BPE_CARA Časové řady

Ekonomicko-správní fakulta
jaro 2027
Rozsah
2/2/0. 8 kr. Ukončení: zk.
Vyučováno kontaktně
Vyučující
doc. Ing. Daniel Němec, Ph.D. (přednášející)
doc. Ing. Daniel Němec, Ph.D. (cvičící)
Mgr. Jakub Chalmovianský, Ph.D. (pomocník)
Ing. Mgr. Vlastimil Reichel, Ph.D. (přednášející)
Ing. Mgr. Vlastimil Reichel, Ph.D. (cvičící)
Mgr. Hana Fitzová, Ph.D. (cvičící)
Garance
doc. Ing. Daniel Němec, Ph.D.
Katedra ekonomie – Ekonomicko-správní fakulta
Kontaktní osoba: Mgr. Jarmila Šveňhová
Dodavatelské pracoviště: Katedra ekonomie – Ekonomicko-správní fakulta
Předpoklady
Předchozí znalost základů ekonometrie je pro absolvování předmětu velmi doporučena. Očekávají se zejména znalosti základů regresní analýzy, statistické inference a interpretace výsledků ekonometrických modelů v rozsahu odpovídajícím předmětu Základy ekonometrie (BPE_ZAEK). Tyto znalosti lze získat absolvováním předmětu BPE_ZAEK nebo jiného obsahově srovnatelného předmětu.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 7 mateřských oborů, zobrazit
Anotace

Analýza časových řad umožňuje porozumět tomu, jak se ekonomické a finanční veličiny vyvíjejí v čase, jak spolu dynamicky souvisejí a jak lze predikovat jejich budoucí vývoj. Její metody nacházejí široké uplatnění například při analýze inflace, úrokových sazeb, nezaměstnanosti, finančních trhů, cen, poptávky nebo dalších ekonomických a podnikových ukazatelů. Předmět navazuje na znalosti získané  v základním kurzu ekonometrie a rozšiřuje je o metody určené pro práci s daty, u nichž hraje zásadní roli jejich časový vývoj.


Studenti se naučí rozpoznávat a modelovat základní vlastnosti časových řad, volit vhodné modely, ověřovat jejich kvalitu a využívat je pro ekonomickou analýzu a predikci. Pozornost bude věnována krátkodobé dynamice i dlouhodobému vývoji ekonomických veličin, trendům, sezónnosti a strukturálním změnám. Studenti se také naučí analyzovat dynamické vztahy mezi více veličinami a zkoumat, jak se ekonomické šoky v čase přenášejí a jaké mohou mít krátkodobé i dlouhodobé dopady.


Předmět dále rozšiřuje znalosti ekonometrie o panelová data, která kombinují informace o více subjektech s jejich vývojem v čase. Studenti získají také zkušenost s analýzou v čase proměnlivé volatility, která je důležitá zejména u finančních dat, a základní přehled o dalších moderních přístupech, které umožňují zachytit složitější dynamiku ekonomických procesů.


Ve všech částech předmětu je kladen důraz na praktickou práci s reálnými daty, volbu vhodného modelu, diagnostiku a interpretaci výsledků. Studenti budou při analýzách využívat zejména programovací jazyky R nebo Python, případně mohou pracovat také v programu Gretl, který využívá vlastní skriptovací jazyk. Cílem předmětu je, aby studenti dokázali samostatně analyzovat data v podobě časových řad, správně interpretovat získané výsledky a využívat je při řešení praktických problémů.

Výstupy z učení

Po úspěšném absolvování předmětu budou studenti schopni:

  • identifikovat základní vlastnosti časových řad a zvolit vhodný ekonometrický přístup pro jejich analýzu
  • specifikovat, odhadnout a diagnosticky ověřit vhodný model časové řady s využitím reálných dat
  • aplikovat metody analýzy časových řad při řešení praktických ekonomických, finančních a dalších empirických problémů
  • vytvářet a vyhodnocovat predikce budoucího vývoje analyzovaných veličin
  • analyzovat a interpretovat krátkodobé i dlouhodobé dynamické vztahy mezi ekonomickými veličinami
  • vyhodnotit dopady ekonomických šoků a kriticky zhodnotit výsledky vlastní i publikované ekonometrické analýzy
  • navrhnout, realizovat, prezentovat a obhájit samostatnou empirickou analýzu reálných časových řad s využitím vhodných ekonometrických metod
Klíčová témata
  • Modely stacionárních časových řad – stacionarita, ARMA modely, autokorelační a parciální autokorelační funkce, Boxova–Jenkinsova metodologie, diagnostika modelů, predikce, sezónnost a strukturální zlomy.
  • Trendy a nestacionární časové řady – deterministické a stochastické trendy, testování jednotkových kořenů a jednorozměrné metody dekompozice trendu.
  • Vícerozměrné modely časových řad – intervenční analýza, VAR modely, dynamické vztahy mezi proměnnými a funkce impulzní odezvy.
  • Kointegrace a modely korekce chyb – dlouhodobé vztahy a společné trendy, testování kointegrace a VEC modely.
  • Panelová data – struktura panelových dat, pooled modely, modely fixních a náhodných efektů, volba vhodného modelu a základní diagnostika.
  • Modelování volatility – podmíněná heteroskedasticita, ARCH a GARCH modely a jejich aplikace.
  • Úvod do pokročilejších modelů časových řad – modely se změnami režimů a modely ve stavovém prostoru.
    • Studijní zdroje a literatura
      povinná literatura
    • BROOKS, Chris. Introductory econometrics for finance. Fourth edition. Cambridge: Cambridge University Press, 2019, xxxi, 696. ISBN 9781108422536. info
    • ENDERS, Walter. Applied econometric time series. 4th ed. Hoboken: Wiley, 2015, x, 485. ISBN 9781118808566. URL info
      doporučená literatura
    • HEISS, Florian. Using R for introductory econometrics. 2nd edition. Düsseldorf: Florian Heiss, 2020, 368 stran. ISBN 9788648424364. info
    • HEISS, Florian a Daniel BRUNNER. Using Python for introductory econometrics. 1st edition. Düsseldorf: Florian Heiss, 2020, 418 stran. ISBN 9788648436763. info
    • WOOLDRIDGE, Jeffrey M. Introductory econometrics : a modern approach. Seventh edition. Boston: Cengage Learning, 2020, xxi, 826. ISBN 9781337558860. info
    Přístupy, postupy a metody používané ve výuce

    Výuka kombinuje přednášky s prakticky zaměřenými cvičeními v počítačových učebnách. Semináře jsou zaměřeny především na aplikaci probíraných metod při analýze reálných dat. Studenti pracují s připravenými šablonami skriptů a řešenými příklady, které dále upravují a rozšiřují při řešení obdobných analytických problémů na jiných datových souborech. Důraz je kladen na správnou volbu a aplikaci ekonometrických postupů, interpretaci získaných výsledků a diskusi případných nejasností.


    Součástí výuky jsou průběžné skupinové projekty, v nichž studenti samostatně aplikují probírané metody na zadané empirické problémy. Účast na seminářích je součástí průběžného hodnocení a poskytuje prostor pro praktické procvičení metod, konzultaci postupů a řešení problémů vznikajících při práci s daty.


    Výuka je zakončena individuálním empirickým projektem a jeho obhajobou v rámci ústní zkoušky. Při obhajobě studenti prokazují schopnost vysvětlit a zdůvodnit zvolené postupy, správně interpretovat dosažené výsledky a porozumět principům a praktickému použití aplikovaných ekonometrických metod.

    Způsob ověření výstupů z učení a požadavky na ukončení

    Ověření dosažení výstupů z učení je založeno na průběžném hodnocení práce během semestru a na závěrečném individuálním projektu s ústní obhajobou.


    Průběžné hodnocení (50 %) zahrnuje účast na seminářích a zpracování dvou skupinových semestrálních projektů. Projekty jsou zaměřeny na praktickou aplikaci probíraných metod při analýze reálných dat, správnou implementaci ekonometrických postupů a interpretaci získaných výsledků.


    Závěrečné hodnocení (50 %) tvoří individuální empirický projekt a jeho obhajoba v rámci ústní zkoušky. Při hodnocení projektu jsou zohledněny zejména vhodnost a korektnost použitých metod, reprodukovatelnost analýzy, interpretace výsledků a kvalita komentovaného výsledného dokumentu. Při ústní obhajobě student prokazuje schopnost vysvětlit a zdůvodnit provedené postupy, interpretovat dosažené výsledky a odpovídat na otázky týkající se principů a praktického využití aplikovaných metod.


    Pro úspěšné absolvování předmětu je nutné získat v součtu obou částí hodnocení alespoň 60 % z celkového počtu bodů.

    Náhradní absolvování

    V případě individuálního studijního plánu (např. z důvodu zahraničního studijního pobytu, odborné stáže nebo obdobných okolností) mohou studenti absolvovat předmět v náhradním režimu. V takovém případě se nepřihlašují do seminární skupiny a způsob plnění studijních povinností si předem individuálně domluví s garantem předmětu.


    Pro úspěšné absolvování předmětu v náhradním režimu je nutné zpracovat dva semestrální skupinové projekty (individuálně nebo ve skupině), vypracovat individuální závěrečný empirický projekt a absolvovat jeho obhajobu v rámci ústní zkoušky. Neúčast na seminářích je v rámci náhradního režimu zohledněna odpovídající úpravou průběžného hodnocení.

    Navazující předměty
    Další komentáře
    Předmět je vyučován každoročně.
    Výuka probíhá každý týden.
    Přednášky jsou dostupné online a ze záznamu.
    Předmět je zařazen také v obdobích jaro 2010, jaro 2011, jaro 2012, jaro 2013, jaro 2014, jaro 2015, jaro 2016, jaro 2017, jaro 2018, jaro 2019, jaro 2020, jaro 2021, jaro 2022, jaro 2023, jaro 2024, jaro 2025, jaro 2026.