|
|
Hlavní nabídka Prohlížení IS/STAG
Nalezené předměty, počet: 1
Stránkování výsledků vyhledávání
Nalezeno 1 záznamů
Export do Xls
Informace o předmětu
KMA / MME
:
Popis předmětu
Pracoviště / Zkratka
|
KMA
/
MME
|
Akademický rok
|
2023/2024
|
Akademický rok
|
2023/2024
|
Název
|
Matematické modely v ekonometrii
|
Způsob zakončení
|
Zkouška
|
Způsob zakončení
|
Zkouška
|
Akreditováno / Kredity
|
Ano,
4
Kred.
|
Forma zakončení
|
Kombinovaná
|
Forma zakončení
|
Kombinovaná
|
Rozsah hodin
|
Přednáška
2
[HOD/TYD]
Cvičení
1
[HOD/TYD]
|
Zápočet před zkouškou
|
Ano
|
Zápočet před zkouškou
|
Ano
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Počítán do průměru
|
ANO
|
Vyučovací jazyk
|
Čeština, Angličtina
|
Obs/max
|
|
|
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Letní semestr
|
0 / -
|
0 / -
|
0 / -
|
Počítán do průměru
|
ANO
|
Zimní semestr
|
3 / -
|
0 / -
|
0 / -
|
Opakovaný zápis
|
NE
|
Opakovaný zápis
|
NE
|
Rozvrh
|
Ano
|
Vyučovaný semestr
|
Zimní semestr
|
Vyučovaný semestr
|
Zimní semestr
|
Minimum (B + C) studentů
|
1
|
Volně zapisovatelný předmět |
Ano
|
Volně zapisovatelný předmět
|
Ano
|
Vyučovací jazyk
|
Čeština, Angličtina
|
Počet dnů praxe
|
0
|
Počet hodin kontaktní výuky |
|
Hodnotící stupnice |
1|2|3|4 |
Periodicita |
každý rok
|
Hodnotící stupnice pro zp. před zk. |
S|N |
Periodicita upřesnění |
|
Základní teoretický předmět |
Ne
|
Profilující předmět |
Ne
|
Základní teoretický předmět |
Ne
|
Hodnotící stupnice |
1|2|3|4 |
Hodnotící stupnice pro zp. před zk. |
S|N |
Nahrazovaný předmět
|
Žádný
|
Vyloučené předměty
|
Nejsou definovány
|
Podmiňující předměty
|
Nejsou definovány
|
Předměty informativně doporučené
|
Nejsou definovány
|
Předměty,které předmět podmiňuje
|
KIV/EPMM, KMA/SZMM
|
Graf četnosti udělených hodnocení studentům napříč roky:
Obrázek PNG
,
XLS
|
Cíle předmětu (anotace):
|
Cílem předmětu je seznámit studenty s využitím různých matematických postupů a principů v ekonomických a ekonometrických modelech.
|
Požadavky na studenta
|
Požadavky k zápočtu: Zpracování a úspěšné obhájení alespoň 2/3 úloh zadaných a probíraných na cvičení.
Požadavky ke zkoušce: Zvládnutí formulace, popisu řešení a analýzy chování probíraných modelů. Student/ka může u zkoušky používat výpisky vzorců v rozsahu jednostranné A5.
Garantem předmětu je stanoveno, že zápočet se při opakovaném zapsání neuznává (viz čl. 24, odst. 3 SZŘ ZČU).
|
Obsah
|
1. Klasické regresní modely a jejich využití v ekonomii.
2. Výběr modelu, hodnocení kvality modelu.
3. Zobecněný lineární regresní model. Regresní diagnostika. Vážená metoda nejmenších čtverců.
4. Speciální modely regrese v ekonomii. Regresní modely s umělými proměnnými. Smíšené regresní modely. Modely se zpožděnými proměnnými.
5. Modely diskrétní a omezené vysvětlované proměnné. Probitová a logitová analýza. Cenzorovaná vysvětlovaná proměnná.
6. Nelineární regresní modely.
7. Vícerovnicové ekonometrické soustavy. Panelová data. Simultánně závislé rovnice. Odhad parametru simultánních rovnic.
8. Modelování úrokových sazeb a úrokových derivátů.
9. Metody kvantifikace rizika v ekonometrii.
|
Aktivity
|
|
Studijní opory
|
|
Garanti a vyučující
|
|
Literatura
|
-
Základní:
HUŠEK, R. Ekonometrická analýza. Praha : Ekopress, 1999. ISBN 80-86119-19-X.
-
Základní:
Cipra, Tomáš. Finanční ekonometrie. 1. vyd. Praha : Ekopress, 2008. ISBN 978-80-86929-43-9.
-
Základní:
Heiss. Using R for Introductiory Econometrics.
-
Základní:
Hušek, Roman. Základy ekonometrické analýzy I : modely a metody. 1. vyd. Praha : VŠE, 1996. ISBN 80-7079-102-0.
-
Základní:
HUŠEK R. Základy ekonometrické analýzy II. Speciální postupy a techniky. VŠE, Praha 1998. 1998.
-
Doporučená:
Cipra, Tomáš. Analýza časových řad s aplikacemi v ekonomii. SNTL Praha, 1986.
-
Doporučená:
Cipra, Tomáš. Ekonometrie. SPN Praha, 1984.
-
Doporučená:
Anděl, Jiří. Matematika náhody. Vyd. 2. Praha : Matfyzpress, 2003. ISBN 80-86732-07-X.
-
Doporučená:
ARLT, J. Moderní metody modelování ekonomických časových řad. Vyd. 1. Praha : Grada, 1999. ISBN 80-7169-539-4.
-
Doporučená:
Zvára, K. Regresní analýza. Academia Praha, 1989.
-
Doporučená:
G. Judge a spol. Theory and Practice of Econometrics.
-
On-line katalogy knihoven
|
Časová náročnost
|
Všechny formy studia
|
Aktivity
|
Časová náročnost aktivity [h]
|
Kontaktní výuka
|
39
|
Příprava na zkoušku [10-60]
|
40
|
Vypracování seminární práce v bakalářském studijním programu [5-40]
|
30
|
Celkem
|
109
|
|
Předpoklady
|
Odborné znalosti - pro úspěšné zvládnutí předmětu se předpokládá, že je student před zahájením výuky schopen: |
formulovat a vysvětlit definici pravděpodobnosti (v rozsahu předmětu KMA/PSA) |
popsat a vysvětlit principy statistické inference - zejména principy bodových a intervalových odhadů a principy testování statistických hypotéz (v rozsahu předmětu KMA/PSA) |
popsat a vysvětlit základní operace maticového počtu (v rozsahu předmětu KMA/LA) |
popsat a vysvětlit základní pojmy diferenciálního a integrálního počtu (v rozsahu předmětů KMA/M1 a KMA/M2) |
vysvětlit základní mikroekonomické a makroekonomické teorie hlavního proudu ekonomie (v rozsahu předmětů KEM/EK1 a KEM/EK2) |
Odborné dovednosti - pro úspěšné zvládnutí předmětu se předpokládá, že student před zahájením výuky dokáže: |
aplikovat teoretické ekonomické poznatky na modelové situace |
odlišovat různé typy náhodných veličin (diskrétní, spojité) a různé typy rozdělení |
využívat znalostí základních statistických metod a postupů pro jednoduchou analýzu dat |
Obecné způsobilosti - před zahájením studia předmětu je student schopen: |
bc. studium: kriticky přistupuje ke zdrojům informací, informace tvořivě zpracovává a využívá při svém studiu a praxi, |
|
Výsledky učení
|
Odborné znalosti - po absolvování předmětu prokazuje student znalosti: |
formulovat ekonometrické modely jako regresní lineární a nelineární modely |
popsat a interpretovat regresní modely s binárními proměnnými |
popsat a vysvětlit předpoklady regresní analýzy a důsledek nedodržení předpokladu na kvalitu odhadu parametrů modelů |
vysvětlit princip regresních modelů a popsat různé možnosti odhadu parametrů regresních modelů |
Odborné dovednosti - po absolvování předmětu prokazuje student dovednosti: |
formulovat regresní model vhodný pro konkrétní data |
interpretovat ekonometrické modely širší odborné veřejnosti a je schopen posoudit adekvátnost použití navržených modelů |
uplatnit správně formální i obsahovou stránku v matematickém projevu, a to písemném i ústním |
v alespoň jednom SW prostředí odhadnout parametry lineárních a nelineárních regresních modelů |
využívat znalostí o předpokladech regresních modelů k regresní diagnostice |
Obecné způsobilosti - po absolvování předmětu je student schopen: |
mgr. studium: srozumitelně a přesvědčivě sdělují odborníkům i širší veřejnosti vlastní odborné názory, |
bc. studium: samostatně získávají další odborné znalosti, dovednosti a způsobilosti na základě především praktické zkušenosti a jejího vyhodnocení, ale také samostatným studiem teoretických poznatků oboru, |
|
Hodnoticí metody
|
Odborné znalosti - odborné znalosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Kombinovaná zkouška, |
Seminární práce, |
Odborné dovednosti - odborné dovednosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Kombinovaná zkouška, |
Seminární práce, |
Obecné způsobilosti - obecné způsobilosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Kombinovaná zkouška, |
Seminární práce, |
|
Vyučovací metody
|
Odborné znalosti - pro dosažení odborných znalostí jsou užívány vyučovací metody: |
Přednáška s aktivizací studentů, |
Samostatná práce studentů, |
Odborné dovednosti - pro dosažení odborných dovedností jsou užívány vyučovací metody: |
Přednáška s aktivizací studentů, |
Samostatná práce studentů, |
Obecné způsobilosti - pro dosažení obecných způsobilostí jsou užívány vyučovací metody: |
Přednáška s aktivizací studentů, |
Samostatná práce studentů, |
|
|
|
|