Finančná a priestorová ekonometria

Vyučujúci

Zaradený v študijných programoch

Výsledky vzdelávania

Študenti nadobudnú v prípade úspešného zvládnutia predmetu najmä nasledovné vedomosti:
- vedomosti o možnostiach modelovania volatility finančných časových radov a tiež vedomosti o ekonometrických technikách na modelovanie dát s ohľadom na ich umiestnenie v geografickom priestore.
Študenti nadobudnú v prípade úspešného zvládnutia predmetu najmä nasledovné zručnosti:
- schopnosť využívať pokročilé techniky finančnej a priestorovej ekonometrie,
- praktické zručnosti spojené s ovládaním vybraných ekonometrických softvérov, ako napr. R softvér a GeoDa.
Študenti nadobudnú v prípade úspešného zvládnutia predmetu najmä nasledovné kompetencie:
- kompetencie spojené s využitím modelov a metód finančnej a priestorovej ekonometrie pri riešení konkrétnych finančných/ekonomických problémov.

Stručná osnova predmetu

Cieľom výučby predmetu v treťom stupni štúdia je poskytnúť rozšírené poznatky o možnostiach využívania prístupov finančnej a priestorovej ekonometrie pri analýze ekonomických procesov s využitím ekonometrického softvéru R a softvéru GeoDa.
1. Modely volatility. Autoregresná podmienená heteroskedasticita a stochastická volatilita. Jednorozmerné a viacrozmerné modely.
2. Priestorové ekonometrické modely pre prierezové a panelové dáta, priestorová autokorelácia, priestorová heterogenita.
3. Aplikácia nástrojov finančnej a priestorovej ekonometrie pri analýze previazanosti medzi finančnými trhmi, resp. rôznymi priestorovými jednotkami. Analýza „spillover“ efektov.

Odporúčaná literatúra

1. BAUWENS, L., HAFNER, C., LAURENTET, S. 2012. Handbook of Volatility Models and Their Applications. New Jersey: John Wiley & Sons.
2. WANG, P. 2009. Financial Econometrics. New York: Routledge.
3. CHOCHOLATÁ, M. 2016. Different approaches to stock market linkages : evidence from CEE-3 countries. In Advances in Applied Business Research: the L.A.B.S. initiative. New York: Nova Science Publishers, 49-70.
4. CHOCHOLATÁ, M. - FURKOVÁ, A. 2017. Does the location and institutional background matter in convergence modelling of the EU regions? Central European Journal of Operations Research, 25(3), 679-697.
5. ARDIA, D., BLUTEAU, K., BOUDT, K., CATANIA, L. 2018. Forecasting risk with Markov-switching GARCH models: A large-scale performance study. International Journal of Forecasting, 34 (4), 733–747.
6. ANSELIN, L., REY, S. J. 2014. Modern Spatial Econometrics in Practice. Chicago: GeoDa Press LLC.
7. CHI, G., ZHU, J. 2019. Spatial Regression Models for the Social Sciences. Thousand Oaks, CA: SAGE Publications.
8. ELHORST, J. P. 2014. Spatial Econometrics. From Cross-Sectional Data to Spatial Panels. Heidelberg: Springer-Verlag.
9. GENIAUX, G., MARTINETTI, D. 2018. A new method for dealing simultaneously with spatial autocorrelation and spatial heterogeneity in regression models. Regional Science and Urban Economics, 72, 74–85.

Podmienky na absolvovanie predmetu

Spracovanie projektu
Kombinovaná záverečná skúška

Pracovné zaťaženie študenta

Celkové: pracovná záťaž 10 kreditov x 26 h = 260 h.
Samostatne zaťaženie pre jednotlivé vzdelávacie činnosti
260 hodín
16 hodín účasť na konzultáciách
44 hodín príprava na konzultácie
100 hodín spracovanie projektu
100 hodín príprava na skúšku

Jazyk, ktorého znalosť je potrebná na absolvovanie predmetu

slovenský, anglický

Dátum schválenia: 11.03.2024

Dátum poslednej zmeny: 16.05.2022

Dátum schválenia: 11.03.2024

Dátum poslednej zmeny: 16.05.2022