Permalink
2012/2013 KAN-CMM_MTID Tidsrækkeanalyse
| English Title | |
| Time Series Analysis |
Kursusinformation |
|
| Sprog | Dansk |
| Prøve-ECTS | 7,5 ECTS |
| Type | Valgfrit |
| Niveau | Kandidat |
| Varighed | Et semester |
| Placering |
Ændringer i skema kan forekomme
Onsdag 13.30-15.10, uge 6-20 |
| Tidspunkt | Se skemaet på e-Campus |
| Studienævn |
Studienævnet for HA/cand.merc. i erhvervsøkonomi og matematik, MSc
|
| Kursusansvarlig | |
|
|
| Fagområde/Category | |
|
|
| Sidst opdateret den 22-10-2012 | |
| Læringsmål | |||||||||||||||||
|
Målet med faget er, at de studerende kan håndtere modeller og begreber korrekt indenfor den statistiske analyse af tidsrækker: (a) Identificere en relevant statistisk model (blandt dem, der indgår i pensum) ud fra en verbal eller skriftlig beskrivelse af hvorledes et forelagt datasæt er fremkommet. (b) Beskrive og forklare modellernes struktur, fordele og begrænsninger indenfor anvendelse. (c) Foretage og forklare de relevante grafiske eller numeriske tests for, om en model beskriver data tilfredsstillende. (d) Estimere parametrene i en sådan model og foretage en vurdering af estimatorernes usikkerhed. (e) Fortolke estimerede parametre for en model i relation til et datasæt og forklare, hvad det betyder for, hvorledes tidsrækken forventes at udvikle sig i fremtiden. (f) Identificere relevante hypoteser i en sådan model ud fra en verbal eller skriftligt beskrivelse af, hvad der ønskes undersøgt, og ved hjælp af statistiske tests og modeller undersøge holdbarheden af sådanne hypoteser. Endvidere skal de studerende være i stand til at beskrive de statistiske modeller og afrapportere resultaterne i et klart sprog med korrekt anvendelse af de fagudtryk, der knytter sig til faget. |
|||||||||||||||||
| Forudsætninger | |||||||||||||||||
| Statistik og sandsynlighedsregning svarende til HA(mat.). | |||||||||||||||||
| Eksamen | |||||||||||||||||
| - | |||||||||||||||||
|
|||||||||||||||||
| Kursets indhold, forløb og pædagogik | |||||||||||||||||
|
En væsentlig del af økonomi beskæftiger sig med fænomeners udvikling over tid. Det kunne fx være prisen på en aktie, renteniveauer eller inflationen. Men det kunne også være el-forbruget i Norge eller temperaturen på Arktis. Vi vil i dette fag se på, hvordan vi bedst kan lade en tidsfaktor indgå i en statistisk model. Fordelen ved at kunne analysere en tidsrække er, at vi ud fra en god model, kan give et rimeligt bud på, hvad der vil ske i fremtiden. Kurset vil være en kombination af teori og praksis. Den teoretiske del vil være rettet mod, at vi kan forstå den praktiske del, mens vi i den praktiske del vil bruge og estimere modellerne på rigtige data. Faget vil indeholde en gennemgang af stationære tidsrækker, autokorrelation, AR- og MA-processer, ARMA-processer, ARIMA-processer og forecasting. Desuden vil der være en introduktion til diverse videregående emner blandt andet G/ARCH-processer, VAR-modeller, State-Space modeller og Kalman filtrering. Forelæsninger med eksempler og øvelser. Brug af R til at modellere tidsrækker vil blive gennemgået. |
|||||||||||||||||
| Undervisningsformer | |||||||||||||||||
| Undervisningen består af forelæsninger | |||||||||||||||||
Sidst opdateret den 22-10-2012