|
|
|
||
Poslední úprava: T_KPMS (10.05.2013)
|
|
||
Poslední úprava: RNDr. Šárka Hudecová, Ph.D. (30.01.2022)
Studenti se seznámí s většinou důležitých metod a postupů současné ekonometrie tak, aby je byli schopni aktivně používat. |
|
||
Poslední úprava: RNDr. Šárka Hudecová, Ph.D. (16.02.2022)
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.
|
|
||
Poslední úprava: prof. RNDr. Tomáš Cipra, DrSc. (04.01.2016)
Cipra, T.: Finanční ekonometrie. Ekopress, Praha 2013 (2.vydání) Cipra, T.: Matematika cenných papírů. Professional Publishing, Praha 2013
|
|
||
Poslední úprava: T_KPMS (10.05.2013)
Přednáška + cvičeční. |
|
||
Poslední úprava: RNDr. Šárka Hudecová, Ph.D. (31.01.2022)
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. |
|
||
Poslední úprava: RNDr. Šárka Hudecová, Ph.D. (30.01.2022)
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).
|
|
||
Poslední úprava: prof. RNDr. Tomáš Cipra, DrSc. (24.04.2018)
Základní znalost matematické statistiky (především lineární regrese), teorie pravděpodobnosti a náhodných procesů. Schopnost výpočetně zvládnout praktické projekty ve zvoleném softwarovém systému. |