Kursplan för Tidsserieanalys

Analysis of Time Series

Det finns en senare version av kursplanen.

  • 10 högskolepoäng
  • Kurskod: 1MS014
  • Utbildningsnivå: Avancerad nivå
  • Huvudområde(n) och successiv fördjupning: Matematik A1N, Finansiell matematik 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 (3), icke utan beröm godkänd (4), med beröm godkänd (5)
  • Inrättad: 2007-03-15
  • Inrättad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Reviderad: 2008-11-03
  • Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Gäller från: HT 2008
  • Behörighet:

    120 högskolepoäng samt Inferensteori, alternativt Sannolikhet och statistik samt Stokastisk modellering

  • Ansvarig institution: Matematiska institutionen

Mål

För godkänt betyg på kursen skall studenten

  • känna till stationära tidsserier och autokorrelationen för en tidsserie, samt kunna skatta autokorrelation baserat på en observerad tidsserie;

  • känna till metoder för skattning av trend och säsongsvariation i en tidsserie;

  • vara förtrogen med några vanliga tidseriemodeller, särskilt ARIMA-processer;

  • kunna skatta parametrarna i ARIMA-processer och känna till hur den anpassade modellens giltighet kan testas;

  • kunna göra prediktioner, särskilt för ARIMA-processer;

  • känna till grunderna i spektralteori samt kunna skatta spektraltäthet;

  • ha grundläggande kunskaper om multivariata modeller, Kalman-filter och icke-linjära modeller såsom ARCH- och GARCH-modeller;

  • kunna använda någon statistisk mjukvara till att analysera och anpassa en modell till en tidsserie.

    Innehåll

    Stationäritet. ARIMA-processer. Modellanpassning, Box-Jenkins metod. Prediktion. Säsongsmodeller. Spektralteori, skattning av spektrum. Kalman-filter. ARCH- och GARCH-modeller. Mjukvara för analys av tidsserier.

    Undervisning

    Föreläsningar, lektioner, räkneövningar och datorlaborationer.

    Examination

    Skriftligt prov (8 poäng) vid kursens slut samt inlämningsuppgifter och datorlaborationer (2 poäng) under kursen enligt anvisningar som lämnas vid kursens start.

    • Versioner av kursplanen

    Litteratur

    Uppgift om kurslitteratur saknas. Ta kontakt med ansvarig institution för mer information.

    Skriv ut