Kursplan för Tidsserieekonometri

Time Series Econometrics

Det finns en senare version av kursplanen.

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: 2016-03-15
  • Reviderad av: Institutionsstyrelsen
  • Gäller från: vecka 35, 2016
  • Behörighet: Kandidatexamen om 180 hp med 90 hp statistik. Ekonometrisk teori och metodik, 15 hp.
  • Ansvarig institution: Statistiska institutionen

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. Maximum Likelihoodestimation. Asymptotisk teori för seriellt beroende observationer. Vektor autoregressiva (VAR) processer. Kalman-filtret: state-spacerepresentation. Generalized Method of Moments. Modeller för icke-stationära tidsserier: enhetsrotsteori. Kointegration. Modeller för tidsserier med heteroskedasticitet: ARCH, GARCH. Modeller för tidsserier med långt minne: ARFIMA.

Undervisning

Undervisning ges i form av föreläsningar.

Examination

Examinationen sker genom ett skriftligt prov i slutet av kursen samt obligatoriska inlämningsuppgifter.

Övriga föreskrifter

Kursen ingår i masterprogrammet i statistik.

Litteratur

Litteraturlista

Gäller från: vecka 35, 2016

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