BMETE95MM26

Nyomtatóbarát változatNyomtatóbarát változat
Tantárgy azonosító adatok
A tárgy címe: 
Idősorelemzések pénzügyi alkalmazásokkal.
A tárgy angol címe: 
Time Series Analysis with Applications in Finance
A tárgy rövid címe: 
TimeSeriesFinanc
2
0
0
f
Kredit: 
3
A tantárgy felelős tanszéke: 
Sztochasztika Tanszék
A tantárgy felelős oktatója: 
Dr. Balázs Márton
A tantárgy felelős oktatójának beosztása: 
egyetemi docens
Akkreditációs adatok
Akkreditációs bizottság döntési időpontja: 
2013.04.26.
Tematika
A tantárgy szerepe a képzés céljának megvalósításában: 
Alkalmazott matematikus szak pénzügymatematika szakirány tárgya
A tantárgy részletes tematikája magyarul és angolul: 

Contents: white noise and basic ARMA models, lag operators and polynomials, auto- and crosscorrelation, autocovariance, fundamental representation, state space representation, predicting ARMA models, impulse-response function, stationary ARMA models, Wold Decomposition,
vector autoregression (VAR): Sims and Blanchard-Quah orthogonalization, variance decomposition, VARs in state space notation, Granger causality, spectral representation, spectral density, filtering, spectrum of the filtered series, constructing filters, Hodri ck-Prescott filter, random walks and unit root time series, cointegration, Beveridge-Nelson decomposition, Bayesian Vector Autoregression (BVAR) models, Gibbs
Sampling, coding practice and application to financial and macroeconomic data.

Tematika: ARMA modellek, fehét zaj, eltolás operátor és polinomjai, autókorreláció, keresztkorreláció, autókovariancia, alap vető reprezentáció, állapottér reprezentáció, ARMA modellek előrejelzése, impulzus-válasz függvény, stacionárius ARMA modell, vektor autóregresszió(VAR), Sims és Blanchard-Quah ortogonalizáció, szórásfelbontás, VAR állapottérben, Granger okozat, spektrál reprezentáció, spektrálsürüség, szűrők, szűrt sorok spektruma, szűrők konstruálása, Hodrick-Prescott szűrő, véletlen bolyongás, Beveridge-Nelson felbontás, Bayes-féle vektor autóregresszió (BVAR), Gibbs minták, kódolási gyakorlat és alkalmazásai pénzügyi valamint makroökonomiai adatokra.

Követelmények szorgalmi időszakban: 
In teaching period: Midterm test in the 9th week. Condition for signature: passing the test (atleast 40%)
Követelmények vizsgaidőszakban: 
In the exam period: oral exam and coding exerciseBelow 40% the exam is unsuccesful
Konzultációs lehetőségek: 
Consultations: Individual consultation, upon agreement with the lecturer
Jegyzet, tankönyv, felhasználható irodalom: 
J. H. Cochran: Time Series for Macroeconomics and Finance
Tuusnády, Ziermann: Idősorok Elemzése
J.. D. Hamilton: Time Seri
A tárgy elvégzéséhez átlagosan szükséges tanulmányi munka mennyisége órákban (a teljes szemeszterre számítva)
Kontakt óra: 
28
Félévközi felkészülés órákra: 
28
Felkészülés zárthelyire: 
10
Zárthelyik megírása: 
2
Házi feladat elkészítése: 
0
Kijelölt írásos tananyag elsajátítása (beszámoló): 
0
Egyéb elfoglaltság: 
0
Vizsgafelkészülés: 
22
Összesen: 
90
Ellenőrző adat: 
90
A tárgy tematikáját kidolgozta
Név: 
Dr Varga Katalin
Munkahely (tanszék, kutatóintézet, stb.): 
MSCI
A tanszékvezető neve: 
Dr. Simon Károly
A tantárgy adatlapja PDF-ben: