torój (red.), Zastosowania ekonometrii. Dziesięć niegroźnych przykładów, Oficyna Wydawnicza SGH, Warszawa