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, øvinger og arbeider (prosjekter). Mappevurdering gir grunnlag for sluttkarakter i emnet.
I mappen inngår skriftlig avsluttende eksamen (80%) og arbeider (prosjekter) (20%). Resultatet for delene angis i %-poeng, mens sensur for hele mappen (sluttkarakteren) angis med bokstavkarakter. Ved utsatt eksamen (kontinuasjonseksamen) kan skriftlig eksamen
bli endret til muntlig eksamen. Undervisningen i emnet vil kunne bli gitt på engelsk. Dersom kurset foreleses på engelsk kan eksamen bli gitt kun på engelsk. Studentens besvarelse kan være på norsk eller engelsk.

Obligatoriske aktiviteter

• Arbeider

Anbefalte forkunnskaper

TMA4240/TMA4245 Statistikk eller tilsvarende kunnskaper. 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.

Kursmateriell

Oppgis ved semesterstart.

Studiepoengreduksjon