اقتصاد سنجی داده های سری زمانی

در این دوره، مدل‌ها و رویکردهایی را که برای مقابله با چالش‌های ناشی از داده‌های سری زمانی طراحی شده‌اند، بررسی خواهید کرد. این بحث انگیزه استفاده از مدل‌های خاص و توصیف ویژگی‌های داده‌های سری زمانی را با توجه ویژه به حافظه بالقوه پوشش می‌دهد. شما: - مدل‌های سری زمانی را مورد بحث قرار دهید که به داده‌هایی اشاره می‌کنند که در یک دوره زمانی روی یک یا چند متغیر برای یک فرد جمع‌آوری شده‌اند. - کاوش در مدل های سری زمانی ثابت و غیر ثابت و همچنین تفاوت بین داده های غیر ثابت و فرآیندهای روند ثابت - مشکلاتی را که ممکن است با داده های غیر ثابت پیش بیاید در نظر بگیرید. - کاربردهای مدل‌های سری زمانی را که برای مدل‌سازی رشد تولید ناخالص داخلی یک اقتصاد و آزمایش فرضیه برابری قدرت خرید استفاده می‌شوند، استفاده کنید. - ایده پیش‌بینی با استفاده از مدل‌های اقتصادسنجی را بررسی کنید. - در مورد معیارهای مختلف بحث کنید تا تصمیم بگیرید که پیش‌بینی‌های درون نمونه و خارج از نمونه چقدر خوب هستند. - مشکل ایجاد شده توسط داده ها را که در آن واریانس غیر ثابت است و مدل هایی برای پیش بینی نوسانات بررسی کنید. - مدل های ARCH(p) و GARCH(p,q) را برای نوسانات با داده های واقعی بازار مالی برآورد کنید و نحوه گسترش این مدل ها را تا میانگین سری های زمانی از طریق Garch-in-mean ارائه دهید. پیشنهاد می شود که سه دوره قبلی را در این تخصص تکمیل و درک کرده باشید: مدل رگرسیون خطی کلاسیک، آزمون فرضیه در اقتصادسنجی و مباحث اقتصاد سنجی کاربردی. در پایان این دوره، شما قادر خواهید بود: - انواع مختلف داده ها را دستکاری و رسم کنید - تخمین و تفسیر تابع همبستگی تجربی - برآورد و مقایسه مدل های سری های ثابت – تست عدم ایستایی داده های سری زمانی - تخمین و تفسیر معادلات هم انباشتگی - تمرینات پیش بینی درون نمونه و خارج از نمونه را انجام دهید - برآورد و مقایسه مدل ها برای تغییر نوسانات