Ci sono tre libri che tengo sempre riferendosi a da una programmazione R e ora la prospettiva di analisi serie: il primo libro di Shumway e Stoffer ha una versione open source (abbreviata) disponibile on-line chiamato versione EZgreen. Se siete alla ricerca specifica in previsione di serie storiche, mi sento di raccomandare seguenti libri: metodi di previsione e applicazioni di Makridakis, Wheelwright e Hyndman. Continuo riferimento a questo libro più volte, questo è un classico, stile di scrittura è assolutamente fenomenale. Un successore on-line per il libro di cui sopra con una bella esempi R è la previsione principi e pratica da Hyndman e Athanasopoulos. Se siete alla ricerca di classico approccio di modellazione Box Jenkins, mi sento di raccomandare Tempo Analisi Serie: Previsione e controllo da parte di sicurezza, Jenkins e Reinsel. Un trattamento eccezionale sulla funzione di trasferimento di modellazione e previsione è in previsione di regressione dinamica modelle per Pankratz. Anche in questo caso lo stile di scrittura è assolutamente grande. Un altro estremamente utile se si per l'applicazione di previsione per risolvere i problemi del mondo reale è Principi di previsione da Armstrong. A mio parere, i libri 1, 4 e 5 sono alcuni dei migliori dei migliori libri. Molti come Principi di previsione e Pratica di Hyndman e Athanasopoulos perché il suo open source e ha codici R. Non è un modo più vicino alla larghezza, l'approfondimento di metodi di previsione e lo stile di scrittura di esso predecessore Makridakis et al. Qui di seguito sono alcune caratteristiche contrastanti sul perché mi piace il Makridakis et al: Elenco dei riferimenti: ad esempio nel capitolo Box Jenkins Makridakis et al ha 31 riferimenti, Hyndman et al non vi è molto poco o nessun riferimento in molti capitoli. Ampiezza e profondità nella copertura - Hyndman et al. concentrarsi principalmente sui metodi univariata particolarmente sviluppati dal primo autore, mentre Makridakis et. Al non concentrarsi solo sulla propria ricerca, ma una grande varietà di metodi e applicazioni e anche enfasi è sulla applicazione del mondo reale e di apprendimento invece di essere più concentrati accademico. Stile di scrittura - ho davvero non mi posso lamentare in quanto entrambi i libri sono eccezionalmente ben scritti. Comunque io personalmente propendo Makridakis perché riduce concetti complessi nel lettore sezioni amichevoli. C'è una sezione sulle funzioni di regressione o di trasferimento dinamico, non ho dove ha incontrato tale spiegazione chiara su questo metodo complesso. Ci vuole straordinario talento di scrittura per aiutare il lettore a capire ciò che la regressione dinamica è in 15 pagine e riescono a questo. Makridakis et al è softwaremethod agnostico e elencano alcuni pacchetti software utili e confrontare e contrasto (anche se questo è quasi 20 anni) è ancora un grande valore per un praticante. Tre capitoli dedicati su come applicare la previsione nel mondo reale in Makridakis et al. che è grande vantaggio di avere per un professionista. Previsione non è semplicemente in esecuzione metodi univariati come Arima e livellamento esponenziale e le uscite di produzione. E 'molto di più, e la previsione soprattutto strategica quando si sta cercando in orizzonte temporale più lungo. Principi di previsione da Armstrong, oltre a quelle metodi di estrapolazione univariata ed è altamente raccomandato per chi fa del mondo reale previsione di previsione particolarmente strategica. Se si trova Hamilton troppo difficile poi c'è Introduzione alla modellazione econometrica Princeton Uni Press di Bent Nielsen e David Hendry. Si concentra più sull'intuizione e pratico how-to di teoria più profonda. Quindi, se siete su un vincolo di tempo allora che sarebbe un buon approccio. Consiglio comunque di perseverare con Time Series Analysis da Hamilton. E 'molto profondo matematicamente ed i primi quattro capitoli vi terrà andare per molto tempo e servire come una forte introduzione al tema. Esso copre anche Granger non causalità e cointegrazione e se si decide di perseguire questo argomento più a fondo, allora è in risorsa inestimabile. Per una trattazione più intuitiva di cointegrazione, consiglierei anche Cointegrazione, causalità, e Previsione da Engle e bianco. Infine per i trattamenti molto avanzate, c'è Soren Johansens Inference libro verosimiglianza sede a cointegrato VAR e, naturalmente, David Hendrys dinamica Econometria. Tra quei due, penserei Hendrys è più grande-picture oriented e Johansen è piuttosto difficile, in corso la matematica. risposto 7 marzo 15 alle 13:25 Hirek, avete notato la prima frase della questione, in cui il manifesto spiega che they39re già con Hamilton e don39t capirlo. e vogliono qualcosa di diverso ndash Glenb 9830 14 Mar 15 alle 14:35 Ha totalmente trascurato che dispiace Glenb ndash Hirek 14 marzo 15 al 16:44, a mio parere, è davvero imbattibile Previsione: principi e pratica. Il suo scritto da CV possiedono Rob Hyndman e George Athanasopoulos, la sua disponibile gratuitamente on-line, e le sue tonnellate ottenuto di esempio di codice in R, utilizzando l'eccellente pacchetto di previsione. Se si utilizza Stata, Introduzione alla serie tempo usando Stata da Sean Becketti è una solida introduzione delicato, con molti esempi e l'accento sulla intuizione sulla teoria. Penso che questo libro sarebbe complementare Ender piuttosto bene. Il libro si apre con un intro al linguaggio Stata, seguito da una rapida rassegna di test di regressione e di ipotesi. La parte della serie tempo inizia con le tecniche di movimento-media e HoltWinters per lisciare e prevedere i dati. La sezione successiva si concentra sull'utilizzo di questi per le previsioni tecniche. Questi metodi sono spesso trascurati, ma funzionano piuttosto bene per le previsioni automatizzate e sono facili da spiegare. Becketti spiega quando lavoreranno e quando si suole. I prossimi capitoli riguardano i modelli di serie temporali singola equazione come disturbi autocorrelati, Arima, e la modellazione ARCHGARCH. Alla fine, Becketti discute modelli multipli di equazioni, in particolare VAR e VEC e serie storiche non stazionarie. Dimitriy V. Masterov Theres il NBER Summer Institute Che cosa è nuovo in Time Series Econometria (non so se questo materiale è recintato e non). Ci sono video con scivoli di accompagnamento. Le lezioni sono tenute da una coppia di professori (Stock e Watson) che sono noti per il loro popolare libro di testo econometria di laurea. We39re in cerca di risposte lunghe che forniscono qualche spiegazione e contesto. Don39t basta dare una risposta di una riga a spiegare perché la vostra risposta è giusta, idealmente con le citazioni. Le risposte che don39t includono le spiegazioni possono essere rimossi. HILL GRIFFITHS LIM 2011 Principi di Econometria 4E Wiley Vantaggi: (1) molto facile da seguire. Gli argomenti sono ben presentati. Anche se non ho preso alcun corso econometrica nella mia vita, ho facilmente afferrato econometria introduttivi con il libro. (2) Ci sono libri supplemantary per capire Hills libro: a. Utilizzando EViews per Principi di Econometria b. Utilizzo di Excel per Principi di Econometria c. Utilizzando Gretl per Principi di Econometria d. Utilizzando Stata per Principi di Econometria Svantaggi: (1) Non vi è alcun Utilizzando R per Principi di Econometria R è standard del settore. R è meglio di Python. Matematica a mente può essere meglio riflessa in codice via R (lo dico come una persona che ha scritto i moduli di VBA in Excel, ha scritto codici Gretl, ha scritto i codici Eviews). I self-iniziato Econometria con GREENE 2011 Econometric Analysis - W. H. GREENE 7E PearsonPrentice Sala Questa è anche bello, ma più teorico può essere difficile per i principianti. In sintesi, vi consiglio vivamente di cogliere Econometria con le colline libro, e applicare tale conoscenza tramite un altro libro econometria che si basa su R. Stata jolly e scorciatoie caratteri jolly sono estremamente utili. Essi possono risparmiare un sacco di tempo, così come creare codifica i risultati che sono altrimenti impossibili o estremamente difficile da bagnare altrimenti up. Vediamo prima di generare una manciata di variabili da sperimentare su: gl Un c3a3aa A1 A2 A3 b2 b3 b4 c3 c4 c5 a3a3 serie ben definita OB 12 Questo ciclo volontà attraverso ogni elemento del globale A e generare variabili corrispondenti. foreach v in A vrnormal gen () Ora, se vogliamo usare solo alcune delle variabili con caratteri jolly. A. permette per un carattere di essere somma selvaggio una volte si possono utilizzare le combinazioni di stelle e. a bersaglio specifici gruppi di variabili riassumono 3a A stella permette a qualsiasi numero di caratteri per essere somma selvaggio un Possiamo anche fare riferimento alle variabili attraverso specifiche raggio variabile: Stata 14 nuovi Stata 14 è un pacchetto statistico completo, integrato che fornisce tutto il necessario per l'analisi dei dati, la gestione dei dati, e la grafica. Stata non è venduto in moduli, il che significa che si ottiene tutto ciò che serve in un unico pacchetto. OxMetrics OxMetrics fornisce una soluzione integrata per l'analisi econometrica delle serie storiche, la previsione, la modellazione econometrica finanziaria, o l'analisi statistica di sezione e dati panel. EViews NUOVO EViews 9 offre ricercatori universitari, aziende, agenzie governative, e gli studenti l'accesso a potenti strumenti di statistica, previsione e modellazione attraverso un'innovativa interfaccia orientata agli oggetti, facile da usare. Previsioni meteo Pro Pro è un software veloce, facile e precisa la previsione per i professionisti. GAUSS GAUSS è un veloce, potente suite, altamente adattabile di software e strumenti analitici. NVivo NVivo è un software che supporta la ricerca metodi qualitativi e misti. Esso consente di raccogliere, organizzare e analizzare il contenuto. Ultima versione: Stata 14 (aprile 2015) Sistema operativo: Windows, Mac OS, i comandi di analisi Linux New bayesiana trattamento ad effetto analisi IRT (Item Response Theory) Analisi supporto per Unicode Stata in nuovi linguaggi nuovi comandi di serie temporali e molto di più di licenza per l'utente accordo Stata 14 è un pacchetto statistico completo e integrato che fornisce tutto il necessario per l'analisi dei dati, la gestione dei dati, e la grafica. Stata non è venduto in moduli, il che significa che si ottiene tutto ciò che serve in un unico pacchetto. E, si può scegliere una licenza perpetua, con niente di più per comprare mai. Le licenze annuali sono inoltre disponibili. Tutti i seguenti sapori della Stata hanno lo stesso set completo di comandi e funzioni e manuali compresi in versione PDF all'interno di Stata. StataMP: la versione più veloce di Stata (per i computer dual-core e multicoremultiprocessor) StataSE: Stata per grandi insiemi di dati StataIC: Stata per dataset moderate dimensioni Piccolo Stata: Una versione di Stata che gestisce i piccoli insiemi di dati (per gli acquisti educativi solo). Il confronto delle caratteristiche StataMP è la versione più veloce e più grande di Stata. La maggior parte dei computer acquistati da metà del 2006 possono usufruire del multiprocessing avanzata di StataMP. Questo include il processore Intel Coretrade 2 Duo, i3, i5, i7, e il chip dual-core AMD X2. Sul chip dual-core, StataMP corre 40 più veloce in generale e 72 più veloci dove è importante - sui comandi di stima in termini di tempo. Con più di due core o processori, StataMP è ancora più veloce. StataMP è una versione di StataSE che gira su computer multiprocessore e multicore. StataMP offre il più ampio supporto per i computer multiprocessore e computer multicore di qualsiasi statistica e il pacchetto di gestione dei dati. La cosa eccitante StataMP, e l'unica differenza tra StataMP e StataSE, è che StataMP corre fastermuch più veloce. StataMP consente di analizzare i dati in una metà a due terzi del tempo rispetto a StataSE ed a basso costo desktop dual-core e computer portatili e in un quarto alla metà del tempo su desktop quad-core. StataMP corre ancora più veloce sui server multiprocessore. StataMP supporta fino a 64 processorscores. In un mondo perfetto, il software sarebbe correre due volte più veloce su due core, quattro volte più veloce su quattro core, otto volte più veloce su otto core, e così via. In tutti i comandi, StataMP corre 1,6 volte più veloce su due core, 2,1 volte più veloce su quattro core, e 2,7 volte più veloce su otto core. Questi valori sono miglioramenti mediani velocità. La metà dei comandi vengono eseguiti ancora più veloce. Sull'altro lato della distribuzione, alcuni comandi non più veloci, spesso perché sono intrinsecamente sequenziale, ad esempio comandi di serie temporali. Stata lavorato duramente per fare in modo che i guadagni di prestazioni per i comandi che richiedono più tempo per l'esecuzione sarebbero maggiori. In tutti i comandi di stima, StataMP corre 1,8 volte più veloce su computer dual-core, 2,8 volte più veloce su computer quad-core, e 4,1 volte più veloce su computer con otto core. StataMP è di 100 compatibili con altre versioni di Stata. Le analisi non devono essere riformulati o modificato in alcun modo per ottenere miglioramenti di velocità StataMPs. StataMP è disponibile per i seguenti sistemi operativi: Windows (32 e 64 bit i processori) di Mac OS X (i processori Intel a 64-bit) Linux (32 e processori a 64-bit) Solaris (64-bit SPARC e x86-64) . Per eseguire StataMP, è possibile utilizzare un computer desktop con un processore dual-core o quad-core, oppure è possibile utilizzare un server con più processori. Se un computer dispone di processori separati o un processore con più core non fa alcuna differenza. Altri processori o core rende corsa StataMP più veloce. Per ulteriori consigli su purchasingupgrading per StataMP o per le query di hardware, si prega di contattare il nostro team di vendita. Stata SE esegue nello stesso modo come StataMP, consentendo lo stesso numero di variabili e osservazioni e l'unica differenza è che non è progettato per l'elaborazione parallela. Inoltre, StataSE, StataIC e Piccolo Stata si differenziano solo per la dimensione di dati che ciascuno può analizzare StataSE e StataMP può andare bene i modelli con più variabili indipendenti di StataIC (fino a 10.998). StataIC permette dataset con ben 2.047 variabili. Il numero massimo di osservazioni è 2.14 miliardi di dollari. StataIC può avere al massimo 798 variabili a destra a fianco in un modello. Piccola Stata è limitata ad analizzare set di dati con un massimo di 99 variabili e 1.200 osservazioni. Piccolo Stata può avere al massimo 99 variabili a destra a fianco in un modello. Confronto delle funzionalità Il numero massimo di osservazioni è limitato solo dalla quantità di RAM disponibile sul sistema. Se sei uno studente o un professionista di ricerca stagionato, una serie di pacchetti Stata sono disponibili e progettati per soddisfare tutte le esigenze. Tutti i seguenti sapori della Stata hanno lo stesso, insieme completo di comandi e funzioni e includono la documentazione in formato PDF: StataMP: la versione più veloce di Stata (per dual e multicoremultiprocessor computer) StataSE: Stata per grandi insiemi di dati StataIC: Stata per moderate dimensioni dataset Piccolo Stata: Una versione di Stata che gestisce i piccoli insiemi di dati (solo per gli acquisti educativi) che Stata è giusto per me La sintesi qui sopra mostra i pacchetti Stata disponibili. StataMP è la versione più veloce e più grande di Stata. La maggior parte dei computer acquistati dopo la metà del 2006 possono sfruttare le funzionalità avanzate di multiprocessing StataMP. StataMP, StataSE, e StataIC tutto eseguito su qualsiasi macchina, ma StataMP corre più veloce. È possibile acquistare una licenza StataMP fino al numero di core presenti sulla macchina (la maggior parte è 64). Ad esempio, se la macchina ha otto core, è possibile acquistare una licenza StataMP sia per otto core (StataMP8), quattro core (StataMP4), o due core (StataMP2). StataMP può anche analizzare più dati di qualsiasi altro sapore di Stata. StataMP può analizzare da 10 a 20 miliardi di osservazioni date le attuali computer più grandi, ed è pronto ad analizzare fino a 281 miliardi di osservazioni una volta che l'hardware del computer raggiunge. StataSE, StataIC, e Piccolo Stata si differenziano solo per la dimensione di dati che ciascuno può analizzare. StataSE e StataMP possono adattarsi modelli con variabili indipendenti più rispetto StataIC (fino a 10.998). StataSE in grado di analizzare fino a 2 miliardi di osservazioni. StataIC permette dataset con ben 2.047 variabili e 2 miliardi di osservazioni. StataIC può avere al massimo 798 variabili a destra a fianco in un modello. Piccola Stata è limitata ad analizzare set di dati con un massimo di 99 variabili e 1.200 osservazioni. Piccolo Stata può avere al massimo 98 variabili a destra a fianco in un modello. Nota: Il numero di variabili e le osservazioni consentito dalla piccola Stata include le variabili o le osservazioni generati durante calcoli statistici supplementari. Nuove funzionalità in Stata 14 Stata 14 dispone di 102 nuove funzionalità ed è uno dei più grandi nuove versioni di Stata e offre nuove capacità di ricerca per gli utenti in una varietà di campi quali: economia, salute ricercatori, epidemiologi, sociologi, psicologi, ricercatori istruzione, politologi, ed econometrici. comanda l'analisi bayesiana L'introduzione di comandi bayesiani analisi (modelli univariata e multivariata lineari, univariata GLM, modelli non lineari univariati e generalizzate, etc.) supportati da tutto il nuovo manuale di riferimento Stata bayesiana Analysis. Stata 14 comprende 12 modelli verosimiglianza incorporati e 22 built-in distribuzioni precedenti tra le altre caratteristiche utili. Altri modelli estesi di analisi effetti del trattamento Trattamento-effetto è ora disponibile per una classe molto più ampia di modelli. Endogena stima trattamento-effetto è ora disponibile per i risultati continui, binari, contare, e frazionari. Gli effetti del trattamento possono essere stimati dai dati di sopravvivenza di osservazione. Più IRT (voce teoria della risposta) analisi Stata 14 ora supporta modelli IRT per gli articoli binari (1-3 PL), elementi categoriali (risposta nominale), articoli ordinali (risposta graduata, scala di valutazione e di credito parziale) e qualsiasi combinazione di questi modelli. Più Stata in nuove lingue di interfaccia utente Statas è ora disponibile in spagnolo e giapponese. Più Più utili nuove funzionalità aggiunte in Stata 14 sono: è possibile montare una varietà di modelli di sopravvivenza multilivello come i modelli con effetti misti esponenziale e Weibull. Più È possibile eseguire l'inferenza piccolo campione in modelli misti lineari utilizzando diversi metodi denominatore gradi di libertà, incluso il metodo Kenward-Roger. Altri comandi nuove serie temporali. Più stimatori nuove ed estese pannello di dati. Più si può calcolare la potenza e la dimensione del campione per la tabella di contingenza epidemiologica analisi. Più Stata ora capisce Unicode. Più È possibile effettuare il test del modello aggiustato Satorra-Bentler per SEM con dati che non sono distribuiti normalmente. Più È possibile stimare modelli per i tassi, proporzioni, e altre risposte frazionarie utilizzando beta di regressione e modelli di regressione frazionali. È possibile stimare modelli di Poisson con variabili dipendenti censurate. StataMP consente ora più di 2,1 miliardi di osservazioni fino a 20 miliardi di osservazioni dato il più grande computer corrente, ed è pronto per una volta di più l'hardware del computer raggiunge. Altri codici ICD-10. Altri pesi a livello di stage. Più Oltre a: churdle per stimare lineare ed esponenziale modelli ostacolo betareg e fracreg per le risposte frazionarie, proporzioni, tariffe, ecc cpoisson per stimare censurato Poisson modelli ztest e comandi ztesti per calcolare z-statistiche Postestimation selettore che semplifica notevolmente l'analisi postestimation Quasi tutti comanda la stima in Stata ora supporta variabili fattore una moltitudine di miglioramenti dei margini, come ad esempio la capacità di fare più previsioni alla volta e avendo le previsioni predefinite riflettono la scelta migliore per l'analisi marginale diverse nuove utility per aiutarti a gestire meglio i grafici Nuovo rapida la sezione dei manuali di New Stata funzioni di riferimento di programmazione manuale vostra cosa. Youll essere interessati a queste nuove funzionalità in Stata 14. Stata ora usa il Mersenne Twister 64-bit come il suo generatore di numeri casuali di default Nuovo statistico, la distribuzione di numeri casuali, e funzioni di stringa Tutte le nuove funzioni aggiunte alla Stata sono disponibili anche in Mata ci sono molti tutorial video in utilizzando Stata. Di seguito troverete le aggiunte più recenti che si riferiscono a Stata 14, così come un elenco di tutte le altre risorse attualmente disponibili. Suggerimenti rapidi Tutte le versioni di Stata girano su computer dual-core, multi-core e multi-processore. Stata per Windows Windows 10 Windows 8 Windows 7 Windows Vista Windows Server 2012 Windows Server 2008 2003 varietà di Windows Server a 64 bit e 32-bit di Windows per x86-64 e processori x86 realizzati da Intel e AMD. Stata per Mac Stata per Mac richiede processori a 64 bit Intel (Core 2 Duo o superiore) con OS X 10.7 o più recente Stata per Unix Linux: Qualsiasi 64-bit (x86-64 o compatibile) o 32 bit (x86 o compatibile) in esecuzione Linux. Requisiti hardware minimo di 512 MB di RAM minima di 900 MB di spazio su disco Stata per Unix richiede una scheda video in grado di visualizzare migliaia di colori o più (colore a 16-bit o 24-bit) Si prega di selezionare un tipo di utente: Stata 14 Documentazione Ogni installazione di Stata comprende tutta la documentazione in formato PDF. documentazione Statas è costituito da oltre 12.000 pagine in dettaglio ogni funzione in Stata compresi i metodi e le formule ed esempi completamente lavorate. È possibile passare senza soluzione di continuità attraverso voci utilizzando i link all'interno di ogni voce. Stata 14 Manuali bayesiana Analisi Manuale di riferimento Introduzione a Stata per Mac Guida introduttiva di Stata per Unix Introduzione a Stata per Windows La Stata 14 documentazione è copyright di StataCorp LP, College Station TX, Stati Uniti d'America, ed è usato con il permesso di StataCorp LP. Gli studenti possono acquistare StataMP. StataSE. StataIC e Small Stata ad un prezzo scontato attraverso il programma Stata GradPlan. Per ulteriori informazioni sui tipi di licenza disponibili, fare clic qui. Data: Giovedi 7 Venerdì 8 settembre 2017 Luogo: Cass Business School, London EC1Y 8TZ. Il London Stata incontro Users Group è una conferenza internazionale di due giorni. 2016 ha visto Celebriamo venticinque anni di distribuire e supportare Stata per gli utenti nel Regno Unito in Irlanda. Siamo molto orgogliosi della nostra stretta collaborazione con S. Financial Econometrics Utilizzando Stata da Simona Boffelli e Giovanni Urga fornisce un'eccellente introduzione alla analisi delle serie temporali e come farlo in Stata per finanziaria. L'(MENA) Oriente e Nord Africa Medio soffre di entrambi, la disponibilità dei dati e la qualità dei dati. Qualsiasi tentativo di raccogliere, pulire i dati e presenti sulla regione è un wel. Il 4 ° Polonia Stata Users Group Meeting si svolge il Lunedi, 17 mese di ottobre 2016 SGH Warsaw School of Economics, Varsavia, Polonia. L'obiettivo degli Utenti di Stata Gruppo RIU. Gli ultimi Stata Corsi Questo corso di 2 giorni continua da parte 1 e fornisce un ulteriore riesame e una guida pratica per diversi importanti metodologie econometriche frequentemente utilizzate per modellare i fatti stilizzati delle serie temporali finanziarie mediante modelli ARMA, modelli GARCH univariata e multivariata, la gestione del rischio l'analisi e il contagio. Dimostrazione delle tecniche alternative sarà illustrata utilizzando Stata. Sessioni pratiche all'interno del corso riguardano i dati dei tassi di interesse, prezzi delle attività e serie storiche forex. Il corso viene consegnato dal Prof. Giovanni Urga, un autore di Econometria finanziaria utilizzando Stata - Boffelli, S e Urga, G (2016), Stata Press: TX. Il corso si basa sul libro e tutti i partecipanti riceveranno una copia omaggio. La nostra scuola estiva 2017 Stata si terrà a Londra il 3-8 luglio 2017. Informazioni su come utilizzare Stata in modo più efficace nella nostra serie flessibile breve corso - Introduzione alla Stata An Introduction to Stata grafica avanzata gestione dei dati in Stata An Introduction to Stata per Statistica medica Introduzione alla meta-analisi An Introduction to Time Series Analysis. Questo corso di 2 giorni fornisce una rassegna di e una guida pratica per diversi importanti metodologie econometriche frequentemente utilizzate per modellare i fatti stilizzati delle serie temporali finanziarie mediante modelli ARMA, modelli GARCH univariata e multivariata, analisi di gestione del rischio e di contagio. Dimostrazione delle tecniche alternative sarà illustrata utilizzando Stata. Sessioni pratiche all'interno del corso riguardano i dati dei tassi di interesse, prezzi delle attività e serie storiche forex. Il corso viene consegnato dal Prof. Giovanni Urga, un autore di Econometria finanziaria utilizzando Stata - Boffelli, S e Urga, G (2016), Stata Press: TX. Il secondo dei due corsi progettati come introduzione ai metodi bayesiani per l'analisi empirica. Inizieremo con una serie di questioni teoriche, tra cui scambiabilità, analisi preliminare-posteriore, il confronto del modello e la verifica di ipotesi e modelli per i dati mancanti. Esamineremo anche il problema fondamentale della prima elicitazione. In questo corso di tre giorni che gira a Londra il 5-7 aprile 2017 ci occupiamo di come creare e valutare modelli di previsione per prevedere variabili macroeconomiche come l'inflazione e la crescita economica. Guardiamo la previsione di serie temporali e le basi di costruzione di un modello, il controllo della diagnostica, modelli VAR e cointegrazione. Hai bisogno di un preventivo
No comments:
Post a Comment