Faglig innhold

Autoregressive og moving-average baserte modeller for stasjonære og ikke-stasjonære tidsrekker. Parameterestimering. Modellidentifisering. Prognoser. ARCH- og GARCH-modeller for volatilitet. State-space-modeller (lineære dynamiske modeller) og kalmanfilteret.

Læringsutbytte

1. Kunnskap. Studenten har kunnskap om det teoretiske grunnlaget for å kunne modellere og analysere tidsrekker med anvendelser innen ingeniørfag og finans. Dette inkluderer kunnskap om autoregressive og moving-average baserte modeller for stasjonære og ikke-stasjonære tidsrekker, samt kunnskap om hvordan man utfører modellidentifisering og parameterestimering og lager prognoser i slike modeller. Det inkluderer også kjennskap til ARCH- og GARCH-modeller for volatilitet, samt state-space-modeller (lineære dynamiske modeller) og kalmanfilteret. 2. Ferdigheter. Studenten er i stand til å benytte sin kunnskap om ulike tidsrekkemodeller til å tilpasse modeller til observerte tidsrekkedata hentet fra ingeniørfag og finans, samt lage prognoser basert på disse dataene.

Læringsformer og aktiviteter

Forelesninger og obligatoriske øvinger.

Studentens besvarelse kan være på norsk eller engelsk.

Obligatoriske aktiviteter

• Øvinger

Anbefalte forkunnskaper

TMA4240/TMA4245 Statistikk eller tilsvarende. Emnet krever en viss grad av modenhet i statistikk og for størst utbytte av emnet anbefales også TMA4265 Stokastiske prosesser eller TMA4267 Lineære statistiske modeller. TMA4145 Lineære metoder (Vektor- og Hilbertrom) anbefales også.

Kursmateriell

Oppgis ved semesterstart.

Studiepoengreduksjon