Программа дисциплины Эконометрика-3  для магистерской программы «Математические методы анализа экономики»




Скачать 91.55 Kb.
НазваниеПрограмма дисциплины Эконометрика-3  для магистерской программы «Математические методы анализа экономики»
Дата19.03.2013
Размер91.55 Kb.
ТипПрограмма дисциплины
Правительство Российской Федерации


Государственное образовательное бюджетное учреждение

высшего профессионального образования

«Государственный университет - Высшая школа экономики»


Факультет экономики


Программа дисциплины Эконометрика-3




для магистерской программы «Математические методы анализа экономики»


Авторы программы:

Беляков Д.И., denis_mail@bk.ru

Королев А.В., к.ф-м.н., доцент, danitschi@mail.ru

Соколов М.В., к.э.н., доцент, m.sokolov@econ.pu.ru


Согласовано УМО: Одобрено на заседании кафедры

институциональной экономики

Шереметова В.В. Зав. кафедрой: ________ к.п.н. Заиченко Н.А.


____ _____________ 2009 года ____ ______________ 2011 года


Утверждено

на заседании Совета факультета экономики


Председатель ____________ Бутуханов А.В.

____ ______________ 2011 года


Санкт-Петербург, 2011


Настоящая программа не может быть использована другими подразделениями университета и другими вузами без разрешения кафедры-разработчика программы.

I. Пояснительная записка

Курс "Эконометрика-3" рассчитан на студентов второго года обучения магистерской программы «Математические методы анализа экономики» факультета экономики.

Материал учебной дисциплины предназначен для использования в курсах, связанных с качественным анализом реальных экономических явлений, таких как, например, прикладная микро- и макроэкономика, маркетинг и других. Может быть использован в спецкурсах по теории случайных процессов, математическим моделям в экономике, оптимальному управлению, статистическому прогнозированию, применению методов теории вероятностей в финансовой математике, принятию решений в условиях неопределенности.

Требования к студентам: курс "Эконометрика-3" рассчитан на студентов, прослушавших курсы математического анализа, линейной алгебры, методов оптимальных решений, экономической статистики, теории вероятностей, математической статистики, эконометрика-2.

Аннотация: учебный процесс состоит из посещения студентами лекций (32 часа) и семинарских занятий (32 часа), освоения методов анализа данных на основе практических задач, выполняемые на компьютерах и защиты выполненных самостоятельных исследований.

В ходе курса рассматриваются регрессионные модели со счетной зависимой переменной (count models), эконометрические модели времени ожидания между однородными событиями (duration models), принцип максимума энтропии и его приложения к эконометрическим задачам, стохастичекие дифференциальные уравнения и их приложения к оценке опционов, ARCH- и GARCH-процессы, разбираются примеры конкретных эконометрических исследований.


Формы контроля.

Предусмотрено выполнение двух домашних заданий, двух самостоятельных работ, одного выступления на семинарском занятии и исследовательского проекта. Промежуточная форма контроля – оценки за выполнение домашних и самостоятельных работ. Итоговая форма контроля – защита исследовательского проекта, оценка выставляется по 10 бальной системе.

Необходимым условием отличной оценки является сдача всех домашних заданий, самостоятельных работ, выступление на семинаре и отлично выполненный исследовательский проект.

Необходимым условием хорошей оценки является сдача всех домашних заданий и самостоятельных работ, хорошо выполненный исследовательский проект.


  • текущий контроль осуществляется путем проверки домашних заданий, выполненных в эконометрических пакетах и проведения тестов на семинарских занятиях.

  • итоговый контроль - в форме устной защиты самостоятельных исследований по окончании курса


Оценка за курс формируется из оценок за домашние задания и самостоятельные работы (Одз+см), выступление на семинарском занятии (Овыст) и оценку за индивидуальный проект (Опроект) следующим образом:

  • если отчетные работа выполнены на оценку не ниже, чем «4» каждая по десятибалльной системе, то оценка за курс образуется согласно следующей формуле:

Оитог=0.4Одз+см +0.2Овыст+0.4Опроект

  • если какая-то из самостоятельных работ написана неудовлетворительно (на оценку «1», «2» или «3» по десятибалльной системе), то оценка за курс также считается неудовлетворительной.



II. Содержание программы.


Раздел 1. Регрессионные модели со счетной зависимой переменной (count models).

Считающий процесс. Пуассоновский считающий процесс и его свойства.

Пуассоновская регрессия. Интерпретация параметров. Методы оценки параметров модели: метод максимального правдоподобия, метод моментов. Свойства оценок. Прогноз в пуассоновской регрессии. Проверка гипотез о коэффициентах.

Проблема overdispersion. Отрицательное биномиальное распределение и его свойства. Отрицательное биномиальное распределение как смесь распределения Пуассона и гамма-распределения. Регрессия, основанная на отрицательном биномиальном распределении (NB2 модель). Интерпретация параметров. Оценка параметров модели: метод максимального правдоподобия. Свойства оценок максимального правдоподобия. Прогноз в NB2 модели. Проверка гипотез о коэффициентах. Пуассоновская регрессия как предельный случай NB2 модели. Пуассоновская регрессия versus NB2 модель.


Литература:

    Verbeek M. A guide to modern econometrics. 2004. Section 7.3.

    Long J.S., Freese J. Regression models for categorical regression variables using Stata. 2001. Chapter 7.

    Cameron A.C., Trivedi P.K. Regression analysis of count data. 1998.

    Hilbe J.M. Negative binomial regression. 2007.


Раздел 2. Эконометрические модели времени ожидания между однородными событиями (duration models).

Экспоненциальное распределение и его свойства.

Регрессионная модель времени ожидания между однородными событиями на основе пуассоновского процесса (экспоненциальная модель). Интерпретация параметров. Оценка параметров модели: метод максимального правдоподобия. Свойства оценок максимального правдоподобия.

Распределение Парето и его свойства.

Модель на основе отрицательного биномиального распределения (модель с распределением Парето). Интерпретация параметров. Оценка параметров модели: метод максимального правдоподобия. Свойства оценок максимального правдоподобия.

Распределение Эрланга и его свойства. Модель на основе распределения Эрланга. Интерпретация параметров. Оценка параметров модели: метод максимального правдоподобия. Свойства оценок максимального правдоподобия.


Литература:

    Green W.H. Econometric analysis. 2003. Chapter 22.5.

    Meeker W.Q., Escobar L.A. Statistical methods for reliability data. 1998.

    Lee E.T., Wang J.W. Statistical methods for survival data analysis. 2003.


Раздел 3. Принцип максимума энтропии и его приложения к эконометрическим задачам.

Определение энтропии Шеннона дискретного вероятностного распределения. Свойства энтропии. Характеризация энтропии. Дифференциальная энтропия. Связь между энтропией дискретного распределения и дифференциальной энтропией.

Решение простейших логических задач, используя подсчет информации.

Принцип максимума неопределенности (энтропии). Аргументация Уоллиса (Wallis) в пользу принципа максимума энтропии. Приложение принцип максимума энтропии к характеризации вероятностных распределений: характеризация равномерного, геометрического, экспоненциального и нормального распределений. Теорема Шеннона.

Приложение понятия энтропии к проверке статистических гипотез.

Некоторые альтернативные принципы выбора вероятностных распределений: минимизация расстояния Ку́льбака–Ле́йблера, квазиравномерно распределенные параметры.


Литература:

    Jaynes E.T. Probability theory: the logic of science. Cambridge: University Press, 2003. Chapter 11.

    Cover T.M., Thomas J.A. Elements of information theory. Wiley, 1991. Chapters 2, 9, 11.

    Good I.J. Maximum entropy for hypothesis formulation, especially for multidimensional contingency tables // The Annals of Mathematical Statistics. Vol. 34. №3. 1963. P. 911–934.

    Яглом А.М., Яглом И.М. Вероятность и информация. М.: Наука, 1973. Главы II, III.

    Ивченко Б.П., Мартыщенко Л.А., Монастырский М.Л. Теоретические основы информационно-статистического анализа сложных систем. СПб: Лань, 1997. Глава 2.

    Корников В.В., Хованов Н.В. Квазиравномерные распределения рандомизированных параметров // Вестник Ленинградского университета. 1982. №19. С. 90–92.­


Раздел 4. Стохастичекие дифференциальные уравнения и метод реальных опционов

Стохастический процесс. Определение броуновского (винеровского) процесса. Стохастические интегралы. Пример непосредственного вычисления интеграла Ито. Процесс Ито. Формула Ито. Схема доказательства одномерной формулы Ито. Формула интегрирования по частям. Формула Ито для общего случая. Примеры использования формулы Ито. Геометрическое броуновское движение со сносом.

Приложение метода реальных опционов к задаче об инвестициях. Постановка задачи. Детерминированный случай. Стохастический случай. Вывод дифференциального уравнения. Получение общего и частного решений. Исследование решения. Задача об инвестициях с переменной функцией затрат. Задача о поглощении. Синергетический эффект слияния/поглощения. Постановка задачи о поглощении. Цена опциона. Формула Блэка–Шоулса. Задачи для самостоятельного решения. Задачи теоретических основ электротехники на решение стохастических дифференциальных уравнений.


Литература:

Королев А. В. Анализ влияния оборачиваемости краткосрочных активов и пассивов на процессы слияния-поглощения // СПб.: Изд-во СПбГУ, 2002. С. 45–58 (Вестник СПбГУ. Сер. 5. 2002. Вып. 4 (№ 29)).

Крушвиц Л., Шеффер Д., Шваке М. Финансирование и инвестиции. СПб.: Питер, 2001.

Маршалл Дж. Ф., Бансал В. К. Финансовая инженерия. М.: 1998.

Оксендаль Б. Стохастические дифференциальные уравнения. Введение в теорию и приложения. М.: Мир, 2003.

Dixit A. K., Pindyck R. S. Investment under Uncertainty. Princeton, 1993.


Раздел 5. ARCH- и GARCH-процессы

Необходимые сведения из теории вероятностей. Абсолютная непрерывность мер. Теорема Радона-Никодима. Производная Радона-Никодима. Условное математическое ожидание. Свойства условного математического ожидания.

ARCH(q)-процесс. Оценивание параметров регрессии. GARCH(p,q)-процесс. Стационарность (асимптотическая слабая) GARCH(p,q)-процесса. Свойства оценок максимального правдоподобия. Статистические тесты, связанные с оценками максимального правдоподобия. Метод Ньютона. Оценивание параметров. Непараметрические критерии: Фридмана, Пейджа.


Литература:

Магнус Я. Р., Катышев П. К., Пересецкий А. А. Эконометрика. М.: Дело, 2009.

Gourieroux Christian. ARCH models and financial applications. Springer-Verlag, 1997.

Greene William H. Econometric analysis. Prentice Hall, 1997.

Mills T. C. The econometric modeling on financial time series. Cambridge University Press. 1996.

Pindyck R.S., Rubinfeld D.L. Econometric models and economic forecasts. McGrow-Hill, 1991.


Раздел 6. Примеры эконометрических исследований

Модель краткосрочного равновесия в отрасли с дифференцируемой продукцией на примере автомобильной отрасли России. Оценки методом максимального правдоподобия. 
Исследование ценообразования автопроизводителей и степени влияния цены на объем продаж. Регрессионные оценки параметров.

Оценка равновесных цен в случае сговора производителей, частичного сговора производителей, конкуренции. Проверка полученных результатов на выборке реальных данных.

Построение гедонического индекса цен на примере автомобильного рынка России. Анализ результатов.


Литература:

Bresnahan T.F. Competition and Collusion in the American Automobile Industry: The 1955 Price War // The Journal of Industrial Economics. 1987. Vol. 35. No. 4. P. 457-482.

Cowling K., Cubbin J. Price, Quality and Advertising Competition: An Econometric Investigation of The United Kingdom Car Market // Economica. 1971. Vol. 38. No. 152. P. 378–394.

Pesaran M.H., Deaton A.S. Testing Non-Nested Nonlinear Regression Models // Econometrica. 1978. Vol. 46. No. 3. P. 677–694.

Rosen S. Hedonic Prices and Implicit Markets: Product Differentiation in Pure Competition // The Journal of Political Economy. 1974. Vol. 82. No. 1. P. 34–55.

Пархоменко А.В. Использование модели гедонических цен для изучения российского розничного рынка легковых автомобилей. http://www.par-ma.com/alex/Research/papers/Auto_market_russia_parkhomenko.pdf

Сурков А.В. Гедонический индекс цен на сотовые телефоны на примере рынка Санкт-Петербурга. Европейский университет в Санкт-Петербурге. Экономический факультет. СПб., 2008.


III. Учебно-методическое обеспечение дисциплины:

Cameron A.C., Trivedi P.K. Regression analysis of count data. 1998.

Meeker W.Q., Escobar L.A. Statistical methods for reliability data. 1998.

Cover T.M., Thomas J.A. Elements of information theory. Wiley, 1991. Chapters 2, 9, 11.

Оксендаль Б. Стохастические дифференциальные уравнения. Введение в теорию и приложения. М.: Мир, 2003.

Mills T.C. The econometric modeling on financial time series. Cambridge University Press, 1996.

Bresnahan T.F. Competition and Collusion in the American Automobile Industry: The 1955 Price War // The Journal of Industrial Economics. 1987. Vol. 35. No. 4. P. 457–482.


IV. Примеры тем докладов (выступлений) на семинарском занятии.

Магистрант должен выступить с докладом, содержащим анализ статьи ведущих экономистов-исследователей. Примеры статей приведены ниже:

Acemoglu, D., P. Aghion, F. Zilibotti (2006). Distance to Frontier, Selection, and Economic Growth // Journal of the European Economic Association. Vol. 4. No. 1. P. 37-74.

Busom I. (2000), An Empirical Evaluation of the Effects of R&D Subsidies," Economics of Innovation and New Technology. Vol. 9. P. 111–148.

Dobra A., Eicher T.S., Lenkoski A. (2010). Modeling uncertainty in macroeconomic growth determinants using Gaussian graphical models // Statistical Methodology. Vol. 7. P. 292–306.

Aghion P., Bloom N., Blundell R., Griffith R., Howitt P. (2005). Competition and Innovation: An Inverted-U Relationship // Quarterly Journal of Economics. Vol. 120. P. 701–728.

Belderbos R., Carree M., Diederen B., Lokshin B., Veugelers R. (2004). Heterogeneity in R&D Cooperation Strategies // International Journal of Industrial Organization
Vol. 22. Issues 8-9. P. 1237-1263.

Mairesse J., Mohnen P. Using innovation surveys for econometric analysis // UNU-MERIT Working Papers Series. #2010-023.

Eicher T.S. Schreiber T. (2010). Structural policies and growth: Time series evidence from a natural experiment // Journal of Development Economics. Vol. 91. No. 1. P. 169–179.

Cameron G. (2005). The Sun Also Rises: Productivity Convergence between Japan and the USA // Journal of Economic Growth. Vol. 10. P. 387–408.


V. Индивидуальный проект.

Индивидуальный проект должен содержать решение какой-либо экономико-математической задачи с применением эконометрических методов, выходящих за рамки курса «Эконометрика-2». Тематика индивидуального проекта согласуется с научным руководителем.

Похожие:

Программа дисциплины Эконометрика-3  для магистерской программы «Математические методы анализа экономики» iconПрограмма дисциплины Эконометрика-2
Цель курса: Курс предназначен для магистров первого года обучения магистерской программы “Математические методы анализа экономики....
Программа дисциплины Эконометрика-3  для магистерской программы «Математические методы анализа экономики» iconПрограмма дисциплины Эконометрика панельных и качественных данных для направления 080100. 68 Экономика подготовки магистра для магистерской программы «Математические методы анализа экономики»
Федеральное государственное автономное образовательное учреждение высшего профессионального образования
Программа дисциплины Эконометрика-3  для магистерской программы «Математические методы анализа экономики» iconПрограмма дисциплины Финансовая эконометрика  для направления 080100. 68 «Экономика»
Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления подготовки 080100....
Программа дисциплины Эконометрика-3  для магистерской программы «Математические методы анализа экономики» iconПрограмма курса “ Эконометрика 2”
Цель курса: Курс предназначен для магистров первого года обучения магистерской программы “Математические методы анализа экономики....
Программа дисциплины Эконометрика-3  для магистерской программы «Математические методы анализа экономики» iconПрограмма дисциплины Анализ временных рядов 2 для направления 080100. 68 Экономика подготовки магистра для магистерской программы «Математические методы анализа экономики»
Федеральное государственное автономное образовательное учреждение высшего профессионального образования
Программа дисциплины Эконометрика-3  для магистерской программы «Математические методы анализа экономики» iconПрограмма дисциплины Модели экономического роста, развития и перехода  для направления 080100. 68 «Экономика»
Программа предназначена для преподавателей, ведущих данную дисциплину по учебной магистерской программе «Математические методы анализа...
Программа дисциплины Эконометрика-3  для магистерской программы «Математические методы анализа экономики» iconРоссийской Федерации Государственный университет Высшая школа экономики Факультет экономики Программа дисциплины
Магистерские программы «Экономическая моделирование и экономическая политика» и «Математические методы анализа экономики»
Программа дисциплины Эконометрика-3  для магистерской программы «Математические методы анализа экономики» iconПрограмма дисциплины
«Историческая социально-экономическая динамика» специальная междисциплинарная дисциплина, подготовленная для обучения студентов в...
Программа дисциплины Эконометрика-3  для магистерской программы «Математические методы анализа экономики» iconПрограмма «Математические методы анализа экономики»
Специализированная магистерская программа «Математические методы анализа экономики»
Программа дисциплины Эконометрика-3  для магистерской программы «Математические методы анализа экономики» iconПрограмма дисциплины микроэкономика-3 Для программы «Математические методы анализа экономики» направления «Экономика»
Курс "Микроэкономика-3" предназначен для студентов первого года обучения магистратуры по направлению «Экономика»
Разместите кнопку на своём сайте:
Библиотека


База данных защищена авторским правом ©lib.znate.ru 2014
обратиться к администрации
Библиотека
Главная страница