Dans ce cours, vous examinerez les modèles et les approches conçus pour relever les défis posés par les données de séries temporelles. La discussion porte sur la motivation de l'utilisation de modèles particuliers et sur la description des caractéristiques des données de séries temporelles, avec une attention particulière portée à la mémoire potentielle. Vous allez : - Discuter des modèles de séries temporelles, qui se réfèrent à des données qui ont été collectées au cours d'une période sur une ou plusieurs variables pour le même individu.
Offrez à votre carrière le cadeau de Coursera Plus avec $160 de réduction, facturé annuellement. Économisez aujourd’hui.
L'économétrie des données de séries temporelles
Ce cours fait partie de Spécialisation L'économétrie pour les économistes et les praticiens de la finance
Instructeur : Dr Leone Leonida
3 229 déjà inscrits
Inclus avec
Expérience recommandée
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
Ajouter à votre profil LinkedIn
21 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
- 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
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
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
Offert par
Recommandé si vous êtes intéressé(e) par Économie
Queen Mary University of London
Illinois Tech
The State University of New York
Erasmus University Rotterdam
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
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
L'accès aux cours et aux devoirs dépend de votre type d'inscription. Si vous suivez un cours en mode audit, vous pourrez consulter gratuitement la plupart des supports de cours. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter l'expérience de certificat, pendant ou après votre audit. Si vous ne voyez pas l'option d'audit :
Il se peut que le cours ne propose pas d'option d'audit. Vous pouvez essayer un essai gratuit ou demander une aide financière.
Le cours peut proposer l'option "Cours complet, pas de certificat" à la place. Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la Specializations, et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page de réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez uniquement lire et visualiser le contenu du cours, vous pouvez auditer le cours gratuitement.
Si vous vous êtes abonné, vous bénéficiez d'une période d'essai gratuite de 7 jours pendant laquelle vous pouvez annuler votre abonnement sans pénalité. Après cette période, nous ne remboursons pas, mais vous pouvez résilier votre abonnement à tout moment. Consultez notre politique de remboursement complète.