BPF_STAF Statistics for finance

Ekonomicko-správní fakulta
jaro 2025
Rozsah
2/2/0. 6 kr. Ukončení: zk.
Vyučováno kontaktně
Vyučující
prof. Ing. Štefan Lyócsa, PhD. (přednášející)
doc. Ing. Tomáš Výrost, PhD. (přednášející)
prof. Ing. Štefan Lyócsa, PhD. (cvičící)
doc. Ing. Tomáš Výrost, PhD. (cvičící)
Garance
prof. Ing. Štefan Lyócsa, PhD.
Katedra financí – Ekonomicko-správní fakulta
Kontaktní osoba: Iva Havlíčková
Dodavatelské pracoviště: Katedra financí – Ekonomicko-správní fakulta
Předpoklady
Základní pojmy teorie pravděpodobnosti a matematické statistiky.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Na konci tohoto kurzu bude student schopen : - porozumět a vysvětlit základní pojmy z teorie časových řad; - aplikovat vyučované procedury na reálná data; - vyučované procedury použít ve statistickém softwaru;
Výstupy z učení
Student bude po absolvování předmětu schopen:
- určit statistické metody vhodné pro kontext aplikace
- pomocí sw R řešit jednotlivé úlohy na reálných datech
- správně interpretovat výsledky analýz
Osnova
  • 1. Charakteristiky časových řad: auto-korelace, parciální auto-korelace, testování sériové korelace a auto-korelace.
  • 2.Stacionární a nestacionární časové řady, kovarianční stacionarita, týdenně závislé časové řady, testy jednotkového kořene (ADF, ADF-GLS, KPSS), diferencování.
  • 3. Predikce nestacionárních dat část I: Klouzavý průměr, Exponenciální klouzavý průměr, Principy predikce a cross-validace modelů časových řad.
  • 4. Hodnocení predikce, střední kvadratická chyba, střední absolutní chyba, asymetrické ztrátové funkce, ekonomické ztrátové funkce (zisk/ztráta, náklady,...).
  • 5. Predikce nestacionárních dat část II: Klasická aditivní a multiplikativní dekompozice časové řady.
  • 6. Predikce nestacionárních dat část III: Holtova metoda dvojitého exponenciálního vyrovnávání a Brownova metoda dvojitého exponenciálního vyrovnávání (klouzavý průměr), Holtova-Wintersova metoda pro sezónní vyrovnávání.
  • 7. Statické modely, Modely s konečně distribuovaným zpožděním, Předpoklady metody nejmenších čtverců (OLS) a inference v časových řadách (auto-korelace a heteroskedasticita pro odhady a inference), robustní inference.
  • 8. Trend a sezónnost v regresních modelech.
  • 9. AR(1) model, AR(p) modely, ARDL modely, rekurzivní a přímé predikce.
  • 10. Granger - Engle test.
  • 11. Grangerova kauzalita (uni-variátní).
  • 12. Případová studie časových řad (tržní modely, abnormální výnosy, statistické testy).
Literatura
    povinná literatura
  • WOOLDRIDGE, Jeffrey M. Introductory econometrics : a modern approach. Seventh edition. Boston: Cengage Learning, 2020, xxi, 826. ISBN 9781337558860. info
  • HYNDMAN, RJ a G ATHANASOPOULOS. Forecasting: principles and practice. 2nd edition. Melbourne, Australia: OTexts, 2018. URL info
Výukové metody
teoretická příprava formou přednášek; praktická cvičení s využitím počítače
Metody hodnocení
Hodnocení zkoušky je určeno bodovým ziskem ze závěrečného testu; podmínkou k připuštění k testu je aktivní účast ve cvičeních v PC .
Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.“ V případě výjezdu na Erasmus musí student splnit všechny stanovené podmínky s výjimkou účasti na seminářích. Doporučuje se během výjezdu absolvovat nějaký ekvivalentní kurz na zahraniční univerzitě.
Vyučovací jazyk
Angličtina
Další komentáře
Předmět je vyučován každoročně.
Výuka probíhá každý týden.
  • Statistika zápisu (nejnovější)
  • Permalink: https://is.muni.cz/predmet/econ/jaro2025/BPF_STAF