Studenti se seznámí s většinou důležitých metod a postupů současné ekonometrie tak, aby je byli schopni aktivně používat. Důraz je kladen na aplikace ve financích.

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

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

Zápočet:

Budou zadány 2 domácí úkoly a 2 recenze. Za ně bude možné získat celkem 10 bodů (4 body za každý úkol a 1 bod za každou recenzi). K získání zápočtu je nutné získat alespoň 7 bodů.

Za předpokladu, že student odevzdal oba úkoly i obě recenze v předepsaném termínu a jeho celkový bodový zisk je v intervalu [5,7) bodů, bude možné odevzdat opravu jedné z položek.

Povaha kontroly studia předmětu vylučuje opakování této kontroly.

Zkouška:

Požadavky zkoušky odpovídají sylabu předmětu v rozsahu, který byl prezentován na přednášce. Je třeba znát všechny podstatné definice a tvrzení. Dále se vyžaduje schopnost aplikace teorie na konkrétní příklady. Zkouška může obsahovat písemnou i ústní část.

Získání zápočtu je podmínkou účasti na zkoušce.

Green, W.H (2011): Econometric Analysis. Prentice Hall, New Yersey (7. vydání)

Wooldridge, J.M. (2020): Introductory Econometrics" A Modern Approach. Cengage, Boston (7. vydání).

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

Green, W.H (2011): Econometric Analysis. Prentice Hall, New Yersey (7. vydání)

Wooldridge, J.M. (2020): Introductory Econometrics" A Modern Approach. Cengage, Boston (7. vydání).

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

Přednáška + cvičení.

Lecture + exercises.

Požadavky u ústní části zkoušky odpovídají sylabu předmětu v rozsahu, který byl prezentován na přednášce. Zkouška může obsahovat písemnou i ústní část.

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

I. Opakování lineární regrese.

II. Regrese pro heteroskedastická data.

III. Regrese pro časové řady.

IV. Vybrané speciální regresní problémy v ekonometrii

I. Summary of linear regression.

II. Regression for heteroscedastic data.

III. Time series regression.

IV. Some special regression problems.

Základní znalost matematické statistiky a lineární regrese. Schopnost výpočetně zvládnout praktické projekty ve zvoleném softwarovém systému.

Basic knowledge of mathematical statistics (particularly linear regression). Ability to solve numerically practical projects in a chosen software system.