Beräkna och förstå marginalfördelningar och autokorrelationsfunktioner i tidsserier
Härleda egensaper hos ARIMA- och GARCH-modeller
Välja en lämplig ARIMA/GARCH-modell för en given datamängd och anpassa
modellen till data med hjälp av något lämpligt datorprogrampaket, samt
Beräkna prediktioner med hjälp av ett antal linjära och icke-linjära modeller och metoder
Kursinnehåll
Kursen introducerar tidsserietekniker och hur man använder dem för att analysera och förutse finansiella tidsserier. Ämnen som täcks i kursen inkluderar:
ARIMA-modeller - sannolikhetsteoretiska egenskaper och skattningsmetoder
Stationära stokastiska processer
Autokovarians- och autokorrelationsfunktioner
Grundläggande egenskaper hos ARMA-processer
Linjär representation av stokastiska processer
Skattning i ARMA-processer.
ARCH- och GARCH-processer - teori och praktik i modellering av volatilitet
Definition av ARCH-processer, och deras relation till ARMA-processer
Utvidgningar av GARCH-processer
Icke-linjära modeller
Bilinjära modeller och autoregressiva Markov-switchingmodeller
Modellanpassning med kärnskattning, val av bandbredd, och lokal linjär regression
Icke-parametriska och parametriska test för icke-linjaritet
Prediktion och att mäta prediktionsförmåga
Förutsättningar
Goda kunskaper i grundläggande matematisk analys och linjär algebra, samt grundläggande kunskaper i sannolikhetsteori och statistik. En viss förtrogenhet med stokastiska processer och progammering i matlab är en stor fördel.
Litteratur
Kursliteratur måste vara tillgänglig 12 veckor innan kursens början.