Econometrics - NMEK432

• Title: Ekonometrie
• Guaranteed by: Department of Probability and Mathematical Statistics (32-KPMS)
• Faculty: Faculty of Mathematics and Physics
• Actual: from 2022
• Semester: summer
• E-Credits: 8
• Hours per week, examination: summer s.:4/2, C+Ex [HT]
• Capacity: unlimited
• Min. number of students: unlimited
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: not taught
• Language: Czech
• Teaching methods: full-time
• Guarantor: RNDr. Šárka Hudecová, Ph.D.
• Class: M Mgr. FPM; M Mgr. FPM > Volitelné; M Mgr. PMSE; M Mgr. PMSE > Povinně volitelné
• Classification: Mathematics > Math. Econ. and Econometrics
• Pre-requisite : NMSA407
• Is incompatible with: NMEK511
• Is pre-requisite for: NMEK051, NMEK551
• Is interchangeable with: NEKN041, NEKN042

Annotation

English

Overview of modern methods used in econometrics. Econometric problems of linear regression (heteroscedasticity, autocorrelated residuals, multicollinearity, estimation methods, models with a priori restrictions). Discrete and limited dependent variables. Econometric systems of equations (SUR model, simultaneous-equations model, identification problem, estimation methods). Vector autoregression (causality, response to impulse, cointegration). Requierements: Basic knowledge of statistics.

Last update: T_KPMS (10.05.2013)

Czech

Průřez moderními ekonometrickými metodami. Ekonometrická zobecnění lineární regrese (heteroskedasticita, autokorelovaná rezidua, multikolinearita, různé metody odhadu, modely s apriorními omezeními). Diskrétní a omezené vysvětlované proměnné. Vícerovnicové ekonometrické soustavy (SUR soustava, soustava simultánních rovnic, problém identifikovatelnosti, odhadové metody). Vektorová autoregrese (testování příčinnosti, odezva na impuls, kointegrace).

Last update: T_KPMS (10.05.2013)

Aim of the course

English

The students should master the most important methods of modern econometrics so that they are capable to apply them in practice.

Last update: Hudecová Šárka, RNDr., Ph.D. (30.01.2022)

Czech

Studenti se seznámí s většinou důležitých metod a postupů současné ekonometrie tak, aby je byli schopni aktivně používat.

Last update: Hudecová Šárka, RNDr., Ph.D. (30.01.2022)

Course completion requirements

K zakončení předmětu je nutno získat zápočet ze cvičení a úspěšně složit zkoušku.

Zápočet:

1. Vypracování 5 domácích úloh (v souladu s požadavky uveřejněnými na webové stránce cvičení) a jejich akceptace cvičící.

2. Vypracování 5 recenzí domácích úloh (v souladu s požadavky uveřejněnými na webové stránce cvičení) a jejich akceptace cvičící.

Skládání zápočtu nelze opakovat.

Zkouška:

Zkouška proběhne ústní formou. Požadavky u ústní části zkoušky odpovídají sylabu předmětu v rozsahu, který byl prezentován na přednášce.

Pokud situace neumožní prezenční zkoušení, bude zkoušení provedenou vhodnou distanční formou.

Last update: Hudecová Šárka, RNDr., Ph.D. (16.02.2022)

Literature

Cipra, T.: Finanční ekonometrie. Ekopress, Praha 2013 (2.vydání)

Cipra, T.: Matematika cenných papírů. Professional Publishing, Praha 2013

Last update: Cipra Tomáš, prof. RNDr., DrSc. (04.01.2016)

Teaching methods

English

Lecture + exercises.

Last update: T_KPMS (10.05.2013)

Czech

Přednáška + cvičeční.

Last update: T_KPMS (10.05.2013)

Requirements to the exam

Zkouška proběhne ústní formou. Požadavky u ústní části zkoušky odpovídají sylabu předmětu v rozsahu, který byl prezentován na přednášce.

Pokud situace neumožní prezenční zkoušení, bude zkoušení provedenou vhodnou distanční formou.

Last update: Hudecová Šárka, RNDr., Ph.D. (31.01.2022)

Syllabus

English

I. Classical linear regression model - assumption, inference, diagnostic tools.

II. Econometric problems of linear regression (heteroscedasticity, autocorrelated residuals, dynamic models, instrumental variables).

III. Discrete and limited dependent variables.

IV. Econometric systems of equations: Panel data, SUR model, Simultaneous-equations model

V. Other econometric topics (nonlinear regression, kernel estimation, quantile regression).

Last update: Hudecová Šárka, RNDr., Ph.D. (30.01.2022)

Czech

I. Klasický model lineární regrese - předpoklady, testy, diagnostika.

II. Ekonometrická zobecnění lineární regrese (heteroskedasticita, autokorelovaná rezidua, dynamické modely, instrumentální proměnné).

III. Diskrétní a omezené vysvětlované proměnné.

IV. Vícerovnicové ekonometrické soustavy: Panelová data, SUR soustava, Soustava simultánních rovnic

V. Další ekonometrická témata (nelineární regrese, jádrové odhady regrese, kvantilová regrese).

Last update: Hudecová Šárka, RNDr., Ph.D. (30.01.2022)

Entry requirements

English

Basic knowledge of mathematical statistics (particularly linear regression), theory of probability and random processes. Ability to solve numerically practical projects in a chosen software system.

Last update: Cipra Tomáš, prof. RNDr., DrSc. (24.04.2018)

Czech

Základní znalost matematické statistiky (především lineární regrese), teorie pravděpodobnosti a náhodných procesů. Schopnost výpočetně zvládnout praktické projekty ve zvoleném softwarovém systému.

Last update: Cipra Tomáš, prof. RNDr., DrSc. (24.04.2018)