Time Series

2023/2024

Academic Year

RUS

Instruction in Russian

3

ECTS credits

Delivered at:

Department of Economics

Course type:

Compulsory course

When:

3 year, 3 module

Instructors

Ефимов Константин Дмитриевич

Мишура Анна Владимировна

Программа дисциплины

Аннотация

Курс посвящён методам и моделям анализа и прогнозирования временных рядов. Конкретными результатами данной дисциплины является освоение студентами методов корректировки данных на инфляцию и сезонность, методов выявления нестационарности и сведения временного ряда к стационарному, построение AR, MA и ARMA моделей временного ряда, построение моделей волатильности, выявление и анализ структурных разрывов в данных, построение VAR моделей для многомерных временных рядов, 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.

Цель освоения дисциплины

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

Планируемые результаты обучения

• Студент умеет считать простые и логарифмические темпы прироста показателей. 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. Способен свести ряд к стационарному. Знает основные команды R Studio.
• Знает основные модели генерации данных. Знает свойства AR, MA и ARMA моделей
• Способен оценить параметры AR, MA, ARMA модели. Способен протестировать ARCH эффект в остатках. Способен осуществить прогнозирование временного ряда в R Studio.
• Способен оценить порядок и оценить параметры ARCH и GARCH моделей. Способен использовать эти модели для прогнозирования
• Способен провести тесты на наличие структурных разрывов в данных.
• Способен проверить пару временных рядов на наличие коинтеграции. Умеет построить VECM модель.

Содержание учебной дисциплины

• 1. Введение в анализ временных рядов. Свойства ARMA процессов генерации данных.
• 2. Линейные модели одномерных временных рядов. Оценка параметров ARMA.
• 3. Прогнозирование по ARMA моделям.
• 4. Моделирование волатильности.
• 5. Структурные разрывы.
• 6. Модели многомерных временных рядов. Модель векторной авторегрессии (VAR).
• 7. Анализ нестационарных рядов. Модели с трендовой компонентой. Коинтеграция.

Элементы контроля

• Активность на занятиях и выполнение домашних заданий
• Контрольная работа
• Экзамен

Промежуточная аттестация

• 2023/2024 учебный год 3 модуль
  0.3 * Активность на занятиях и выполнение домашних заданий + 0.3 * Контрольная работа + 0.4 * Экзамен

Список литературы

Рекомендуемая основная литература

• Enders, W. (2015). Applied Econometric Time Series (Vol. Fourth edition). Hoboken, NJ: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1639192
• Tsay, R. S. (2010). Analysis of Financial Time Series (Vol. 3rd ed). Hoboken, N.J.: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=334288

Рекомендуемая дополнительная литература

• Эконометрия, Кулинич, Е. И., 2001

Авторы

• Мишура Анна Владимировна
• Бродская Наталья Николаевна