Emnetype

Innhold

Dette kurset gir en grunnleggende introduksjon til tidsserieanalyse. Det fokuseres på å gi studentene verktøyene som er nødvendige for å analysere, modellere og forutsi økonomiske og finansielle data som utvikler seg over tid. Det vil bli lagt vekt på både univariate og multivariate tidsseriemodeller, samt på praktiske applikasjoner ved bruk av R-programvaremiljøet for statistisk databehandling og grafikk. Ved slutten av kurset bør studentene ha en klar forståelse av de grunnleggende teknikkene og modellene i tidsserieanalyse og være i stand til å anvende dem på ulike tidsseriedata.

Ved slutten av dette kurset er studentene godt forberedt på å takle et bredt spekter av utfordringer som oppstår ved analyse av tidsavhengige data, og sikre at de er utstyrt både med teoretisk og praktisk kunnskap om emnet tidsserieanalyse.

Hva lærer du

Kunnskap

Studenten

• forstår de grunnleggende konseptene som ligger til grunn for tidsseriedata, slik som stasjonaritet, autokorrelasjon og sesongvariasjon.

• er kjent med de viktigste tidsseriemodellene, inkludert ARIMA, GARCH, og Vektor Autoregressive modeller.

• gjenkjenner forskjellene og anvendelsene av frekvens og tids-domene tilnærminger.

• forstår nyansene og utfordringene ved prognoser med tidsseriedata, og de potensielle fallgruvene å unngå.

Ferdigheter

Studenten

• er i stand til å dekomponere en tidsserie i dens trend, sesongmessige og tilfeldige komponenter.

• er i stand til å modellere og forutsi tidsseriedata ved hjelp av passende teknikker.

• kan utføre hypotesetester i konteksten av tidsserier for å bestemme modellens hensiktsmessighet.

• kan diagnostisere og rette opp problemer som autokorrelasjon og ikke-stasjonaritet i tidsseriedata.

Kompetanse

Studenten

• besitter praktisk erfaring i anvendelsen av tidsseriemetodikker ved hjelp av relevante programvareverktøy og er dyktig til å tolke resultatene.

• har en dyp forståelse av forholdet mellom tidsseriedata og underliggende økonomiske eller finansielle fenomener.

• er i stand til å velge den mest passende modellen eller teknikken for et gitt tidsserieproblem.

• kan kritisk analysere og evaluere anvendt tidsserieanalyse og resultater fra både akademiske og anvendte perspektiver.

• forstår viktigheten og utfordringene ved modellvalidering i konteksten av tidsserieanalyse, og sikre robusthet og pålitelighet av funn.

Undervisnings- og eksamensspråk

Undervisning