Статистический анализ финансовой информации

2020/2021

Лучший по критерию «Новизна полученных знаний»

Статус: Майнор

Кто читает: Кафедра экономической теории и эконометрики (Нижний Новгород)

Где читается: Факультет экономики НИУ ВШЭ (Нижний Новгород)

Когда читается: 3, 4 модуль

Преподаватели: Аистов Андрей Валентинович

Язык: русский

Кредиты: 5

Контактные часы: 60

Полная версия программы учебной дисциплины

Аннотация

В процессе изучения курса будут рассмотрены инструменты анализа данных, среди которых: регрессионные модели (линейные, бинарные), модели временных рядов, кластерный анализ в применении к различным финансовым (и не только) задачам. В результате слушатели овладеют навыками выявления статистических связей, определения их количественных характеристик и использования их для оценки влияния и прогнозирования.

Цель освоения дисциплины

В результате изучения курса студент должен освоить основные понятия статистики и эконометрики, овладеть основным аппаратом статистического и эконометрического исследования, уметь применять его для решения конкретных задач

Планируемые результаты обучения

Проводит статистический анализ экономической и финансовой информации
Оценивает параметры линейной модели регрессии
Оценивает регрессионные модели с помощью метода наименьших квадратов
Интерпретирует оценки, тестирует гипотезы
Оценивает параметры моделей с дискретной зависимой переменной

Содержание учебной дисциплины

Общие вопросы статистики. Статистическое наблюдение. Классификация статистических данных. Статистические методы анализа одномерных данных.
Предмет и основные методы статистики. Требования к статистической информации. Система показателей экономической статистики. Источники российской и международной статистики. Понятие статистического наблюдения. Основные формы статистического наблюдения. Программно-методологические вопросы статистического наблюдения. Качество результатов статистического наблюдения и его контроль. Статистические показатели, их сущность и значение. Абсолютные и относительные статистические показатели. Средние величины. Вариационные ряды и показатели вариации.
Предмет эконометрики. Методология эконометрического исследования. Линейная регрессионная модель (парная и множественная)
Методология эконометрического исследования. Математическая и эконометрическая модель. Линейная регрессионная модель для случая одной и нескольких объясняющих переменных. Теоретическая и выборочная регрессии. Экономическая интерпретация случайной составляющей. Линейность регрессии по переменным и параметрам.
Методы оценивания. Статистические свойства оценок. Проверка гипотез
Метод наименьших квадратов (МНК).Статистические характеристики (математическое ожидание, дисперсия и ковариация) оценок параметров. Доверительные интервалы оценок параметров и проверка гипотез об их значимости (t-тест). Проверка адекватности регрессии (F-тест)
Мультиколлинеарность. Гетероскедастичность. Автокорреляция. Модели ARIMA
Мультиколлинеарность данных и последствия этого для оценок параметров регрессионной модели.Нарушение гипотезы о гомоскедастичности. Экономические причины гетероскедастичности. Последствия гетероскедастичности для МНК-оценок коэффициентов регрессии и проверки статистических гипотез.Понятие об автокорреляции случайной составляющей.Понятие об автокорреляции случайной составляющей.
Модели выбора
Модели с дискретной зависимой переменной.
«Качество подгонки» Прогнозирование.
Степень соответствия линии регрессии имеющимся данным. Коэффициент детерминации и его свойства.Прогнозирование по регрессионной модели и его точность. Доверительный интервал для прогнозных значений. Зависимость точности от горизонта прогноза

Элементы контроля

Аудиторная работа
Контрольная работа
Экзамен

Промежуточная аттестация

Промежуточная аттестация (4 модуль)
0.1 * Аудиторная работа + 0.4 * Контрольная работа + 0.5 * Экзамен

Программа дисциплины