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
• Teaching methods: full-time
• Teaching methods: full-time
• Guarantor: RNDr. Šárka Hudecová, Ph.D.
• 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

Annotation

English

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

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.

Czech

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

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.

Aim of the course

English

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

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.

Czech

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

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.

Course completion requirements

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

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 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.

Literature

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

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)

Teaching methods

English

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

Lecture + exercises.

Czech

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

Přednáška + cvičení.

Requirements to the exam

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

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.

Syllabus

English

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

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

Czech

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

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.

Entry requirements

English

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

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.

Czech

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

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