Анализ временных рядов (промежуточный уровень)

Aннотация:
«Анализ временных рядов (промежуточный уровень)» – односеместровый курс для студентов 4-го года обучения МИЭФ. Это - промежуточный курс теории временных рядов для студентов, специализирующихся в области экономики. Его пререквизиты – курсы математической и прикладной статистики, эконометрики, а также курсы экономической теории и информатики. Курс преподается на русском и английском языках.
Акцент в курсе делается на содержательном смысле фактов, методов и подходов анализа временных рядов. Выводы и доказательства даются для ряда базовых формул и моделей, что позволяет студентам понять принципы построения эконометрической теории. Главный акцент делается на экономической интерпретации и приложениях рассматриваемых эконометрических моделей.
Цель и задачи курса - cтуденты должны получить знания и навыки анализа временных рядов. Они должны уметь применять их в исследовании экономических процессов, а также понимать методы, идеи, результаты и выводы, встречаемые в большинстве экономических книг и статей. В данном курсе студенты должны освоить традиционные методы анализа временных рядов, предназначенные в основном для работы с данными временных рядов. Студенты должны понимать содержательные различия данных перекрестных выборок и временных рядов и те специфические эконометрические проблемы, которые возникают при работе с данными этих типов. Студенты должны приобрести навыки анализа и моделирования случайных процессов в рамках класса моделей ARIMA(p, d, q), познакомиться с коинтеграционными моделями, моделями коррекции ошибок и авторегрессионными моделями с распределенными лагами, понимая область и границы их применения в экономике. Рассматриваемые методы и модели должны быть освоены на практике с использованием реальных массивов экономических данных и современного эконометрического программного обеспечения.
Курс рассчитан на 72 часов. Программа включает содержание курса, списки основной и дополнительной литературы, примеры промежуточных и итоговых экзаменационных работ.

Содержание курса:

1. Временной ряд, как дискретный случайный процесс. Стационарность случайных процессов
2. Модели авторегрессии-скользящего среднего ARMA (р,q). Автокорреляционные и частные автокорреляционные функции.
3. Оценивание коэффициентов процессов ARMA (p,q). Информационные критерии.
4. Прогнозирование в модели Бокса-Дженкинса
5. Нестационарные временные ряды. Подход Бокса-Дженкинса к определению степени интеграции временного ряда
6. Тест Дикки-Фуллера на наличие единичных корней (unit root tests)
7. Методика исследования типа нестационарности временного ряда TSP или DSP.
8. Авторегрессионные модели с распределенными лагами. Понятие экзогенности.
9. Векторная авторегрессия. Коинтеграция временных рядов. Коинтеграционная регрессия.
10. Причинность по Грэнджеру (Granger causality). Проверка гипотезы о рациональных ожиданий. Проверка гипотезы об эффективности рынка.