• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Time Series

2021/2022
Учебный год
ENG
Обучение ведется на английском языке
3
Кредиты
Статус:
Курс по выбору
Когда читается:
3-й курс, 3 модуль

Преподаватели

Course Syllabus

Abstract

Курс посвящен методам и моделям анализа и прогнозирования временных рядов. Конкретными результатами данной дисциплины является освоение студентами методов корректировки данных на инфляцию и сезонность, методов сведения временного ряда к стационарному, построение AR, MA и ARMA моделей временного ряда, построение моделей волатильности, построение нелинейных моделей анализа одномерных временных рядов, построение VAR модели, прогнозирование по указанным моделям, анализ коинтеграции временных рядов. Изучение данной дисциплины базируется на следующих дисциплинах: Теория вероятностей, Статистика, Эконометрика. Основные положения дисциплины должны быть использованы в дальнейшем при изучении дисциплин Риск-менеджмент, Финансовый риск-менеджмент, Количественные методы в финансах, а также при подготовке курсовой и выпускной квалификационной работы.
Learning Objectives

Learning Objectives

  • Целью курса является формирование у студента компетенций для анализа и прогнозирования одномерных и многомерных временных рядов.
Expected Learning Outcomes

Expected Learning Outcomes

  • Способен оценить порядок и оценить параметры ARCH и GARCH моделей. Способен использовать эти модели для прогнозирования. Знает другие спецификации моделей волатильности: IGARCH, GARCH-M, EGARCH, TGARCH.
  • Способен проверить пару временных рядов на наличие коинтеграции. Способен спрогнозировать пару коинтегрированных временных рядов.
  • Способен провести тест на наличие структурных разрывов в данных. Способен оценить параметры модели переключения режимов. Способен оценить параметры пороговых моделей и моделей с трендовой компонентой. Способен построить прогноз по нелинейной модели и оценить прогнозную точность модели.
  • Способен протестировать временные ряды на наличие причинно-следственных связей. Способенг оценить порядок и параметры модели векторной авторегрессии. Способен провести тест Чоу (F-тест) и LR тест. Способен построить интервальный и имитационный прогноз с помощью VAR модели. Способен оценить параметры модели VMA и модели VARMA. Способен вычислить функции ответа на импульс (IRF).
  • Способен свести временной ряд к стационарному ряду. Способен оценить параметры AR, MA, ARMA модели.Способен протестировать ARCH эффект в остатках. Знает основные команды ПО R Studio. Способен построить интервальный и имитационный прогноз.
  • Студент умеет считать простые и логарифмические темпы роста (доходности). Способен скорректировать временной ряд на инфляцию и сезонность. Способен измерить присутствие автокорреляции во временном ряду (ACF, тест Льюнг-Бокса). Способен провести тесты на стационарность: ADF, KPSS, PP. Знает основные модели генерации данных: примеры. Знает свойства AR, MA и ARMA моделей..
Course Contents

Course Contents

  • Введение в анализ временных рядов: автокорреляция и стационарность
  • Линейные модели одномерных временных рядов
  • Модели условной волатильности
  • Нелинейные модели одномерных временных рядов
  • Линейные модели многомерных временных рядов
  • Коинтеграция
Assessment Elements

Assessment Elements

  • non-blocking Индивидуальное задание
  • non-blocking Экзамен
    Экзамен проводится в устной форме (опрос по материалам курса и дополнительному заданию). Экзамен проводится на платформе Skype (https://www.skype.com/). К экзамену необходимо подключиться согласно расписанию ответов, высланному преподавателем на корпоративные почты студентов накануне экзамена. Компьютер студента должен удовлетворять требованиям: наличие рабочей камеры и микрофона, поддержка Skype. Для участия в экзамене студент обязан: поставить на аватар свою фотографию, явиться на экзамен согласно точному расписанию, при ответе включить камеру и микрофон. Во время экзамена студентам запрещено: выключать камеру, пользоваться конспектами и подсказками. Кратковременным нарушением связи во время экзамена считается нарушение связи менее минуты. Долговременным нарушением связи во время экзамена считается нарушение минута и более. При долговременном нарушении связи студент не может продолжить участие в экзамене. Процедура пересдачи подразумевает использование усложненных заданий.
  • non-blocking Индивидуальное задание
  • non-blocking Экзамен
    Экзамен проводится в устной форме (опрос по материалам курса и дополнительному заданию). Экзамен проводится на платформе Skype (https://www.skype.com/). К экзамену необходимо подключиться согласно расписанию ответов, высланному преподавателем на корпоративные почты студентов накануне экзамена. Компьютер студента должен удовлетворять требованиям: наличие рабочей камеры и микрофона, поддержка Skype. Для участия в экзамене студент обязан: поставить на аватар свою фотографию, явиться на экзамен согласно точному расписанию, при ответе включить камеру и микрофон. Во время экзамена студентам запрещено: выключать камеру, пользоваться конспектами и подсказками. Кратковременным нарушением связи во время экзамена считается нарушение связи менее минуты. Долговременным нарушением связи во время экзамена считается нарушение минута и более. При долговременном нарушении связи студент не может продолжить участие в экзамене. Процедура пересдачи подразумевает использование усложненных заданий.
Interim Assessment

Interim Assessment

  • 2021/2022 3rd module
    0.4 * Индивидуальное задание + 0.6 * Экзамен
Bibliography

Bibliography

Recommended Core Bibliography

  • Klaus Neusser. (2016). Time Series Econometrics. Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsrep&AN=edsrep.b.spr.sptbec.978.3.319.32862.1
  • Montgomery, D. C., Jennings, C. L., & Kulahci, M. (2015). Introduction to Time Series Analysis and Forecasting (Vol. Second edition). Hoboken, New Jersey: Wiley-Interscience. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=985114

Recommended Additional Bibliography

  • Levendis, J. D. (2018). Time Series Econometrics : Learning Through Replication. Cham, Switzerland: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2016053
  • Palma, W. (2016). Time Series Analysis. Hoboken: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1229817
  • Подкорытова О. А., Соколов М. В. - АНАЛИЗ ВРЕМЕННЫХ РЯДОВ 2-е изд., пер. и доп. Учебное пособие для бакалавриата и магистратуры - М.:Издательство Юрайт - 2019 - 267с. - ISBN: 978-5-534-02556-9 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/analiz-vremennyh-ryadov-433180