Vyučující
|
-
Rost Michael, doc. Ing. Ph.D.
-
Klicnarová Jana, doc. RNDr. Ph.D.
-
Houda Michal, Mgr. Ph.D.
|
Obsah předmětu
|
Témata přednášek: 1. Obsah a cíle kurzu. Úvod do problematiky časových řad. 2. Korelace - korelační pole, korelační koeficienty. 3. Úvod do lineární regrese - model, metoda nejmenších čtverců, konstrukce odhadů a předpovědí. 4. Lineární regrese - různé typy závislostí, volba vhodné regresní funkce. 5. Pokračování lineární regrese - koeficient determinace, normální model, předpoklady a aplikace. 6. Časové řady - úvod, cíl analýzy časových řad, měření chyb modelu. 7. Dekompozice časových řad - subjektivní a objektivní metody, typy závislostí, testy na trend. 8. Sezónnost v časových řadách - testy, jednoduché přístupy k sezónnosti, model konstantní sezónnosti s nevýznamným trendem, model konstantní sezónnosti s významným trendem, regresní přístup. 9. Periodicita v časových řadách - spektrální přístup, periodogram, testy periodicity. 10. Adaptivní přístupy v časových řadách, využití klouzavých průměrů. 11. Exponenciální vyrovnávání časových řad. 12. Testy náhodnosti. Autokorelace v časových řadách, pojem stacionarity. 13. Autokorelační vlastnosti časových řad, AR a MA modely. 14. Základní principy Boxovy-Jenkinsovy metodologie.
|
Studijní aktivity a metody výuky
|
Monologická (výklad, přednáška, instruktáž), Dialogická (diskuze, rozhovor, brainstorming)
- Účast na výuce
- 18 hodin za semestr
- Domácí příprava na výuku
- 50 hodin za semestr
- Příprava na zápočet
- 50 hodin za semestr
- Příprava na zkoušku
- 50 hodin za semestr
|
Výstupy z učení
|
Cílem je seznámit posluchače se základy práce s reálnými časovými řadami ukazatelů české ekonomiky. Probírá se zejména klasický model ekonomické časové řady (modely trendů, sezónnosti a cyklů ekonomických ukazatelů a jejich využití pro extrapolaci), sezónní a krátkodobé předpovědi. Na uživatelské úrovni bude popsána též Boxova - Jenkinsova metodologie.
Studenti rozumí základním principům regresní analýzy a analýzy časových řad. Rovněž umí využívat software při analýze dat.
|
Předpoklady
|
Ekvivalence: SMAC, YSMAC
|
Hodnoticí metody a kritéria
|
Kombinovaná zkouška, Test
Pro dálkové studium požadavky na zápočet: včasné odevzdání správně vyřešených zadaných úloh v systému Moodle. Zkouška: Zkouška je písemná a ústní. Z písemné části musí student získat alespoň 50% bodů pro postup k ústní zkoušce. Ústní zkoušku student nesloží, pokud neodpoví správně ani na jednu ze tří položených otázek
|
Doporučená literatura
|
-
Arlt, J. Moderní metody modelování ekonomických časových řad. Praha : Grada Publishing, 1999. ISBN 80-7169-539-4.
-
Cipra, T. Finanční ekonometrie. Ekopress, 2008. ISBN 978-80-86929-43-9.
-
Cipra, T. Finanční ekonometrie. Praha: Ekopress, 2014. ISBN 978-80-86929-93-4.
-
Čermáková, A. Statistika II - cvičení. Jihočeská univerzita v Č. Budějovicích, 2000. ISBN 80-7040-457-4.
-
Čermáková, A. Statistika II. Jihočeská univerzita v Č. Budějovicích, 1998. ISBN 80-7040-270-9.
-
DRAPER, N., SMITH, H. Applied Regression analysis, Wiley and Sons. New York, 1981.
-
Hindls, R., Artlová, M. a kol. Statistika v ekonomii. Praha: Professional Publishing, 2018. ISBN 978-80-88260-09-7.
-
Hyndman, Rob J., Athanasopoulos, G. Forecasting: Principles and Practice. OTexts: Melbourne, Australia, 2018. ISBN 978-0-9875071-1-2.
-
Klufová, R. a kol. Modelování regionálních procesů. Praha, 2012.
-
MONTGOMERY, Douglas C.; JENNINGS, Cheryl L.; KULAHCI, Murat. Introduction to time series analysis and forecasting. John Wiley & Son, 2015.
-
Wooldridge, J.M. Introductory econometrics: a modern approach. Boston: Cengage Learning, 2016. ISBN 978-1-305-27010-7.
|