|
|
|
||
Poslední úprava: T_KPMS (15.05.2013)
|
|
||
Poslední úprava: T_KPMS (15.05.2013)
Cílem je seznámit posluchače s většinou důležitých metod v praktické analýze časových řad tak, aby je byli schopni aktivně používat.
|
|
||
Poslední úprava: prof. RNDr. Tomáš Cipra, DrSc. (13.10.2021)
Zápočet: 1. Vypracování a akceptace 5 domácích úloh v souladu s publikovaným zadáním, resp. publikovanými požadavky (požadavky viz webová stránka cvičícího). 2. Vypracování a akceptace 5 recenzí domácích úloh kolegů v souladu s publikovanými požadavky (požadavky viz webová stránka cvičícího). 3. Získání zápočtu není podmínkou účasti na zkoušce.
Zkouška: 1. Možnost zkoušky formou bodovaného písemného testu: 10 otázek pokrývajících odpřednesenou látku, jediný termín testu před koncem semestru. 2. Jinak ústní zkouška odpřednesené látky dle sylabu přednášky s termíny během zkouškového období (v případě zájmu možný předtermín) v souladu se zkušebním řádem na MFF UK. 3. Získání zápočtu není podmínkou účasti na zkoušce. |
|
||
Poslední úprava: prof. RNDr. Tomáš Cipra, DrSc. (04.01.2016)
Cipra, T.: Analýza časových řad s aplikacemi v ekonomii. SNTL/ALFA, Praha 1986 Cipra, T.: Finanční ekonometrie. Ekopress, Praha 2013 (2.vydání) |
|
||
Poslední úprava: T_KPMS (15.05.2013)
Přednáška+cvičení. |
|
||
Poslední úprava: prof. RNDr. Tomáš Cipra, DrSc. (06.10.2017)
1. Dobrovolná možnost zkoušky formou bodovaného písemného testu: 10 otázek pokrývajících odpřednesenou látku; jediný termín testu před koncem semestru; oprava jen formou ústní zkoušky v rámci prvního opravného termínu. 2. Jinak ústní zkouška s možností předtermínu; požadavky ústní zkoušky odpovídají sylabu předmětu v rozsahu, který byl prezentován na přednášce. 3. Získání zápočtu není podmínkou účasti na zkoušce. |
|
||
Poslední úprava: T_KPMS (15.05.2013)
I. Klasifikace náhodných procesů. II. Dekompoziční metody: 1. Trend. 2. Sezónnost a periodicita. 3. Testy náhodnosti. III. Boxova-Jenkinsova metodologie: 1. Modely typu ARMA. 2. Identifikace, odhad, verifikace a předpověď. 3. Modely ARIMA a sezónní modely. IV. Finanční časové řady: 1. Modely volatility (GARCH). 2. Modely nelineární ve střední hodnotě. V. Vícerozměrné časové řady (vektorová autoregrese, Kalmanův filtr).
|
|
||
Poslední úprava: prof. RNDr. Tomáš Cipra, DrSc. (24.04.2018)
Základní znalost matematické statistiky, teorie pravděpodobnosti a náhodných procesů. Schopnost výpočetně zvládnout praktické projekty ve zvoleném softwarovém systému. |