Aplikovaná makroekonometria

Vyučujúci

Zaradený v študijných programoch

Výsledky vzdelávania

Po úspešnom absolvovaní predmetu budú mať študenti vedomosti o metódach ekonometrického prístupu k analýze a modelovaniu makroekonomických javov a mali by byť schopní používať základné bayesovské ekonometrické techniky.
Študenti získajú praktické zručnosti a kompetencie s aplikáciou pokročilých ekonometrických metód pri analýze makroekonomických problémov využitím softvéru R a Python.

Stručná osnova predmetu

1. Úvod do bayesovskej analýzy, základné pojmy, prior, vierohodnosť, posterior.
2. Markovove reťazce Monte Carlo (MCMC), Metropolisov algoritmus, Gibbsov vzorkovač.
3. Bayesovský odhad a analýza jednoduchého ekonometrického modelu.
4. Rôzne modely bayesovskej ekonometrie.
5. Bayesovský odhad VAR modelov.
6. Bayesovský odhad RBC/DSGE modelov.
7. Úvod do diskrétnych dynamických modelov.
8. Dynamické stochastické ekonomické procesy.
9. Modely zapísané v lineárnom stavovom priestore.
10. Úvod do Kalmanovho filtra.
11. Úvod do dynamické programovania.
12. Vybrané ekonomické aplikácie (modely rastu, modely hľadania práce).
13. Vybrané ekonomické aplikácie (modely hospodárskeho cyklu).

Odporúčaná literatúra

1. Bårdsen, G., Eitrheim, Ø., Jansen, E.S., Nymoen, R.: The Econometrics of Macroeconomic Modelling, Oxford, 2005
2. Chan, J., Koop, G., Poirier, D., Tobias, J.: Bayesian Econometric Methods, Cambridge University Press, 2019
3. Canova, F.: Methods for Applied Macroeconomic Research, Princeton University Press, 2007
4. DeJong, D.N., Dave, C.: Structural Macroeconometrics. Princeton University Press, 2011
5. Geweke, J.: Contemporary Bayesian Econometrics and Statistics, Wiley-Interscience, 2005
6. Ljungqvist, L., Sargent, T.J.: Recursive Macroeconomic Theory. 4. vydanie. MIT Press, 2018
7. Lukáčik, M., Lukáčiková, A., Szomolányi, K.: Bayesovská ekonometria. Letra Interactive, 2017
8. Sargent, T.J., Stachurski, J.: Quantitative Economics in Discrete and Continous Time. quantecon.org, 2020
9. Stachurski, J.: Economic Dynamics: Theory and Computation. MIT Press, 2009

Podmienky na absolvovanie predmetu

projekty k záverečnej skúške 60 %
výsledok záverečnej skúšky 40 %

Pracovné zaťaženie študenta

pracovné zaťaženie študenta: 130 h (účasť na prednáškach 26 h, účasť na seminároch 26 h, spracovanie semestrálneho projektu 49 h, príprava na skúšku 29 h

Jazyk, ktorého znalosť je potrebná na absolvovanie predmetu

slovenský, anglický

Dátum schválenia: 10.02.2023

Dátum poslednej zmeny: 16.05.2022

Dátum schválenia: 10.02.2023

Dátum poslednej zmeny: 16.05.2022