Studenti se seznámí s většinou důležitých metod a postupů současné ekonometrie tak, aby je byli schopni aktivně používat.

The students should master the most important methods of modern econometrics so that they are capable to apply them in practice.

K zakončení předmětu je nutno získat zápočet ze cvičení a úspěšně složit zkoušku.

Zápočet:

1. Vypracování 5 domácích úloh (v souladu s požadavky uveřejněnými na webové stránce cvičení) a jejich akceptace cvičící.

2. Vypracování 5 recenzí domácích úloh (v souladu s požadavky uveřejněnými na webové stránce cvičení) a jejich akceptace cvičící.

Skládání zápočtu nelze opakovat.

Zkouška:

Zkouška proběhne ústní formou. Požadavky u ústní části zkoušky odpovídají sylabu předmětu v rozsahu, který byl prezentován na přednášce.

Pokud situace neumožní prezenční zkoušení, bude zkoušení provedenou vhodnou distanční formou.

Cipra, T.: Finanční ekonometrie. Ekopress, Praha 2013 (2.vydání)

Cipra, T.: Matematika cenných papírů. Professional Publishing, Praha 2013

Přednáška + cvičeční.

Lecture + exercises.

Zkouška proběhne ústní formou. Požadavky u ústní části zkoušky odpovídají sylabu předmětu v rozsahu, který byl prezentován na přednášce.

Pokud situace neumožní prezenční zkoušení, bude zkoušení provedenou vhodnou distanční formou.

I. Klasický model lineární regrese - předpoklady, testy, diagnostika.

II. Ekonometrická zobecnění lineární regrese (heteroskedasticita, autokorelovaná rezidua, dynamické modely, instrumentální proměnné).

III. Diskrétní a omezené vysvětlované proměnné.

IV. Vícerovnicové ekonometrické soustavy: Panelová data, SUR soustava, Soustava simultánních rovnic

V. Další ekonometrická témata (nelineární regrese, jádrové odhady regrese, kvantilová regrese).

I. Classical linear regression model - assumption, inference, diagnostic tools.

II. Econometric problems of linear regression (heteroscedasticity, autocorrelated residuals, dynamic models, instrumental variables).

III. Discrete and limited dependent variables.

IV. Econometric systems of equations: Panel data, SUR model, Simultaneous-equations model

V. Other econometric topics (nonlinear regression, kernel estimation, quantile regression).

Základní znalost matematické statistiky (především lineární regrese), teorie pravděpodobnosti a náhodných procesů. Schopnost výpočetně zvládnout praktické projekty ve zvoleném softwarovém systému.

Basic knowledge of mathematical statistics (particularly linear regression), theory of probability and random processes. Ability to solve numerically practical projects in a chosen software system.