UK, 2st
Beschreibung des
Kurses: Die
Studierenden sollen in
leicht fasslicher Form mit den Methoden
und Begriffen empirischen ökonomischen Arbeitens bekannt
gemacht
werden. Als
Grundlage möge das Lehrbuch von Ramu Ramanathan
"Introductory
Econometrics with Applications" (5th edition, South-Western)
dienen.
Das Buch enthält eine umfangreiche Sammlung von Daten und
Anwendungsbeispielen.
Der Kurs bereitet auch auf das eigenständige empirische
Arbeiten
in Praktika
vor.
2.
Einfaches lineares
Regressionsmodell (Kleinstquadrateschätzung OLS, R²,
t-Statistiken)
3.
Multiples lineares
Regressionsmodell (R², Modellauswahl, F-Statistiken,
Multikollinearität)
4.
Gebräuchliche
Spezifikationstests
(Durbin-Watson u.a.)
Leistungsfeststellung
durch schriftliche Teilprüfung
während des Semesters (midterm, 40%) und schriftlichen
Abschlusstest (60%) am
Ende des Semesters.
Kurs (UK, 2st)
Zeit und Ort: Donnerstag,
15:30-17:00, Hörsaal
26 (Hauptgebäude)
Beginn: 4. Oktober 2007
Beschreibung
des Kurses:
Die
Lehrveranstaltung soll einen Überblick über jene
Techniken
der
Zeitreihenanalyse bieten, die in der empirischen Makroökonomie
und
Finanzwirtschaft häufig verwendet werden. Als Schwerpunkte
sind
dabei
anzusehen:
1.
Grundlagen
(Stationarität, Korrelogramm, lineares ARMA-Modell)
2.
Integrierte
Prozesse und Kointegration (Test von Dickey-Fuller, Johansen-Prozedur)
3.
Bedingte
Heteroskedastie (ARCH-Modelle)
Die
Methoden werden auch an Hand von empirischen, mittels Computer-Software
behandelten
Beispielen erklärt.
Durch die LV-Form UK bedingt, ist die Leistungsfeststellung aus mehreren Teilnoten zusammengesetzt. Ein Vorschlag wäre, 50% durch eine Midterm-Prüfung, und 50% durch eine Endprüfung (alle Prüfungen schriftlich) oder durch ein kleines empirisches Arbeitsprojekt abzudecken. Die endgültige Festlegung der Form findet in den ersten Einheiten (Vorbesprechung) statt und richtet sich auch nach der Zahl der TeilnehmerInnen. An Vorkenntnissen sind grundlegende Kenntnisse der Ökonometrie sicher hilfreich.
Ein bei ÖkonomInnen beliebtes Textbuch zur Zeitreihenanalyse ist Hamilton: Time Series Analysis. Eine klarere einführende Präsentation bietet zum Beispiel Brockwell and Davis: Introduction to Time Series and Forecasting (Springer).
40186
UK Ökonometrische
Prognose
Kurs (UK, 2st)
Zeit und Ort: Dienstag,
18:00-20:00, Seminarraum 1
(Hohenstaufengasse)
(1)
Allgemeine
Einführung (Sinn der Prognose, Typen von Prognose: technische
Fortschreibung,
Zeitreihenprognose, theorie- und modellgestützte Prognose)
(2)
Technische
modellfreie Extrapolation (exponential smoothing,
ad-hoc-Prognose etc.)
(3)
Univariate
Zeitreihentechniken (eine Variable für sich)
(4)
Multivariate
Zeitreihentechniken (mehrere Variablen gemeinsam:
Vektorautoregressionen,
Kointegration)
(5)
Prognose mit
ökonometrischen Modellen
(6)
Kriterien zur
Bewertung
der Prognosegüte
Durch
die LV-Form UK bedingt, ist die Leistungsfeststellung aus mehreren
Teilnoten
zusammengesetzt. Ein Vorschlag wäre, 50% durch eine
Midterm-Prüfung und 50%
durch eine Endprüfung (alle Prüfungen schriftlich)
abzudecken. Statt der
Endklausur kann auch ein kleineres empirisches Projekt
durchgeführt werden oder
eine kurze Präsentation fortgeschrittener Literatur im
Zusammenhang mit
ökonometrischer Prognose erfolgen. Für die
Präsentationen ist der Zeitraum ab
der Midterm-Prüfung vorgesehen. Diese letztere Form der
Leistungsfeststellung
ist empfohlen. Details sind in der Vorbesprechung fest zu legen.
Literatur zu
diesem Kurs:
Chris Chatfield:
Time-series Forecasting. Chapman & Hall.
Michael P.
Clements and David F. Hendry: Forecasting
Economic
Time Series.
Cambridge University Press.
Michael P.
Clements and David F. Hendry: Forecasting
Non-Stationary
Economic Time Series. Cambridge University Press.
Michael P.
Clements: Evaluating Econometric Forecasts
of Economic and
Financial
Variables. Palgrave-Macmillan.
Kurs
(UK, 2st)
Zeit
und Ort:
Mittwoch,
11:00-12:30, Seminarraum 2
(Hohenstaufengasse)
Beginn
(Vorbesprechung): 3.
Oktober 2007
Ziel dieses Kurses ist, die TeilnehmerInnen mit den in der heutigen
empirischen
Wirtschaftswissenschaft so populären vektorautoregressiven
Modellen (VAR)
vertraut zu machen. Dabei dient als Anhaltspunkt das 2005 in einer
Neubearbeitung erschienene führende Werk von Lütkepohl:
New Introduction to
Multiple Time Series Analysis (Springer). Folgende Aspekte
sind
abzudecken:
(1) Stabile Vektorautoregressionen
(a) Basics:
Stationarität,
MA-Darstellung, Autokorrelationsfunktion
(b) Prognose
(c)
Granger-Kausalität, Impulse
Response
(2) Schätzung der Modelle
(3) Modellwahl und Spezifikationstests
incl.
Informationskriterien
(4) Kointegrierte VAR-Modelle
Diese
Punkte
entsprechen in etwa den Kapiteln 2-4 und 6 des Textbuches, wobei
Kapitel 3
(Schätzung) nur im Überblick bearbeitet werden kann.