Emne - Prognosemodeller i økonomi og finans - IØ8304
IØ8304 - Prognosemodeller i økonomi og finans
Om emnet
Vurderingsordning
Vurderingsordning: Arbeider
Karakter: Bestått/ Ikke bestått
Vurdering | Vekting | Varighet | Delkarakter | Hjelpemidler |
---|---|---|---|---|
Arbeider | 100/100 |
Faglig innhold
Økonomiske prognoser er en viktig ingrediens i beslutningsprosesser både i offentlig og privat sektor. Dette kurset gir en oversikt over både teori og anvendelser. Doktorgradsstudenter vil lære både grunnleggende og avanserte prognostiseringsteknikker ved bruk av "state of the art" metoder, programvare og databaser. Kurset dekker en bred oversikt over tidsserieprediksjon: deskriptiv statistikk og grafisk analyse, regresjonsanalyse, prognoseevaluering, kombinasjon av prognoser, ARIMA modeller, VAR modeller, VECM modeller, Bayesianske VAR-modeller, TAR/STAR modeller, regime switch modeller, State Space-modeller, Modeller med varierende datafrekvens, Stor data modeller, GARCH modeller. Kurset vil dekke praktisk implementering av modeller i Eviews sammen med FRED databasen på makroøkonomi og finans. Studenter står fritt til å bruke andre programmer (feks. R, Phyton etc.) og andre databaser (feks. Eikon Datastream, Bloomberg etc.) i deres forelesninger.
Læringsutbytte
Kandidaten vil i dette kurset erverve seg sentrale kunnskaper innen moderne prognosemetoder i økonomi og finans. Kandidaten vil få trening i å utarbeide selvstendig forelesninger på valgte tema innenfor området og presentere dette. Kandidaten vil også få trening i å lage og presentere data, metoder og implementering av disse fra kurset. Dette vil være en viktig del av den generelle doktorgradstreningen for kandidaten. Kandidaten vil også bli kjent med bruk av databaser og statistisk programvare.
Læringsformer og aktiviteter
Kurset vil bestå av en blanding av tradisjonelle forelesninger og praktiske øvelser. Undervisningen vil være seminarbasert (intensivt i september, oktober og november). Alle forelesninger blir også bli tilgjengelig digitalt. Forelesninger vil både gis av fagstab og studenter.
Obligatoriske aktiviteter
- Aktiv deltakelse i forelesning
Mer om vurdering
For å få kurset godkjent må studentene lage forelesninger på valgte temaer fra kurset og presentere disse. Kandidatene må demonstrere innsikt i spesifikke data, metoder og programvareimplementering. Kvaliteten på disse forelesningene vil bli evaluert av en ekstern sensor og av faglærer. Presentasjonene vil bli tatt opp.
Anbefalte forkunnskaper
Grunnleggende kurs innen økonomi og finans. Generelle kunnskaper innen matematikk, statistikk og databehandling.
Kursmateriell
Ghysels E. and M. Massimiliano (2018). Applied Economic Forecasting using Time Series Methods, Oxford University Press
Studiepoengreduksjon
Emnekode | Reduksjon | Fra | Til |
---|---|---|---|
TIØ4557 | 3.5 | HØST 2015 |
Ingen
Versjon: 1
Studiepoeng:
7.5 SP
Studienivå: Doktorgrads nivå
Termin nr.: 1
Undervises: HØST 2023
Undervisningsspråk: Engelsk
Sted: Trondheim
- Bedriftsøkonomi og optimering
- Industriell økonomi og teknologiledelse
- Bedriftsøkonomi
- Finansiell økonomi
Ansvarlig enhet
Institutt for industriell økonomi og teknologiledelse
Eksamensinfo
Vurderingsordning: Arbeider
- Termin Statuskode Vurdering Vekting Hjelpemidler Dato Tid Eksamens- system Rom *
- Høst ORD Arbeider 100/100
-
Rom Bygning Antall kandidater
- * Skriftlig eksamen plasseres på rom 3 dager før eksamensdato. Hvis mer enn ett rom er oppgitt, finner du ditt rom på Studentweb.
For mer info om oppmelding til og gjennomføring av eksamen, se "Innsida - Eksamen"