Analýza dat pro ekonomy
O kurzu
Obsah Kurzu
Optimalizační problémyFormulace optimalizačních problémů.
OptimalizaceSpojitá vs. diskrétní optimalizace, lineární vs. nelineární problémy, vícekriteriální problémy.
Případy použitíProblémy z oblasti dopravy a logistiky, různé varianty TSP.
Práce s procesyRozvrhování a řízení procesů, job scheduling.
Aplikace do finační analýzyFinanční aplikace, řízení portfolia.
DEADEA a hodnocení efektivity.
Data miningAplikace v klasifikaci, v analýze dat, v data miningu.
Základní algoritmy optimalizacePřehled algoritmů pro lineární, nelineární a diskrétní programování.
Heuristické metodyHeuristické a metaheuristické metody pro obtížné optimalizační problémy.
ModelováníModelovací jazyky, solvery, numerické problémy, implementační otázky.
Výpočetní složitost pro optimalizaciVýpočetní složitost optimalizačního problémů.
Práce v R – specifické úlohyProgramování a vizualizační nástroje v R pro potřeby ekonometrických aplikací. Základní práce s daty, datové struktury, import, export a transformace dat. Specifické problémy s daty (chybějící, odlehlá a kontaminovaná pozorování).
Lineární regreseKlasický lineární regresní model. Formulace modelu, průřezové a dynamické modely, speciální regresory (např. dummy či trendové proměnné). Estimátory a jejich vlastnosti – vlastnosti na konečných výběrech a asymptotické vlastnosti. OLS, GLS, MLE, robustní estimátory. Testování a důsledky heteroskedasticity a autokorelace. Měření multikolinearity. Aplikace v makroekonomické a mikroekonomické oblasti.
Diskrétní a omezené vysvětlované proměnnéModely se speciálními vysvětlovanými proměnnými (např. lineární pravděpodobnostní model, cenzorované a seříznuté regresní modely, logitový, probitový a tobitový model). ML estimátory. Problémy specifikace. Aplikace ve scoringových modelech.
Vícerovnicové modely a panelová dataObecná formulace soustavy. SUR soustava. Modely pro panelová data. Soustava simultánních rovnic. Identifikace a estimátory.
Časové řadyJednorozměrné časové řady: Dekompoziční metody (sezónnost, trendy). Box-Jenkinsova metodologie. Stacionarita. Aplikace v teorii portfolia. Vícerozměrné časové řady: Zobecnění jednorozměrných metod. Vektorová autoregrese. Grangerova kauzalita. Kointegrace a modely korekce chyby.
Technické požadavky
Statistické metody v analýze dat a základní práci v R.
To je vše. Zbytek vám dáme my.
Pro koho je kurz určen?
Metody výuky
- Samostudium s přehledně strukturovanými materiály
- Tutoriály a individuální konzultace s lektorem
- Hodnocený úkol – vlastní návrh
- Závěrečný online test a prezenční workshop