Queen Mary University of London
L'économétrie des données de séries temporelles
Queen Mary University of London

L'économétrie des données de séries temporelles

Dr Leone Leonida

Instructeur : Dr Leone Leonida

3 160 déjà inscrits

Inclus avec Coursera Plus

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Intermédiaire

Expérience recommandée

30 heures pour terminer
3 semaines à 10 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Intermédiaire

Expérience recommandée

30 heures pour terminer
3 semaines à 10 heures par semaine
Planning flexible
Apprenez à votre propre rythme

Ce que vous apprendrez

  • Comment estimer les différents modèles avec R

  • Comment vérifier que les modèles sont statistiquement valides avec R

  • Comment utiliser les différents modèles pour la prise de décision

Compétences que vous acquerrez

  • Catégorie : Estimation d'un modèle de série temporelle avec R
  • Catégorie : Estimation de modèles de probabilité avec R
  • Catégorie : Estimation de modèles pour les données de panel avec R
  • Catégorie : Estimation de modèles en présence d'endogénéité avec R
  • Catégorie : Estimation de modèles de volatilité avec R

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

21 devoirs

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Emplacement réservé

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation L'économétrie pour les économistes et les praticiens de la finance
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
  • Apprenez de nouveaux concepts auprès d'experts du secteur
  • Acquérez une compréhension de base d'un sujet ou d'un outil
  • Développez des compétences professionnelles avec des projets pratiques
  • Obtenez un certificat professionnel partageable
Emplacement réservé
Emplacement réservé

Obtenez un certificat professionnel

Ajoutez cette qualification à votre profil LinkedIn ou à votre CV

Partagez-le sur les réseaux sociaux et dans votre évaluation de performance

Emplacement réservé

Il y a 4 modules dans ce cours

Les documents de cette semaine présentent un certain nombre d'observations sur les séries temporelles. Nous examinons des séries temporelles à bruit blanc, à tendance stationnaire et non stationnaire. Nous explorons à la fois des observations réelles sur le PIB et des observations sur les marchés financiers, ainsi que des séries de données générées. Nous introduisons l'idée de la fonction d'autocorrélation et celle de la fonction d'autocorrélation partielle en tant qu'outils permettant de comprendre le degré de persistance d'une série de données.

Inclus

5 vidéos6 lectures5 devoirs4 sujets de discussion3 laboratoires non notés

Cette semaine, nous traitons des modèles de séries temporelles stationnaires. Nous présentons les modèles de bruit blanc, de moyenne mobile, d'autorégression et d'autorégression et de moyenne mobile. Nous décrivons les modèles et les différents types de fonctions d'autocorrélation que vous avez dans chacun de ces cas. Nous abordons également le problème de l'estimation de l'ordre des modèles d'autocorrélation et de moyenne mobile. Nous étudions l'idée et les défis soulevés par la prévision, et qui sont soulevés par la persistance élevée de l'impact des chocs sur les séries observées.

Inclus

4 vidéos6 lectures6 devoirs2 sujets de discussion3 laboratoires non notés

Cette semaine, nous examinons les problèmes soulevés par la non-stationnarité des observations de séries temporelles. Nous définissons la non-stationnarité des données de séries temporelles et présentons les tests de non-stationnarité, y compris les défis posés par la quasi-non-starité et la corrélation potentielle du modèle d'estimation lors des tests de non-stationnarité. Nous présentons un exemple complet pour montrer quelles sont les conséquences dans les cas où nous adoptons le modèle de régression linéaire classique lorsque les observations sont non stationnaires. Nous introduisons l'idée de la cointégration et présentons des modèles introductifs pour tester si les variables sont cointégrées.

Inclus

4 vidéos4 lectures5 devoirs2 sujets de discussion4 laboratoires non notés

Les documents de cette semaine traitent de certains faits stylisés présents dans les rendements des marchés financiers, indépendamment de la période, de l'outil financier et du marché que nous étudions, à savoir le regroupement de la volatilité et la gaussianité agrégée. Nous expliquons pourquoi ces modèles, non linéaires par nature, ne peuvent pas être estimés via le modèle de régression linéaire classique, et nous discutons et estimons quelques exemples de modèles autorégressifs conditionnels hétéroscédastiques. Nous discutons des avantages et des lacunes de ces modèles ; sur la base de ces derniers, nous présentons une généralisation de l'approche aux modèles hétéroscédastiques conditionnels généralisés (GARCH), GARCH-in-meena, TGARCH et IGRACH.

Inclus

4 vidéos4 lectures5 devoirs1 évaluation par les pairs3 sujets de discussion4 laboratoires non notés

Instructeur

Évaluations de l’enseignant
3.6 (5 évaluations)
Dr Leone Leonida
Queen Mary University of London
4 Cours8 634 apprenants

Offert par

Recommandé si vous êtes intéressé(e) par Économie

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Emplacement réservé

Ouvrez de nouvelles portes avec Coursera Plus

Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement

Faites progresser votre carrière avec un diplôme en ligne

Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne

Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires

Améliorez les compétences de vos employés pour exceller dans l’économie numérique

Foire Aux Questions