Econometrics - NMEK511

• Title: Ekonometrie
• Guaranteed by: Department of Probability and Mathematical Statistics (32-KPMS)
• Faculty: Faculty of Mathematics and Physics
• Actual: from 2023
• Semester: winter
• E-Credits: 8
• Hours per week, examination: winter s.:4/2, C+Ex [HT]
• Capacity: unlimited
• Min. number of students: unlimited
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: taught
• Language: Czech, English
• Teaching methods: full-time
• Guarantor: doc. RNDr. Šárka Hudecová, Ph.D.
• Teacher(s): doc. RNDr. Šárka Hudecová, Ph.D.; Mgr. Erik Kočandrle
• Class: M Mgr. PMSE; M Mgr. PMSE > Povinně volitelné
• Classification: Mathematics > Math. Econ. and Econometrics
• Incompatibility : NMEK432, NMFP401
• Pre-requisite : NMSA407
• Is incompatible with: NMFP401
• Is pre-requisite for: NMEK563

Annotation

English

Econometric generalizations of linear regression (heteroscedasticity, serial autocorrelation). Special regression problems in econometrics (multicollinearity, nonlinear regression, model stability). Estimation methods in the regression model. Dynamic econometric models. Econometric systems of equations.

Last update: Omelka Marek, doc. Ing., Ph.D. (02.12.2020)

Czech

Ekonometrická zobecnění lineární regrese (heteroskedasticita, autokorelace). Speciální regresní problémy v ekonometrii (multikolinearita, nelineární regrese, stabilita modelu). Různé metody odhadu v regresním modelu. Dynamické ekonometrické modely. Vícerovnicové ekonometrické soustavy.

Last update: Omelka Marek, doc. Ing., Ph.D. (02.12.2020)

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. The applications in finance are preferred.

Last update: Omelka Marek, doc. Ing., Ph.D. (30.11.2020)

Czech

Studenti se seznámí s většinou důležitých metod a postupů současné ekonometrie tak, aby je byli schopni aktivně používat. Důraz je kladen na aplikace ve financích.

Last update: Omelka Marek, doc. Ing., Ph.D. (30.11.2020)

Course completion requirements

English

To complete the course, it is necessary to obtain credit from the exercises and to pass the exam.

Conditions for obtaining credit:

There will be 4 homework assignments and 4 peer reviews. A total of 20 points can be earned (4 points for each assignment and 1 point for each review). To obtain credit, at least 14 points must be earned, with the following conditions met:

• From the first two assignments and two reviews, at least 7 points must be obtained.

• From the last two assignments and two reviews, at least 7 points must be obtained.

For each period, if a student submits both assignments and both reviews on time and their total score for that period falls within the interval [5, 7) points, it will be possible to revise and resubmit one of the items.

Due to the nature of the course assessment, repeating the credit evaluation is not possible.

Exam:

The exam requirements correspond to the course syllabus as covered in the lectures. It is necessary to know all essential definitions and theorems and basic proofs. In addition, the ability to apply the theory to concrete examples is required.

The exam may consist of both written and oral parts.

Obtaining credit is a prerequisite for taking the exam.

Last update: Hudecová Šárka, doc. RNDr., Ph.D. (22.05.2025)

Czech

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

Podmínky získání zápočtu:

Budou zadány 4 domácí úkoly a 4 recenze. Za ně bude možné získat celkem 20 bodů (4 body za každý úkol a 1 bod za každou recenzi). K získání zápočtu je nutné získat celkem alespoň 14 bodů, přičemž musí být splněno následující:

• Z prvních dvou úkolů a dvou recenzí je potřeba získat alespoň 7 bodů.

• Z posledních dvou úkolů a dvou recenzí je potřeba získat alespoň 7 bodů.

Pro každé období platí, že odevzdal-li student oba úkoly i obě recenze v předepsaném termínu a je-li jeho celkový bodový zisk je v intervalu [5,7) bodů, bude možné odevzdat opravu jedné z položek.

Povaha kontroly studia předmětu vylučuje opakování této kontroly.

Zkouška:

Požadavky zkoušky odpovídají sylabu předmětu v rozsahu, který byl prezentován na přednášce. Je třeba znát všechny podstatné definice, tvrzení a základní důkazy. Dále se vyžaduje schopnost aplikace teorie na konkrétní příklady.

Zkouška může obsahovat písemnou i ústní část.

Získání zápočtu je podmínkou účasti na zkoušce.

Last update: Hudecová Šárka, doc. RNDr., Ph.D. (22.05.2025)

Literature

Green, W.H (2011): Econometric Analysis. Prentice Hall, New Yersey (7. vydání)

Wooldridge, J.M. (2020): Introductory Econometrics" A Modern Approach. Cengage, Boston (7. vydání).

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

Last update: Hudecová Šárka, doc. RNDr., Ph.D. (13.09.2023)

Teaching methods

English

Lecture + exercises.

Last update: Omelka Marek, doc. Ing., Ph.D. (30.11.2020)

Czech

Přednáška + cvičení.

Last update: Hudecová Šárka, doc. RNDr., Ph.D. (03.12.2020)

Requirements to the exam

English

The exam requirements correspond to the course syllabus as presented during the lectures. It is necessary to know all essential definitions, theorems, and basic proofs. Additionally, the ability to apply the theory to concrete examples is required.

The exam may include both written and oral parts.

Obtaining credit from the exercises is a prerequisite for taking the exam.

Last update: Hudecová Šárka, doc. RNDr., Ph.D. (22.05.2025)

Czech

Požadavky zkoušky odpovídají sylabu předmětu v rozsahu, který byl prezentován na přednášce. Je třeba znát všechny podstatné definice a tvrzení. Dále se vyžaduje schopnost aplikace teorie na konkrétní příklady.

Zkouška může obsahovat písemnou i ústní část.

Získání zápočtu je podmínkou účasti na zkoušce.

Last update: Hudecová Šárka, doc. RNDr., Ph.D. (13.09.2023)

Syllabus

English

I. Summary of linear regression.

II. Regression for heteroscedastic data.

III. Time series regression.

IV. Special regression problems in econometrics (multicollinearity, nonlinear regression, model stability).

V. Regression models for limited outcomes.

VI. Panel data analysis.

VII. Econometric systems of equations

Last update: Hudecová Šárka, doc. RNDr., Ph.D. (13.09.2023)

Czech

I. Opakování lineární regrese.

II. Regrese pro heteroskedastická data.

III. Regrese pro časové řady.

IV. Speciální regresní problémy v ekonometrii (multikolinearita, nelineární regrese, stabilita modelu).

V. Regresní modely pro omezené odezvy.

VI. Analýza panelových dat.

VII. Vícerovnicové ekonometrické soustavy.

Last update: Hudecová Šárka, doc. RNDr., Ph.D. (13.09.2023)

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: Omelka Marek, doc. Ing., Ph.D. (30.11.2020)

Czech

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

Last update: Omelka Marek, doc. Ing., Ph.D. (30.11.2020)