Module also offered within study programmes:
General information:
Name:
Financial and Dynamic Econometrics
Course of study:
2016/2017
Code:
ZIE-2-201-s
Faculty of:
Management
Study level:
Second-cycle studies
Specialty:
-
Field of study:
Information Technology and Econometrics
Semester:
2
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
Wójtowicz Tomasz (twojtow@agh.edu.pl)
Academic teachers:
Wójtowicz Tomasz (twojtow@agh.edu.pl)
Machno Artur (amachno@zarz.agh.edu.pl)
Suliga Milena (msuliga@zarz.agh.edu.pl)
Module summary

Celem przedmiotu jest zapoznanie studentów z podstawowymi narzędziami wykorzystywanymi do opisu i analizy szeregów czasowych.

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 rozumie znaczenie współdziałania w grupie dla podnoszenie efektywności realizowanych projektów IE2A_K03, IE2A_K02 Execution of a project
M_K002 wykorzystuje źródła informacji w celu doskonalenia wiedzy i umiejętności IE2A_K07, IE2A_K01 Execution of a project
Skills
M_U001 Stosuje odpowiednie modele i testy do opisu i analizy danych finansowych. IE2A_U05, IE2A_U06, IE2A_U10, IE2A_U01 Examination,
Test,
Project
M_U002 dobiera odpowiednie narzędzia ekonometryczne do analizy danych empirycznych z uwzględnieniem ich własności i specyfiki postawionego problemu IE2A_U05, IE2A_U11, IE2A_U06, IE2A_U10, IE2A_U01 Examination,
Test,
Project
M_U003 Identyfikuje, estymuje, weyfikuje i interpretuje modele ekonometryczne opisujące finansowe szeregi czasowe IE2A_U05, IE2A_U11, IE2A_U06, IE2A_U10, IE2A_U01 Examination,
Test,
Project
Knowledge
M_W001 Zna postać i własności modeli stosowanych w analizie jedno- i wielowymiarowych ekonomicznych i finansowych szeregów czasowych IE2A_W04, IE2A_W01, IE2A_W03, IE2A_W05 Examination
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 rozumie znaczenie współdziałania w grupie dla podnoszenie efektywności realizowanych projektów - - - + - - - - - - -
M_K002 wykorzystuje źródła informacji w celu doskonalenia wiedzy i umiejętności + + - + - - - - - - -
Skills
M_U001 Stosuje odpowiednie modele i testy do opisu i analizy danych finansowych. + + - + - - - - - - -
M_U002 dobiera odpowiednie narzędzia ekonometryczne do analizy danych empirycznych z uwzględnieniem ich własności i specyfiki postawionego problemu + + - + - - - - - - -
M_U003 Identyfikuje, estymuje, weyfikuje i interpretuje modele ekonometryczne opisujące finansowe szeregi czasowe + + - + - - - - - - -
Knowledge
M_W001 Zna postać i własności modeli stosowanych w analizie jedno- i wielowymiarowych ekonomicznych i finansowych szeregów czasowych + - - - - - - - - - -
Module content
Lectures:

1. Wstęp do procesów stochastycznych.
2. Szeregi czasowe – podstawowe pojęcia, rodzaje i charakterystyki. Stacjonarność ścisła i kowariancyjna. Metody usuwania niestacjonarności. Procesy białego szumu i błądzenia losowego. Testy pierwiastka jednostkowego.
3. Procesy ARMA (Autoregressive Moving Average) i ARIMA (Autoregressive Integrated Moving Average) – identyfikacja, estymacja.
4. Elementy analizy spektralnej procesów stochastycznych.
5. Filtry liniowe.
6. Modele regresji dla procesów stacjonarnych.
7. Kointegracja – reprezentacja ECM.
8. Procesy zmienności stochastycznej. Modele klasy GARCH (Generalized Autoregressive Conditional Heteroscedasticity) – estymacja, testowanie efektów.
9. Własności rozkładów cen i stóp zwrotu.
10. Narzędzia ekonometrii finansowej w analizie wybranych zagadnień teorii finansów

Project classes:

1. Szeregi czasowe. Stacjonarność ścisła i kowariancyjna. Metody usuwania niestacjonarności.Testy pierwiastka jednostkowego.
2. Procesy ARMA (Autoregressive Moving Average) i ARIMA (Autoregressive Integrated Moving Average) – identyfikacja, estymacja.
3. Elementy analizy spektralnej procesów stochastycznych.
4. Filtry liniowe.
5. Modele regresji dla procesów stacjonarnych.
6. Kointegracja – reprezentacja ECM.
7. Procesy zmienności stochastycznej. Modele klasy GARCH (Generalized Autoregressive Conditional Heteroscedasticity) – estymacja, testowanie efektów.
8. Własności rozkładów cen i stóp zwrotu.
9. Narzędzia ekonometrii finansowej w analizie wybranych zagadnień teorii finansów.

Auditorium classes:

1. Szeregi czasowe. Stacjonarność ścisła i kowariancyjna. Metody usuwania niestacjonarności.Testy pierwiastka jednostkowego.
2. Procesy ARMA (Autoregressive Moving Average) i ARIMA (Autoregressive Integrated Moving Average) – identyfikacja, estymacja.
3. Elementy analizy spektralnej procesów stochastycznych.
4. Filtry liniowe.
5. Modele regresji dla procesów stacjonarnych.
6. Kointegracja – reprezentacja ECM.
7. Procesy zmienności stochastycznej. Modele klasy GARCH (Generalized Autoregressive Conditional Heteroscedasticity) – estymacja, testowanie efektów.
8. Własności rozkładów cen i stóp zwrotu.
9. Narzędzia ekonometrii finansowej w analizie wybranych zagadnień teorii finansów.

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 150 h
Module ECTS credits 6 ECTS
Participation in lectures 28 h
Participation in project classes 14 h
Participation in auditorium classes 28 h
Preparation for classes 18 h
Realization of independently performed tasks 28 h
Examination or Final test 4 h
Completion of a project 30 h
Additional information
Method of calculating the final grade:

Ocena końcowa obliczana jest na podstawie średniej arytmetycznej ocen z z wszystkich terminów zaliczeń ćwiczeń audytoryjnych i projektowych oraz wszystkich terminów egzaminu. W przypadku, gdy średnia ta jest mniejsza niż 3, to ocena końcowa jest równa 3,0.

Ocena z ćwiczeń audytoryjnych jest wystawiana na podstawie punktów z kolokwium zaliczeniowego i aktywności na zajęciach.
Ocena z ćwiczeń projektowych jest wystawiana na podstawie punktów z wykonania i prezentacji projektu.

Do zaliczenia przedmiotu konieczne jest otrzymanie co najmniej dostatecznej oceny (3,0) zarówno z ćwiczeń audytoryjnych, ćwiczeń projektowych i egzaminu.

Prerequisites and additional requirements:

Wiedza z podstaw ekonometrii, algebry liniowej, rachunku różniczkowego i całkowego oraz statystyki opisowej, rachunku prawdopodobieństwa i statystyki matematycznej.

Recommended literature and teaching resources:

1. G.E.P.Box, G.M.Jenkins: Analiza szeregów czasowych: prognozowanie i sterowanie.
2. J. Brzeszczyński, R.Kelm: Ekonometryczne modele rynków finansowych.
3. H. Gurgul, Analiza zdarzeń na rynkach akcji, Wolters Kluwer, Warszawa 2012
4. K. Jajuga, T. Jajuga, Inwestycje, PWN Warszawa 2005
5. T.Kufel: Ekonometria. Rozwiązywanie problemów z wykorzystaniem programu GRETL.
6. G.S. Maddala: Ekonometria.
7. Osińska M., „Ekonometria finansowa”, PWE Warszawa 2006.
8. Tsay: Analysis of Financial Time Series.

Scientific publications of module course instructors related to the topic of the module:

Henryk GURGUL, Tomasz WÓJTOWICZ (2015) The response of intraday ATX returns to U. S. macroeconomic news. Finance a úvěr – Czech Journal of Economics and Finance, vol. 65 no. 3, s. 230–253.

Henryk GURGUL, Tomasz WÓJTOWICZ (2014) The impact of US macroeconomic news on the Polish stock market : the importance of company size to information flow. Central European Journal of Operations Research. vol. 22 (4), s. 795–817. tekst: http://link.springer.com/content/pdf/10.1007%2Fs10100-014-0343-x.pdf

Anna CZAPKIEWICZ, Tomasz WÓJTOWICZ (2014) The four-factor asset pricing model on the Polish stock market. Economic Research, vol. 27 no. 1, s. 771–783

Additional information:

Ogólne warunki uczestnictwa i zaliczenia przedmiotu określa Regulamin Studiów.
Warunkiem przystąpienia do egzaminu jest wcześniejsze zaliczenie ćwiczeń audytoryjnych i projektowych.
W przypadku nieuzyskania zaliczenia w terminie podstawowym student ma prawo do dwukrotnego zaliczania ćwiczeń w terminach poprawkowych pod warunkiem wcześniejszego wyrównania ew. zaległości powstałych wskutek nieobecności na zajęciach.
Tryb wyrównania zaległości powstałych wskutek nieobecności studenta na zajęciach ustala prowadzący dane zajęcia uwzględniając specyfikę oraz wielkość powstałych zaległości.