Kursplan för Tidsserieekonometri

Time Series Econometrics

Kursplan

  • 7,5 högskolepoäng
  • Kurskod: 2ST111
  • Utbildningsnivå: Avancerad nivå
  • Huvudområde(n) och successiv fördjupning: Statistik A1N

    Förklaring av koder

    Koden visar kursens utbildningsnivå och fördjupning i förhållande till andra kurser inom huvudområdet och examensfordringarna för generella examina:

    Grundnivå

    • G1N: har endast gymnasiala förkunskapskrav
    • G1F: har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
    • G1E: innehåller särskilt utformat examensarbete för högskoleexamen
    • G2F: har minst 60 hp kurs/er på grundnivå som förkunskapskrav
    • G2E: har minst 60 hp kurs/er på grundnivå som förkunskapskrav, innehåller examensarbete för kandidatexamen
    • GXX: kursens fördjupning kan inte klassificeras

    Avancerad nivå

    • A1N: har endast kurs/er på grundnivå som förkunskapskrav
    • A1F: har kurs/er på avancerad nivå som förkunskapskrav
    • A1E: innehåller examensarbete för magisterexamen
    • A2E: innehåller examensarbete för masterexamen
    • AXX: kursens fördjupning kan inte klassificeras

  • Betygsskala: Underkänd (U), godkänd (G), väl godkänd (VG)
  • Inrättad: 2010-06-03
  • Inrättad av: Institutionsstyrelsen
  • Reviderad: 2022-10-14
  • Reviderad av: Institutionsstyrelsen
  • Gäller från: HT 2023
  • Behörighet:

    120 hp inklusive 90 hp statistik, alternativt 120 hp inklusive 60 hp statistik samt 30 hp matematik och/eller datavetenskap.

  • Ansvarig institution: Statistiska institutionen

Mål

Mål

Kursen är en introduktion till tidsserieekonometri på avancerad nivå och behandlar grundläggande teman i modern tidsserieanalys. En student som gått kursen skall:

* ha en gedigen kunskap om grundläggande teman i modern tidsserieanalys

* känna till och kunna använda begrepp och notation som ofta används i tidsserieanalys

* känna till och kunna använda olika sannolikhetsteoretiska resultat för seriellt beroende observationer

* känna till olika metoder för att estimera tidsseriemodeller

* kunna välja lämplig modell och estimationsmetod för en given tidsserie

* kunna tolka resultaten av en genomförd modellanpassning

* vara medveten om begränsningar och eventuella felkällor i analysen

Innehåll

Differensekvationer. Vitt brus, stationäritet och ergodicitet. Stationära ARMA processer: Box-Jenkins metod. Prediktion: Wold's teorem, test för prediktiv noggrannhet. Vektor autoregressiva modeller. Maximum likelihood-estimering. Asymptotisk teori för seriellt beroende vektor autoregressiva processer. Bayesiansk analys. Kalman-filtret: state-spacerepresentation. Modeller för icke-stationära tidsserier: enhetsrotsteori. Kointegration.

Undervisning

Undervisning ges i form av föreläsningar och övningstillfällen.

Examination

Examinationen sker genom ett skriftligt prov i slutet av kursen samt obligatoriska inlämningsuppgifter. De betyg som kan fås på kursen är: icke godkänd, godkänd respektive väl godkänd.

Övriga föreskrifter

Kursen ingår i masterprogrammet i statistik.

Litteratur

Litteraturlista

Gäller från: HT 2023

I bibliotekets söktjänst kan du se om en titel finns elektroniskt.