Moving Average Ökonometrie

Dr. Vassilis Hajivassiliou 32L.4.23, Prof. Mark Schankerman 32L.4.30 und Dr. Tatiana Komarova 32L.4.24 Dieser Kurs ist obligatorisch für den MSc in Wirtschaftswissenschaften, MSc in Economics (2 Jahre Programm) und MSc in Quantitative Economic History. Dieser Kurs ist verfügbar auf der MPA in der Europäischen Öffentlichkeit und Wirtschaftspolitik, MPA in International Development, MPA in Public Policy und Management, MPA in Public and Economic Policy, MPA in Public and Social Policy, MPhilPhD in Buchhaltung und MSc in Wirtschaftswissenschaften und Philosophie. Dieser Kurs ist mit der Erlaubnis als externe Option für Studenten auf anderen Programmen, wo die Vorschriften zulassen. Die Schüler müssen einen Einführungskurs in Mathematik und Statistik (EC400) abgeschlossen haben. Die Studierenden sollten auch einen Bachelor-Abschluss oder ein gleichwertiges in Economics und einem Einführungskurs in Econometrics abgeschlossen haben. In Ausnahmefällen können die Kursteilnehmer diesen Kurs ohne EC400 absolvieren, sofern sie die notwendigen Voraussetzungen erfüllen und von den Kursteilnehmern (über ein persönliches Gespräch), dem Direktor des MSc Economics Program und dem eigenen Programmdirektor genehmigt wurden. Wenden Sie sich an das Department of Economics für weitere Informationen (econ. msclse. ac. uk). Der Kurs zielt darauf ab, die Techniken der empirischen Untersuchung in der Wirtschaft zu präsentieren und zu veranschaulichen. Regressionsmodelle mit festen Regressoren (einfach und mehrfach). Least Quadrate und andere Schätzmethoden. Güte der Anpassung und Hypothesentests. Regressionsmodelle mit stochastischen Regressoren. Asymptotische Theorie und ihre Anwendung auf das Regressionsmodell. Große Probenannäherungen. Das partitionierte Regressionsmodell, Multicollinearität. Misspecification. Weggelassene und hinzugefügte Variablen, Messfehler. Heteroskedastizität, Autokorrelation. Und verallgemeinerten kleinsten Quadraten. Exogenität, Endogenität. Und instrumentelle Variablen. Eine Einführung in die nichtlineare Regressionsmodellierung. Autoregressive und gleitende Durchschnittsdarstellungen von Zeitreihen. Stationarität und Invertierbarkeit. Vector Auto-Regressionen. Einheitswurzeln und Kointegration. Schätzung der kausalen Effekte in Panel-Daten: Unterschiede in der Differenz-Schätzer, Matching-Methoden und Regressions-Diskontinuität. Paneldaten und statische Modelle: Fest - und Zufallseffektschätzer, Spezifikationstests, Messfehler. Panel-Daten und dynamische Modelle: generalisierte Methode der Momente. Binäre Auswahlmodelle mit Heterogenität. 30 Stunden Vorlesung und 10 Unterrichtsstunden im MT. 30 Stunden Vorlesung und 10 Unterrichtsstunden in der LT. Zwei markierte Aufgaben pro Semester. Übungen werden jede Woche zur Verfügung gestellt und werden im Unterricht besprochen. Um eine Chance zu haben, den Kurs erfolgreich abzuschließen, müssen diese Übungen versucht werden. Spezielle Testübungen werden an drei Punkten während des Jahres festgelegt. Diese werden sorgfältig markiert und die Ergebnisse zur Verfügung gestellt. J Johnston amp J diNardo, Ökonometrische Methoden (4th edn) oder WH Greene, Ökonometrische Analyse (6. Auflage), James D. Hamilton, Zeitreihenanalyse (1994), J Wooldridge, Ökonometrische Analyse von Querschnitts - und Paneldaten (2002), J Angrist und J Pischke, Meistens harmlose Ökonometrie (2009) Exam (50, Dauer: 2 Stunden) in der LT Woche 0. Exam (50, Dauer: 2 Stunden) in der Hauptprüfungsperiode. Stata: Datenanalyse und Statistical Software Stata Press eBooks werden mit VitalSource Bookshelf Reg Plattform gelesen. Bookshelf ist kostenlos und ermöglicht Ihnen den Zugriff auf Ihr Stata Press eBook von Ihrem Computer, Smartphone, Tablet oder eReader. So greifen Sie auf Ihr eBook zu 2) Sobald Sie angemeldet sind, klicken Sie oben rechts auf Erlös. Geben Sie Ihren eBook-Code ein. Ihr eBook-Code wird in Ihrer Bestellbestätigung E-Mail unter dem eBooks-Titel sein. 3) Das eBook wird zu Ihrer Bibliothek hinzugefügt werden. Sie können dann Bookshelf auf anderen Geräten downloaden und Ihre Bibliothek synchronisieren, um das eBook anzuzeigen. Bookshelf ist verfügbar auf den folgenden: Online Bookshelf ist online verfügbar von fast jedem Internet-Computer, indem Sie online. vitalsourceusernew. PC Bookshelf ist für Windows 788.110 (sowohl 32- als auch 64-Bit) verfügbar. Laden Sie Bookshelf Software auf Ihren Schreibtisch, damit Sie Ihre eBooks mit oder ohne Internet-Zugang ansehen können. IOS Bookshelf ist für iPad, iPhone und iPod touch verfügbar. Laden Sie die mobile Bookshelf App im Itunes Store herunter. Android Bookshelf ist für Android-Handys und Tabletten läuft 4.0 (Ice Cream Sandwich) und später verfügbar. Laden Sie die Bookshelf-App im Google Play Store herunter. Kindle Fire Bookshelf ist für Kindle Fire 2, HD und HDX verfügbar. Laden Sie die mobile App Bookshelf aus dem Kindle Fire App Store herunter. Mac Bookshelf ist für Mac OS X 10.8 oder höher verfügbar. Laden Sie Bookshelf Software auf Ihren Schreibtisch, damit Sie Ihre eBooks mit oder ohne Internet-Zugang ansehen können. Bookshelf können Sie 2 Computer und 2 mobile Geräte zu einem bestimmten Zeitpunkt aktiviert haben. Ich war erstaunt, auf die VitalSource Weise der Präsentation der Bücher. Alles sieht perfekt, aber doch können Sie durch das Buch in der gleichen Weise flip durch eine sehr lange Web-Seite in Ihrem Web-Browser blättern. Und am besten von allen, wenn ich meine Tablette mit mir haben, sind meine Bücher nur ein Swipe entfernt. Mdash Michael Mitchell Senior Statistiker am USC Childrens Data Network. Autor von vier Stata Press-Bücher, und ehemalige UCLA statistische Berater, der Vorstellung und die UCLA Statistical Consulting Resources Website. Rückgaberecht für eBooks Stata Press eBooks sind nicht rückzahlbar und nicht erstattungsfähig. Kommentar von der Stata-Fachgruppe Finanzökonometrie Mit Stata von Simona Boffelli und Giovanni Urga bietet eine hervorragende Einführung in die Zeitreihenanalyse und in Stata für Finanzökonomen. Dieses Buch richtet sich an Forscher, Doktoranden und Industriepraktiker. Dieses Buch führt die Leser zu weit verbreiteten Methoden ein, zeigt ihnen, wie diese Methoden in Stata durchzuführen sind, und illustriert, wie die Ergebnisse interpretiert werden. Nach einer intuitiven Einführung in die Zeitreihenanalyse und dem ubiquitären autoregressiven Moving-Average-Modell (ARMA) decken die Autoren sorgfältig univariate und multivariate Modelle für Volatilitäten ab. Die Kapitel über das Risikomanagement und die Analyse der Ansteckungspotenziale zeigen, wie wesentliche Maßnahmen von Risiko und Ansteckung definiert, geschätzt, interpretiert und durchgeführt werden können. Die Autoren illustrieren jedes Thema mit leicht reproduzierbaren Stata-Beispielen und erklären, wie die Ergebnisse aus diesen Beispielen interpretiert werden. Die Autoren haben eine einzigartige Mischung aus akademischer und industrieller Ausbildung und Erfahrung. Diese Ausbildung brachte einen praktischen und gründlichen Zugang zu jedem der angesprochenen Themen. Inhaltsverzeichnis Inhaltsverzeichnis ansehen gtgt Abbildungsverzeichnis Notation und Typografie 1 Einführung in die Finanzzeitreihe 1.1 Gegenstand des Interesses 1.2 Annäherung an den Datensatz 1.3 Normalität 1.4 Stationarität 1.4.1 Stationaritätstests 1.6 Heteroskedastizität 1.7 Lineare Zeitreihen 1.8 Modellauswahl 1.A 2.2.2 MA (q) 2.2.3 Invertibilität 2.3 Autoregressive Moving-Average-Prozesse (ARMA-Prozesse) 2.3.1 ARMA - 1,4) 2.3.3 ARIMA 2.3.4 ARMAX 2.4 Anwendung von ARMA-Modellen 2.4.1 Modellschätzung 2.4.2 Nachschätzung 2.4.3 Hinzufügen einer Dummy-Variablen 2.4.4 Prognose 3 Modellierung von Volatilitäten, ARCH-Modelle und GARCH-Modelle 3.1 Einleitung 3.2 ARCH-Modelle 3.2.1 Allgemeine Optionen 3.2.2 Zusätzliche Optionen ARIMA Die Option het () Die Optionen maximizeoptionen 3.3 ARCH (p) 3.4 GARCH-Modelle 3.4.1 GARCH (p, q) 3.4.2 GARCH im Mittel 3.4.3 Prognose 3.5 Asymmetrische GARCH-Modelle 3.5.1 SAARCH 3.5.2 TGARCH 3.5.3 GJRndashGARCH 3.5.4 APARCH 3.5.5 News Auswirkungen-Kurve 3.5.6 Prognosevergleich 3.6 Alternative GARCH-Modelle 3.6.1 PARCH 3.6.2 NGARCH 3.6.3 NGARCHK 4 Multivariate GARCH-Modelle 4.1 Einleitung 4.2 Multivariate GARCH 4.3 Direkte Verallgemeinerungen des univariaten GARCH-Modells von Bollerslev 4.3.1 Vech-Modell 4.3.2 Diagonales vech-Modell 4.3.3 BEKK-Modell 4.3.4 Empirische Anwendung Datenbeschreibung Dvech-Modell 4.4 Nichtlinear Kombination von univariaten GARCHmdashcommon-Merkmalen 4.4.1 Konstante bedingte Korrelation (CCC) GARCH 4.4.2 Dynamisches bedingtes Korrelationsmodell (DCC) Dynamische bedingte Korrelation Engle (DCCE) Modell Empirische Anwendung Dynamische bedingte Korrelation Tse und Tsui (DCCT) Vorhersage 4.5 Schlussbemerkungen 5 Risiko Management 5.1 Einleitung 5.2 Verlust 5.3 Risikomessungen 5.4 VaR 5.4.1 VaR-Schätzung 5.4.2 Parametrischer Ansatz 5.4.3 Historische Simulation 5.4.4 Monte-Carlo-Simulation 5.4.5 Erwarteter Fehlbetrag 5.5 Backtesting-Verfahren 5.5.1 Unilevel-VaR-Tests Der bedingungslose Erfassungstest Unabhängigkeitstest Der Bedingungs-Test Die Dauer-Tests 6 Contagion-Analyse 6.1 Einführung 6.2 Contagion-Messung 6.2.1 Cross-market Korrelationskoeffizienten 6.2.2 ARCH und GARCH Modelle Empirische Übung Markov Switching 6.2.3 Höhere Momente Ansteckung