Bevezetés az ökonometriába. Kétváltozós kapcsolatok: lineáris regresszió, legkisebb négyzetes (LS) becslés és statisztikai tulajdonságai, Gauss - Markov tétel, predikció. Többváltozós lineáris regresszió korrelálatlan, azonos szórású hiba, illetve általános hibafolyamat esetén, általános
Gauss-Markov tétel, előrejelzés, multi-kollinearitás. Általánosított LS módszer, speciális esetek (autokorrelált zaj, nem azonos szórású korrelálatlan zaj), segédváltozók (IV) módszere. Idősorok elemzése: stacionaritás, autokorreláció, fehérzaj folyamat, speciális modellek (lineáris szűrők, autoregresszív (AR) folyamat, mozgóátlag (MA) folyamat, ARMA folyamatok). Paraméterbecslés (ML-becslés), előrejelzés. Integrált és
kointegrált folyamatok (ARIMA modellek), trend, szezonalitás. Spektrálreprezentáció, periodogram és becslése, spektrum becslése.
Többváltozós modellek: VAR(1) folyamatok, n-dimenziós ARMA folyamatok, stacionaritás, stabilitás, Lyapunov egyenlet. Frakcionálisan integrált folyamatok, ARFIMA modellek, hosszú emlékezetű folyamatok és becslésük.
Sztochasztikus volatilitás modellek: ARCH és GARCH folyamatok, bilineáris folyamatok és jellemzőik, stacionaritás, paraméterb ecslés, állapottér reprezentáció.
Alkalmazások: pénzpiaci hozamok idősorának vizsgálata, biológiai adatok elemzése.