Προβλέψεις ισοτιμιών στο EViews
|
|
- Άνθεια Βουγιουκλάκης
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Προβλέψεις ισοτιμιών στο EViews
2 Θεωρητικό πλαίσιο προβλέψεων σημείου Σημαντικές επιλογές πλαισίου: Τί θα κάνουμε με την πρόβλεψη; Θα την μοιραστούμε με πολλούς πελάτες, που θα την χρησιμοποιήσουν με διαφορετικό τρόπο Ποιές μεταβλητές θα προβλέψουμε; Αποδόσεις ισοτιμιών, όχι αποδόσεις carry Τί είδους πρόβλεψη θέλουμε; Πρόβλεψη σημείου 2
3 Μεταβλητές πρόβλεψης; Απαιτεί «θεωρία». Συχνά συμπίπτουν με μεταβλητές εξήγησης Ποίος ο ορίζοντας της πρόβλεψης: 1 μήνας; 4 χρόνια; Πόσο συχνά προβλέπουμε; 1 μήνας 3
4 Ποιο υπόδειγμα να εκτιμήσουμε: γραμμικό (standard, useful and practical) Single equation ECM or pooling Με τι μεθοδολογία: To Eviews δεν επιτρέπει τις κλασσικές μεθοδολογίες αξιολόγησης προβλέψεων (χωρίς προγραμματισμό): Rolling window Recursive window Ποιο δείγμα: Euro / $ με όσα δεδομένα έχει η datastream 4
5 5
6 6
7 Πως θα αξιολογήσουμε τις προβλέψεις; Κριτήρια διαθέσιμα στο EViews: Κλασσικά κριτήρια εντός δείγματος (t,f, R2,AIC/BIC, διαγράμματα κλπ) Απόλυτα κριτήρια Συγκριτικά κριτήρια: 7
8 Σημαντικές έννοιες E t ( s t h st ) s=log(s) t=1,,t: forecast window t=1,,r: in-sample t=r+1,,t+h: out-sample [# obs=t-r+1] T+h+1,.: true out-sample f t 8
9 Σημαντικές έννοιες h: forecast horizon f: vector of forecasting variables t yˆ t h : information set available at t ˆ f t, ft 1,..., f : a regression based forecast for t, start t end sample start and end for estimating β as used in the forecast of time t f t 1 yt h 9
10 Loss function 10
11 11
12 12
13 13
14 Είδος πρόβλεψης Σημείου Διαστήματος Κατανομής 14
15 15
16 ορίζοντας 16
17 17
18 18
19 19
20 20
21 Χρησιμότητα διαγραμμάτων 21
22 Χρησιμότητα διαγραμμάτων 22
23 Χρησιμότητα διαγραμμάτων 23
24 24
25 Απόλυτα κριτήρια αξιολόγησης Βέλτιστες προβλέψεις: Min E( L( y subject to: t h, yˆ)) y χρησιμοποιεί μόνο πληροφορίες στο y γραμμική συνάρτηση μεταβλητών t Υπό κάποιες συνθήκες, (MSE ή RMSE, ή κανονικότητα όλων των μεταβλητών και συμμετρία loss functions): E( yt h t ) P( yt h t ) Υπό ήπιές επιπλέον συνθήκες, η γραμμική παλινδρόμηση δίνει καλή προσέγγιση: P( y t ) ˆ f h t t 25
26 Αμεροληψία Για τις περισσότερες loss functions, οι μεροληπτικές προβλέψεις δεν μπορεί να είναι οι βέλτιστες => Έλεγχοι διαφοράς μέσου Έλλειψη προβλεψιμότητας σφαλμάτων: Για οποιαδήποτε loss function, αν μια μεταβλητή f μπορεί να προβλέψει L(y, y) τότε η μεταβλητή αυτή μπορεί να βελτιώσει και τo y durbin-watson; Residual vs forecast or regressor plots Για προβλέψεις από παλινδρόμηση, πρέπει τα διαγνωστικά της παλινδρόμησης να είναι ικανοποιητικά 26
27 Συγκριτικά κριτήρια αξιολόγησης 27
28 Theil Inequality Coefficient: RMSE/[sqrt(μέσο y 2 ) + sqrt(μέσο y 2 )] Απλοϊκή σύγκριση μεταβλητότητας σφάλματος σε σχέση με μεταβλητότητα παρατήρησης και πρόβλεψης 28
29 29
30 Σύγκριση απαιτεί επίσης: Επιλογή benchmark: random walk Επιλογή στατιστικού ελέγχου: Diebold-Mariano test (σε add-in) 30
31 Diebold-Mariano test Συγκρίνουμε δύο προβλέψεις Έχουμε χρονοσειρές με κόστος πρόβλεψης, π.χ. y 1,t y t και y 2,t y t για διάφορα t Ελεγχος για το άν το μέσο κόστος είναι στατιστικά διαφορετικό για τις δύο προβλέψεις H0: E[ y 1,t y t ] =E[ y 2,t y t ], H1: E[ y 1,t y t ] <E[ y 2,t y t ] Δεν μπορεί να εφαρμοστεί για την σύγκριση προβλέψεων από nested υποδειγμάτα Εφαρμόζεται μόνο σε συναρτήσεις κόστους πρόβλεψης υπολογίσιμες σε κάθε παρατήρηση πρόβλεψης ξεχωριστά => δεν εφαρμόζεται για σύγκριση συσχετίσεων 31
32 In sample forecasts 32
33 1 period forecast RW Forecast: FORECAST_IN_RW Actual: DS Forecast sample: 1973M M10 Included observations: Root Mean Squared Error Mean Absolute Error Mean Absolute Percentage Error Theil Inequality Coefficient Bias Proportion Variance Proportion NA Covariance Proportion NA Ds RW In Sample Forecast +2*Standard Error -2*Standard Error 33
34 1 period forecast AR1 Forecast: FORECAST_IN_AR1 Actual: DS Forecast sample: 1973M M10 Adjusted sample: 1973M M10 Included observations: Root Mean Squared Error Mean Absolute Error Mean Absolute Percentage Error Theil Inequality Coefficient Bias Proportion Variance Proportion Covariance Proportion Ds RW In Sample Forecast +2*Standard Error -2*Standard Error 34
35 Αξιολόγηση προβλέψεων Σύγκριση με τυχαία διαδρομή Τυχαία διαδρομή με τάση: E t ( st h st ) a Συνήθως συνδέεται με την «αποτελεσματικότητα» των αγορών. Όμως: Θα έπρεπε οι αποδόσεις του carry να είναι απρόβλεπτες Η έλλειψη εξηγησιμότητας των ισοτιμιών δεν μπορεί να εξηγηθεί με τον ίδιο τρόπο 35
36 Out of sample forecasts 36
37 1 period forecast RW In sample 1973m1 2013m1(m=481) Out of sample 2013m1 2014m10(n=22) Forecast: FORECAST_OUT_RW Actual: DS Forecast sample: 2013M M10 Included observations: Root Mean Squared Error Mean Absolute Error Mean Absolute Percentage Error Theil Inequality Coefficient Bias Proportion Variance Proportion NA Covariance Proportion NA I II III IV I II III IV Ds RW Out of Sample Forecast +2*Standard Error -2*Standard Error 37
38 1 period forecast AR1 In sample 1973m1 2013m1(m=481) Out of sample 2013m1 2014m10(n=22) Forecast: FORECAST_OUT_AR1 Actual: DS Forecast sample: 2013M M10 Included observations: 22 Root Mean Squared Error Mean Absolute Error Mean Absolute Percentage Error Theil Inequality Coefficient Bias Proportion Variance Proportion Covariance Proportion I II III IV I II III IV Ds AR1 Out of Sample Forecast +2*Standard Error -2*Standard Error 38
39 DM Test : null hypothesis of no difference in the accuracy of two competing forecasts Diebold-Mariano Forecast Eval. Test Date: 11/16/14 Time: 01:11 Equation 1: RW_OUT Equation 2: AR1_OUT Forecast Sample: 2013M1 2014M10 Loss function: Absolute Diebold-Mariano Forecast Eval. Test Date: 11/16/14 Time: 01:11 Equation 1: RW_OUT Equation 2: AR1_OUT Forecast Sample: 2013M M10 Loss function: Squared DM Test Statistic: P-value: DM Test Statistic: P-value:
40 1 period forecast RW In sample 1973m1 2012m1(m=469) Out of sample 2012m1 2014m10(n=34) Forecast: FORECAST_OUT_RW Actual: DS Forecast sample: 2012M M10 Included observations: Root Mean Squared Error Mean Absolute Error Mean Absolute Percentage Error Theil Inequality Coefficient Bias Proportion Variance Proportion NA Covariance Proportion NA I II III IV I II III IV I II III IV Ds RW Out of Sample Forecast +2*Standard Error -2*Standard Error 40
41 1 period forecast AR1 In sample 1973m1 2012m1(m=469) Out of sample 2012m1 2014m10(n=34) Forecast: FORECAST_OUT_AR1 Actual: DS Forecast sample: 2012M M10 Included observations: Root Mean Squared Error Mean Absolute Error Mean Absolute Percentage Error Theil Inequality Coefficient Bias Proportion Variance Proportion Covariance Proportion I II III IV I II III IV I II III IV Ds AR1 Out of Sample Forecast +2*Standard Error -2*Standard Error 41
42 Diebold-Mariano Forecast Eval. Test Date: 11/25/14 Time: 22:33 Equation 1: RW_OUT Equation 2: AR1_OUT Forecast Sample: 2012M1 2014M10 Loss function: Absolute Diebold-Mariano Forecast Eval. Test Date: 11/25/14 Time: 22:32 Equation 1: RW_OUT Equation 2: AR1_OUT Forecast Sample: 2012M1 2014M10 Loss function: Squared DM Test Statistic: P-value: DM Test Statistic: P-value:
43 1 period forecast RW In sample 1973m1 2000m1 (337 obs) Out of sample 2000m1 2014m10(n=502-m) Forecast: FORECAST_OUT_RW Actual: DS Forecast sample: 2000M M10 Included observations: Root Mean Squared Error Mean Absolute Error Mean Absolute Percentage Error Theil Inequality Coefficient Bias Proportion Variance Proportion NA Covariance Proportion NA Ds RW Out of Sample Forecast +2*Standard Error -2*Standard Error 43
44 1 period forecast AR1 In sample 1973m1 2000m1 (337 obs) Out of sample 2000m1 2014m10(n=178) Forecast: FORECAST_OUT_AR1 Actual: DS Forecast sample: 2000M M10 Included observations: Root Mean Squared Error Mean Absolute Error Mean Absolute Percentage Error Theil Inequality Coefficient Bias Proportion Variance Proportion Covariance Proportion Ds AR1 Out of Sample Forecast +2*Standard Error -2*Standard Error 44
45 Diebold-Mariano Forecast Eval. Test Date: 11/16/14 Time: 01:11 Equation 1: RW_OUT Equation 2: AR1_OUT Forecast Sample: 2000M1 2014M10 Loss function: Absolute Diebold-Mariano Forecast Eval. Test Date: 11/16/14 Time: 01:11 Equation 1: RW_OUT Equation 2: AR1_OUT Forecast Sample: 2000M1 2014M10 Loss function: Squared DM Test Statistic: P-value: DM Test Statistic: P-value:
46 Εναλλακτικά υποδείγματα ισοτιμιών 46
47 Διαφορές επιτοκίων Dependent Variable: DS Method: Least Squares Date: 11/24/14 Time: 14:08 Sample (adjusted): 1993M M08 Included observations: 260 after adjustments HAC standard errors & covariance (Bartlett kernel, Newey-West fixed bandwidth = ) Variable Coefficient Std. Error t-statistic Prob. C IDIFF(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Forecast: FORECAST_IN_MODEL Actual: DS Forecast sample: 1991M M08 Adjusted sample: 1993M M08 Included observations: 260 Root Mean Squared Error Mean Absolute Error Mean Absolute Percentage Error Theil Inequality Coefficient Bias Proportion Variance Proportion Covariance Proportion
48 Τιμές και διαφορές πληθωρισμού Dependent Variable: DS Method: Least Squares Date: 11/24/14 Time: 14:11 Sample (adjusted): 1991M M08 Included observations: 282 after adjustments HAC standard errors & covariance (Bartlett kernel, Newey-West fixed bandwidth = ) Forecast: FORECAST_IN_MODEL Actual: DS Forecast sample: 1991M M08 Adjusted sample: 1991M M08 Included observations: 282 Variable Coefficient Std. Error t-statistic Prob. C PAIDIFF(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Root Mean Squared Error Mean Absolute Error Mean Absolute Percentage Error Theil Inequality Coefficient Bias Proportion Variance Proportion Covariance Proportion
49 Dependent Variable: DS Method: Least Squares Date: 11/24/14 Time: 14:18 Sample (adjusted): 1991M M08 Included observations: 282 after adjustments HAC standard errors & covariance (Bartlett kernel, Newey-West fixed bandwidth = ) Variable Coefficient Std. Error t-statistic Prob. C DPRICEDIFF(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Forecast: FORECAST_IN_MODEL Actual: DS Forecast sample: 1991M M08 Adjusted sample: 1991M M08 Included observations: 282 Root Mean Squared Error Mean Absolute Error Mean Absolute Percentage Error Theil Inequality Coefficient Bias Proportion Variance Proportion Covariance Proportion
50 Νομισματικό υπόδειγμα Dependent Variable: DS Method: Least Squares Date: 11/24/14 Time: 14:20 Sample (adjusted): 1993M M08 Included observations: 259 after adjustments HAC standard errors & covariance (Bartlett kernel, Newey-West fixed bandwidth = ) Variable Coefficient Std. Error t-statistic Prob. Forecast: FORECAST_IN_MODEL Actual: DS Forecast sample: 1991M M08 Adjusted sample: 1993M M08 Included observations: 259 C DIDIFF(-1) DGDPDIFF(-1) DMONEYDIFF(-1) PRICEDIFF(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Root Mean Squared Error Mean Absolute Error Mean Absolute Percentage Error Theil Inequality Coefficient Bias Proportion Variance Proportion Covariance Proportion
51 Taylor Rule Dependent Variable: DS Method: Least Squares Date: 11/24/14 Time: 14:23 Sample (adjusted): 1991M M08 Included observations: 282 after adjustments HAC standard errors & covariance (Bartlett kernel, Newey-West fixed bandwidth = ) Variable Coefficient Std. Error t-statistic Prob. C GDPDIFF(-1) PAIDIFF(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Forecast: FORECAST_IN_MODEL Actual: DS Forecast sample: 1991M M08 Adjusted sample: 1991M M08 Included observations: 282 Root Mean Squared Error Mean Absolute Error Mean Absolute Percentage Error Theil Inequality Coefficient Bias Proportion Variance Proportion Covariance Proportion
52 Out of sample forecast comparisons 52
53 Νομισματικό υπόδειγμα Forecast: FORECAST_OUT_RW Actual: DS Forecast sample: 2010M M08 Included observations: 51 Forecast: FORECAST_OUT_MODEL Actual: DS Forecast sample: 2010M M08 Included observations: 51 Root Mean Squared Error Mean Absolute Error Mean Absolute Percentage Error Theil Inequality Coefficient Bias Proportion Variance Proportion NA Covariance Proportion NA Root Mean Squared Error Mean Absolute Error Mean Absolute Percentage Error Theil Inequality Coefficient Bias Proportion Variance Proportion Covariance Proportion
54 Νομισματικό υπόδειγμα Diebold-Mariano Forecast Eval. Test Date: 11/24/14 Time: 11:11 Equation 1: RW_CUT Equation 2: MODEL_CUT Forecast Sample: 2010M6 2014M8 Loss function: Squared DM Test Statistic: P-value:
55 II III IV I II III IV I II III IV I II III IV I II III Ds Sticky Prices Model Out of Sample Forecast +2*Standard Error -2*Standard Error 55
56 Υπόδειγμα με μεταβλητές Taylor Rule Forecast: FORECAST_OUT_RW Actual: DS Forecast sample: 2010M M08 Included observations: 51 Forecast: FORECAST_OUT_MODEL Actual: DS Forecast sample: 2010M M08 Included observations: 51 Root Mean Squared Error Mean Absolute Error Mean Absolute Percentage Error Theil Inequality Coefficient Bias Proportion Variance Proportion NA Covariance Proportion NA Root Mean Squared Error Mean Absolute Error Mean Absolute Percentage Error Theil Inequality Coefficient Bias Proportion Variance Proportion Covariance Proportion
57 Υπόδειγμα με μεταβλητές Taylor Rule Diebold-Mariano Forecast Eval. Test Date: 11/24/14 Time: 11:11 Equation 1: RW_CUT Equation 2: MODEL_CUT Forecast Sample: 2010M6 2014M8 Loss function: Squared DM Test Statistic: P-value:
58 II III IV I II III IV I II III IV I II III IV I II III Ds Taylor Rule Model Out of Sample Forecast +2*Standard Error -2*Standard Error 58
59 Εξήγηση έλλειψης προβλεψίμότητας 59
60 περιορισμοί της ανάλυσης μας Περιορισμένο δείγμα και περιορισμένες μεταβλητές Μόνο μία ισοτιμία Δεν κάναμε recursive estimation Δεν χρησιμοποιήσαμε σύνθετα υποδείγματα (πάνελ, shrinkage, Bayesian, κλπ) Αναλύσαμε τον πιο δύσκολο ορίζοντα 60
61 Χρησιμότητα ανάλυσης Ανάλυση σεναρίων με υποδείγματα εξήγησης (ένα είδος πρόβλεψης) Αναγνώριση προσωρινών φάσεων στις οποίες ο ερευνητής έχει λόγο να πιστεύει ότι οι ισοτιμίες είναι ιδιαίτερα προβλέψιμες Ανεβάζει τον πήχη για την ποιότητα υποδειγμάτων 61
62 Προβλέψεις ισοτιμών Σε τί έχει συμφωνήσει η αρθογραφία; Υπάρχει πολύ ήπια προβλεψιμότητα ανάλογα με τον ορίζοντα οι μέθοδοι, οι μεταβλητές και το επίπεδο προβλεψιμότητας διαφέρει Ημερήσιοι και >4 χρόνια ορίζοντες περισσότερο προβλέψιμοι πχ από μηνιαίους PPP με μεθόδους πάνελ χρησιμεύει αλλά μόνο για μεγάλους ορίζοντες > 2χρόνια «Δομικά» (structural) υποδείγματα χρησιμεύουν μόνο για να κατευθύνουν την έρευνα για μεταβλητές που μπορεί να έχουν εμπειρική χρησιμότητα σε οικονομετρικά υποδείγματα Μερικές προβλεπτικές μεταβλητές είναι χρήσιμες σε πολλαπλούς ορίζοντες: Taylor Rule net foreign asset fundamentals 62
63 Προβλέψεις ισοτιμών Σε τί έχει συμφωνήσει η αρθογραφία; Υπάρχει σημαντική αβεβαιότητα εκτίμησης => δεν μπορούν να χρησιμοποιηθούν πολλές προβλεπτικές μεταβλητές συγχρόνως Πολλά αποτελέσματα στην αρθογραφία δεν αντέχουν στον χρόνο λόγω: 1. Parameter instabilities 2. Overfitting 3. ευαισθησία σε αυθαίρετες επιλογές πχ κανονικοποιήσεις, 4. χρησης «διορθομένων» δεδομένων που τελικά διαπιστώθηκε ότι δεν ήταν διαθέσιμα σε πραγματικό χρόνο 63
64 64
65 65
66 Άλλες Παρατηρήσεις Δεν συζητήσαμε προβλέψεις διακύμανσης, διαστήματος και κατανομής Για επενδυτές, η πρόβλεψη αποδόσεων carry είναι ίσως πιο σημαντική από την πρόβλεψη ισοτιμιών Υπάρχουν ξεκάθαρες ενδείξεις ότι προβλέψεις χρησιμεύουν για συναλλαγματικές επενδύσεις, διότι: Η διακύμανση είναι προβλέψιμη Το carry είναι προβλέψιμο Το κόστος πρόβλεψης είναι διαφορετικό από τις συναρτήσεις που μπορεί να χειριστεί το Eviews 66
67 Βιβλιογραφία Rossi, B., 2013, "Exchange Rate Predictability", Journal of Economic Literature, 51(4), Diebold F.X., 2006, Elements of Forecasting, Chapter 13.3 Evans, M.D.D., 2011, Exchange Rate Dynamics, Princeton University Press, Chapter 3 Eviews 7 manual 67
ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 13: Επανάληψη Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana 1 Γιατί μελετούμε την Οικονομετρία;
Διαβάστε περισσότεραΕρωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις)
Ερωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις) 1. Έχοντας στη διάθεσή μας ένα δείγμα, προκύπτει ότι το 95% διάστημα εμπιστοσύνης για το μέσο μ ενός κανονικού
Διαβάστε περισσότεραΚαμπύλη Phillips (10.1, 11.5, 12.1, 12.5, 18.3, 18.8, 18.10)
Καμπύλη Phillips (10.1, 11.5, 12.1, 12.5, 18.3, 18.8, 18.10) 1 2 y t = β 0 + β 1 x t + u t y t = Πληθωρισμός x t = Ανεργία 3 Dependent Variable: INFLATION Method: Least Squares Sample: 1948-1996 (49) C
Διαβάστε περισσότεραΜΑΘΗΜΑ 4 ο. Μοναδιαία ρίζα
ΜΑΘΗΜΑ 4 ο Μοναδιαία ρίζα Είδαμε προηγουμένως πως ο έλεγχος της στασιμότητας μιας χρονικής σειράς μπορεί να γίνει με τη συνάρτηση αυτοσυσχέτισης. Ένας άλλος τρόπος που χρησιμοποιείται ευρύτατα στην ανάλυση
Διαβάστε περισσότεραΕπιτόκια, Πληθωρισμός και Έλλειμμα (10.2, 12.6, 18.2, 18.6, 18.7)
Επιτόκια, Πληθωρισμός και Έλλειμμα (10.2, 12.6, 18.2, 18.6, 18.7) 1 Dependent Variable: T_BILLS3 Method: Least Squares Sample: 1948-2003 C 1.25 0.44 2.83 0.01 INFLATION 0.61 0.08 8.09 0.00 DEFICIT 0.70
Διαβάστε περισσότεραΜΑΘΗΜΑ 3ο. Υποδείγματα μιας εξίσωσης
ΜΑΘΗΜΑ 3ο Υποδείγματα μιας εξίσωσης Οι βασικές υποθέσεις 1. Ο διαταρακτικός όρος u t είναι μια τυχαία μεταβλητή με μέσο το μηδέν. Eu t = 0 για t = 1,2,3..n 2. Η διακύμανση της τυχαίας μεταβλητής u t είναι
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 3ο
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 3ο Κίβδηλες παλινδρομήσεις Μια από τις υποθέσεις που χρησιμοποιούμε στην ανάλυση της παλινδρόμησης είναι ότι οι χρονικές σειρές που χρησιμοποιούμε
Διαβάστε περισσότεραΧΡΟΝΟΣΕΙΡΕΣ TUTORIAL 3 ΣΤΑΣΘΜΟΤΗΤΑ ΔΘΑΔΘΚΑΣΘΕΣ ΜΟΝΑΔΘΑΣ ΡΘΖΑΣ ΣΥΝΟΛΟΚΛΗΡΩΣΗ
ΦΡΟΝΤΙΣΤΗΡΙΟ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΙΙ 7-6-1012 Landis Conrad ΧΡΟΝΟΣΕΙΡΕΣ TUTORIAL 3 ΣΤΑΣΘΜΟΤΗΤΑ ΔΘΑΔΘΚΑΣΘΕΣ ΜΟΝΑΔΘΑΣ ΡΘΖΑΣ ΣΥΝΟΛΟΚΛΗΡΩΣΗ Για τθν άςκθςθ χρθςιμοποιοφμε τισ παρακάτω μεταβλθτζσ, ςε θμεριςια κλίμακα,
Διαβάστε περισσότεραΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΙΕΘΝΩΝ ΚΑΙ ΕΥΡΩΠΑΪΚΩΝ ΟΙΚΟΝΟΜΙΚΩΝ ΣΠΟΥ ΩΝ
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΙΕΘΝΩΝ ΚΑΙ ΕΥΡΩΠΑΪΚΩΝ ΟΙΚΟΝΟΜΙΚΩΝ ΣΠΟΥ ΩΝ Μάθηµα: Εφαρµοσµένη Οικονοµετρία (Aκαδηµαϊκό έτος: 2008-2009) Σπύρος Σκούρας Ονοµατεπώνυµο: ΘΕΜΑΤΑ ΕΞΕΤΑΣΕΩΝ ΙΟΥΛΙΟΥ 2009
Διαβάστε περισσότεραΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Πρόγραμμα Σπουδών: ΤΡΑΠΕΖΙΚΗ Θεματική Ενότητα: ΤΡΑ-61 Στρατηγική Τραπεζών Ακαδημαϊκό Έτος: 2013-2014
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Πρόγραμμα Σπουδών: ΤΡΑΠΕΖΙΚΗ Θεματική Ενότητα: ΤΡΑ-61 Στρατηγική Τραπεζών Ακαδημαϊκό Έτος: 2013-2014 Γενικές οδηγίες για την εργασία Τέταρτη Γραπτή Εργασία Όλες οι ερωτήσεις
Διαβάστε περισσότεραSECTION II: PROBABILITY MODELS
SECTION II: PROBABILITY MODELS 1 SECTION II: Aggregate Data. Fraction of births with low birth weight per province. Model A: OLS, using observations 1 260 Heteroskedasticity-robust standard errors, variant
Διαβάστε περισσότεραTable 1: Military Service: Models. Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 Model 9 num unemployed mili mili num unemployed
Tables: Military Service Table 1: Military Service: Models Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 Model 9 num unemployed mili mili num unemployed mili 0.489-0.014-0.044-0.044-1.469-2.026-2.026
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΟ ΕΦΑΡΜΟΣΜΕΝΗΣ ΟΙΚΟΝΟΜΕΤΡΙΑΣ LAB 2
Landis Conrad conrad@aueb.gr AΣΥΜΠΤΩΤΙΚΕΣ ΙΔΙΟΤΗΤΕΣ ΤΩΝ ΕΚΤΙΜΗΤΩΝ ΕΛΑΧΙΣΤΩΝ ΤΕΤΡΑΓΩΝΩΝ ΣΤΑΣΙΜΕΣ- ΑΣΘΕΝΩΣ ΕΞΑΡΤΩΜΕΝΕΣ ΧΡΟΝΟΣΕΙΡEΣ ΔΙΑΔΙΚΑΣΙΕΣ ΜΟΝΑΔΙΑΙΑΣ ΡΙΖΑΣ Οι παρατηρήσεις που θα χρησιµοποιήσουµε σε
Διαβάστε περισσότεραAnalyze/Forecasting/Create Models
(εκδ 11) (εκδ 11) Σχολή Κοινωνικών Επιστημών Τμήμα Οικονομικών Επιστημών 24 Οκτωβρίου 2014 1 / 12 Εισαγωγή (εκδ 11) 1 2 2 / 12 ΧΣ (εκδ 11) ΧΣ μέσω υποδειγμάτων ARIM A/SARIM A Αϕου δημιουργήσουμε τον χώρο
Διαβάστε περισσότεραΣηµαντικές µεταβλητές για την άσκηση οικονοµικής ολιτικής µίας χώρας. Καθοριστικοί αράγοντες για την οικονοµική ανά τυξη.
ΑΜΕΣΕΣ ΞΕΝΕΣ ΕΠΕΝΔΥΣΕΙΣ, ΑΕΠ, ΕΞΑΓΩΓΕΣ: ΜΙΑ ΕΜΠΕΙΡΙΚΗ ΕΡΕΥΝΑ ΓΙΑ ΕΛΛΑΔΑ- ΙΣΠΑΝΙΑ-ΠΟΡΤΟΓΑΛΙΑΠΟΡΤΟΓΑΛΙΑ Επιβλέπων καθηγητής: Δριτσάκης Νικόλαος Εκπονήθηκε από: Τέμπου Αικατερίνη (11/37) ΕΙΣΑΓΩΓΙΚΑ Μελέτη
Διαβάστε περισσότερα/
: 2014 2010 2015/2014 : 2014 2010 2015/2014 I II الملخص The aim of this study is to know the effect of the number of the financial indicators on the prices of organizations shares in Dubai s stock exchange,
Διαβάστε περισσότεραΜοντελοποίηση των αποδόσεων των κρατικών ομολόγων των χωρών της Ευρωζώνης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΑ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ & ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΑΝΑΛΟΓΙΣΤΙΚΗ ΕΠΙΣΤΗΜΗ & ΔΙΟΙΚΗΤΙΚΗ ΚΙΝΔΥΝΟΥ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Μοντελοποίηση των αποδόσεων των κρατικών
Διαβάστε περισσότεραβ) (βαζκνί: 2) Έζησ όηη ε ρξνλνινγηθή ζεηξά έρεη κέζε ηηκή 0 θαη είλαη αληηζηξέςηκε. Δίλεηαη ην αθόινπζν απνηέιεζκα από ην EViews γηα ηε :
1 ΝΑ ΑΠΑΝΤΗΘΟΥΝ 2 ΑΠΟ ΤΑ 3 ΘΕΜΑΤΑ ΘΕΜΑ 1 α) (βαζκνί: 3) Έζησ όηη ε ρξνλνινγηθή ζεηξά είλαη ζηάζηκε, αληηζηξέςηκε θαη αθνινπζεί ην ΑR(1) ππόδεηγκα. Να βξεζνύλ ε κέζε ηηκή, ε δηαζπνξά θαη ε απηνζπζρέηηζε
Διαβάστε περισσότεραΧΡΟΝΟΣΕΙΡΕΣ & ΠΡΟΒΛΕΨΕΙΣ-ΜΕΡΟΣ 7 ΕΛΕΓΧΟΙ. (TEST: Unit Root-Cointegration )
ΧΡΟΝΟΣΕΙΡΕΣ & ΠΡΟΒΛΕΨΕΙΣ-ΜΕΡΟΣ 7 ΕΛΕΓΧΟΙ (TEST: Unit Root-Cointegration ) ΦΑΙΝΟΜΕΝΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Η στασιμότητα των δεδομένων (χρονοσειρών) είναι θεωρητική προϋπόθεση για την παλινδρόμηση, δηλ. την εκτίμηση
Διαβάστε περισσότεραΔΗΜΗΤΡΗΣ- ΘΕΟΔΩΡΟΣ ΦΙΛΙΠΠΑΚΟΣ
ΠΑΝΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΟΙΝΩΝΙΚΩΝ ΚΑΙ ΠΟΛΙΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ Τμήμα Δημόσιας Διοίκησης Μεταπτυχιακό Πρόγραμμα Σπουδών:Οικονομικά της Παραγωγής και των Διακλαδικών Σχέσεων ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΔΙΕΡΕΥΝΗΣΗ ΚΙΝΔΥΝΟΥ
Διαβάστε περισσότερα2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Η χρησιμοποίηση των τεχνικών της παλινδρόμησης για την επίλυση πρακτικών προβλημάτων έχει διευκολύνει εξαιρετικά από την χρήση διαφόρων στατιστικών
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 3: Ανάλυση γραμμικού υποδείγματος Απλή παλινδρόμηση (2 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 6: Ανάλυση γραμμικού υποδείγματος Πολυμεταβλητή παλινδρόμηση (2 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage:
Διαβάστε περισσότεραΥπολογιστική πολυπλοκότητα του πρωτεύοντος αλγόριθμου εξωτερικών σημείων
Υπολογιστική πολυπλοκότητα του πρωτεύοντος αλγόριθμου εξωτερικών σημείων Γεώργιος Παπανίκος Τμ. Εφ. Πληροφορικής, Πανεπιστήμιο Μακεδονίας Εγνατία 156, 54006 Θεσσαλονίκη it0837@uom.gr Νικόλαος Σαμαράς Τμ.
Διαβάστε περισσότεραΒήματα για την επίλυση ενός προβλήματος
ΜΑΘΗΜΑ 2ο Βήματα για την επίλυση ενός προβλήματος 1. Κατανόηση του προβλήματος με τη σχετική επιστήμη (όπως οικονομία, διοίκηση, γενικές επιστήμες) π.χ το πρόβλημα της κατανάλωσης κάποιας περιοχής σε σχέση
Διαβάστε περισσότεραΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών «Μαθηματική Προτυποποίηση στις Σύγχρονες Τεχνολογίες και την Οικονομία» ΔΙΠΛΩΜΑΤΙΚΗ
Διαβάστε περισσότεραΤο πρόβλημα της διαχείρισης των μεταβλητών δαπανών αποτελεί αντικείμενο που χρήζει
ΔIOIKHTIKH ENHMEPΩΣH 95 ΔΙΟΙΚΗΣΗ ΔΗΜΟΣΙΩΝ ΝΟΣΟΚΟΜΕΙΑΚΩΝ ΜΟΝΑΔΩΝ- ΕΦΑΡΜΟΓΗ ΜΕΘΟΔΩΝ ΠΟΣΟΤΙΚΗΣ ΑΝΑΛΥΣΗΣ ΣΤΟΝ ΕΛΕΓΧΟ ΤΩΝ ΔΑΠΑΝΩΝ Tου Μάριου Τσάκα 1. ΕΙΣΑΓΩΓΗ Το πρόβλημα της διαχείρισης των μεταβλητών δαπανών
Διαβάστε περισσότεραΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗ ΛΟΓΙΣΤΙΚΗ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ
ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗ ΛΟΓΙΣΤΙΚΗ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ Διπλωματική Εργασία Η ΑΞΙΟΛOΓΗΣΗ ΤΟΥ ΚΕΦΑΛΑΙΟΥ ΚΙΝΗΣΗΣ
Διαβάστε περισσότεραQueensland University of Technology Transport Data Analysis and Modeling Methodologies
Queensland University of Technology Transport Data Analysis and Modeling Methodologies Lab Session #7 Example 5.2 (with 3SLS Extensions) Seemingly Unrelated Regression Estimation and 3SLS A survey of 206
Διαβάστε περισσότεραThe role of Monetary and Financial policy in economic growth. Abstract
The role of Monetary and Financial policy in economic growth / /. 2010-1966. Abstract The current research aims to effect the activity of financial and montary policy on the real factors in economy. Throughout
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΑ ΤΜΗΜΑ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΚΑΙ ΤΡΑΠΕΖΙΚΗΣ ΙΟΙΚΗΤΙΚΗΣ ΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΑΣΥΜΜΕΤΡΙΑ ΣΤΙΣ ΤΙΜΕΣ ΤΩΝ ΑΚΙΝΗΤΩΝ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΑ ΤΜΗΜΑ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΚΑΙ ΤΡΑΠΕΖΙΚΗΣ ΙΟΙΚΗΤΙΚΗΣ ΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΑΣΥΜΜΕΤΡΙΑ ΣΤΙΣ ΤΙΜΕΣ ΤΩΝ ΑΚΙΝΗΤΩΝ ΕΥΕΛΥΝ ΣΑΚΚΑ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ : ΝΙΚΟΛΑΟΣ ΑΠΕΡΓΗΣ ΕΠΙΤΡΟΠΗ: ΛΕΚΤΟΡΑΣ Ν. ΚΟΥΡΟΓΕΝΗΣ
Διαβάστε περισσότεραΕΝΑ ΜΟΝΤΕΛΟ ΓΙΑ ΤΗΝ ΕΚΤΙΜΗΣΗ ΤΗΣ ΑΝΕΡΓΙΑΣ, ΤΩΝ ΜΙΣΘΩΝ ΚΑΙ ΤΟΥ ΠΛΗΘΩΡΙΣΜΟΥ ΣΕ ΧΩΡΕΣ ΤΗΣ Ε.Ε.
ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗ ΕΠΙΧΕΙΡΗΜΑΤΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΝΑ ΜΟΝΤΕΛΟ ΓΙΑ ΤΗΝ ΕΚΤΙΜΗΣΗ ΤΗΣ ΑΝΕΡΓΙΑΣ,
Διαβάστε περισσότεραΜάθηµα εύτερο-τρίτο- Βασικά Ζητήµατα στο Απλό Γραµµικό Υπόδειγµα Ακαδηµαϊκό Έτος
ΤΜΜΑ ΕΠΙΧΕΙΡΜΑΤΙΚΟΥ ΣΧΕ ΙΑΣΜΟΥ & ΠΛΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΜΑΤΩΝ Μάθηµα εύτερο-τρίτο- Βασικά Ζητήµατα στο Απλό Γραµµικό Υπόδειγµα Ακαδηµαϊκό Έτος - Στο παρόν µάθηµα δίνεται µε κάποια απλά παραδείγµατα-ασκήσεις
Διαβάστε περισσότερα«ΦΟΡΟΛΟΓΙΑ ΕΙΣΟΔΗΜΑΤΟΣ-ΜΙΑ ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ ΤΟΥ Ν. ΠΙΕΡΙΑΣ»
ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΛΟΓΙΣΤΙΚΗ ΚΑΙ ΕΛΕΓΚΤΙΚΗ «ΦΟΡΟΛΟΓΙΑ ΕΙΣΟΔΗΜΑΤΟΣ-ΜΙΑ ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ ΤΟΥ Ν. ΠΙΕΡΙΑΣ» ΔΙΠΛΩΜΑΤΙΚΗ
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 4: Ανάλυση γραμμικού υποδείγματος Απλή παλινδρόμηση (3 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΤεχνικές Προβλέψεων. Προετοιμασία & Ανάλυση Χρονοσειράς
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Μονάδα Προβλέψεων & Στρατηγικής Forecasting & Strategy Unit Τεχνικές Προβλέψεων Προετοιμασία & Ανάλυση Χρονοσειράς http://www.fsu.gr
Διαβάστε περισσότεραΟικονομετρία Ι. Ενότητα 7: Συντελεστής πολλαπλού προσδιορισμού. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής
Οικονομετρία Ι Ενότητα 7: Συντελεστής πολλαπλού προσδιορισμού Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
Διαβάστε περισσότεραΠολλαπλή παλινδρόμηση (Multivariate regression)
ΜΑΘΗΜΑ 3 ο 1 Πολλαπλή παλινδρόμηση (Multivariate regression) Η συμπεριφορά των περισσότερων οικονομικών μεταβλητών είναι συνάρτηση όχι μιας αλλά πολλών μεταβλητών Υ = f ( X 1, X 2,... X n ) δηλαδή η Υ
Διαβάστε περισσότεραΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ. ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΘΕΩΡΙΑΣ-ΣΤΑΣΙΜΕΣΔΙΑΔΙΚΑΣΙΕΣ-ΥΠΟΔΕΙΓΜΑΤΑ ARIMA (p,d,q)
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΘΕΩΡΙΑΣ-ΣΤΑΣΙΜΕΣΔΙΑΔΙΚΑΣΙΕΣ-ΥΠΟΔΕΙΓΜΑΤΑ ARIMA (p,d,q) ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου ιαφάνεια 1 ΥΠΟΔΕΙΓΜΑΤΑ
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΚΑΙ ΤΡΑΠΕΖΙΚΗΣ ΔΙΟΙΚΗΤΙΚΗΣ ΕΡΕΥΝΗΤΙΚΗ ΕΡΓΑΣΙΑ «ΕΞΕΤΑΣΗ ΠΡΟΒΛΕΠΤΙΚΗΣ ΙΚΑΝΟΤΗΤΑΣ ΧΡΗΜ/ΩΝ ΑΝΑΛΥΤΩΝ» ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ : Κ. ΠΙΤΤΗΣ ΤΡΙΜΕΛΗΣ ΕΠΙΤΡΟΠΗ: Κ. ΠΙΤΤΗΣ
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Βιολέττα Δάλλα. Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών
ΟΙΚΟΝΟΜΕΤΡΙΑ Βιολέττα Δάλλα Τµήµα Οικονοµικών Επιστηµών Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών 1 Εισαγωγή Οικονοµετρία (Econometrics) είναι ο τοµέας της Οικονοµικής επιστήµης που περιγράφει και αναλύει
Διαβάστε περισσότεραΠ.Μ.Σ ΤΜΗΜΑΤΟΣ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΤΙΤΛΟΣ:
Π.Μ.Σ ΤΜΗΜΑΤΟΣ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΤΙΤΛΟΣ: Ο ΠΡΟΣΔΙΟΡΙΣΜΟΣ ΤΟΥ ΕΠΙΠΕΔΟΥ ΤΗΣ ΙΔΙΩΤΙΚΗΣ ΚΑΤΑΝΑΛΩΣΗΣ, ΤΩΝ ΕΠΕΝΔΥΣΕΩΝ ΚΑΙ ΤΩΝ ΣΥΝΟΛΙΚΩΝ ΕΙΣΑΓΩΓΩΝ. ΜΙΑ ΕΜΠΕΙΡΙΚΗ ΜΕΛΕΤΗ ΓΙΑ ΤΗΝ ΑΥΣΤΡΙΑ,
Διαβάστε περισσότεραΜενύχτα, Πιπερίγκου, Σαββάτης. ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 6 ο
Παράδειγμα 1 Ο παρακάτω πίνακας δίνει τις πωλήσεις (ζήτηση) ενός προϊόντος Υ (σε κιλά) από το delicatessen μιας περιοχής και τις αντίστοιχες τιμές Χ του προϊόντος (σε ευρώ ανά κιλό) για μια ορισμένη χρονική
Διαβάστε περισσότεραStatistics 104: Quantitative Methods for Economics Formula and Theorem Review
Harvard College Statistics 104: Quantitative Methods for Economics Formula and Theorem Review Tommy MacWilliam, 13 tmacwilliam@college.harvard.edu March 10, 2011 Contents 1 Introduction to Data 5 1.1 Sample
Διαβάστε περισσότεραΧΡΟΝΟΣΕΙΡΕΣ. Διαχείριση Πληροφοριών
ΧΡΟΝΟΣΕΙΡΕΣ Μία χρονοσειρά είναι ένα σύνολο παρατηρήσεων πάνω σε μία ποσοτική μεταβλητή που συγκεντρώνονται με το πέρασμα του χρόνου. Πρόκειται για δεδομένα πάνω στη συμπεριφορά μιας ή πολλών μεταβλητών
Διαβάστε περισσότερα10. ΠΟΛΛΑΠΛΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
0. ΠΟΛΛΑΠΛΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ 0. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ Συχνά στην πράξη το μοντέλο της απλής γραμμικής παλινδρόμησης είναι ανεπαρκές για την περιγραφή της μεταβλητότητας που υπάρχει στην εξαρτημένη
Διαβάστε περισσότεραΤΕΛΙΚΗ ΕΞΕΤΑΣΗ ΔΕΙΓΜΑ ΟΙΚΟΝΟΜΕΤΡΙΑ Ι (3ο Εξάμηνο) Όνομα εξεταζόμενου: Α.Α. Οικονομικό Πανεπιστήμιο Αθήνας -- Τμήμα ΔΕΟΣ Καθηγητής: Γιάννης Μπίλιας
ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ ΔΕΙΓΜΑ ΟΙΚΟΝΟΜΕΤΡΙΑ Ι (3ο Εξάμηνο) Όνομα εξεταζόμενου: Α.Α. Οικονομικό Πανεπιστήμιο Αθήνας -- Τμήμα ΔΕΟΣ Καθηγητής: Γιάννης Μπίλιας ΟΔΗΓΙΕΣ: Απαντήστε σε όλα τα θέματα. Απαντήστε με ακρίβεια
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ. ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΤΜΗΜΑΤΟΣ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ.
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ. ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΤΜΗΜΑΤΟΣ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΕΓΚΛΗΜΑ ΚΑΙ ΤΙΜΩΡΙΑ: ΚΑΤΑ ΠΟΣΟ ΕΠΗΡΕΑΖΕΙ ΤΟ ΠΟΛΙΤΙΚΟ ΧΡΩΜΑ ΜΙΑΣ ΚΥΒΕΡΝΗΣΗΣ ΤΟΝ ΔΕΙΚΤΗ ΕΓΚΛΗΜΑΤΙΚΟΤΗΤΑΣ ΤΗΣ ΧΩΡΑΣ.
Διαβάστε περισσότεραΧρονικές σειρές 11 Ο μάθημα: Προβλέψεις
Χρονικές σειρές 11 Ο μάθημα: Προβλέψεις Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό Τμήμα, Πανεπιστήμιο
Διαβάστε περισσότεραTΕΙ ΚΡΗΤΗΣ ΤΜΗΜΑ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ & ΑΣΦΑΛΙΣΤΙΚΗΣ
TΕΙ ΚΡΗΤΗΣ ΤΜΗΜΑ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ & ΑΣΦΑΛΙΣΤΙΚΗΣ Η ΕΠΙΔΡΑΣΗ ΤΩΝ ΜΑΚΡΟΟΙΚΟΝΟΜΙΚΩΝ ΔΕΙΚΤΩΝ ΣΤΟ Χ.Α.Α. Η ΠΕΡΙΠΤΩΣΗ ΤΟΥ ΕΛΛΗΝΙΚΟΥ ΧΡΗΜΑΤΙΣΤΗΡΙΟΥ Υπεύθυνη Πτυχιακής: ΠΑΤΕΡΟΥ ΑΙΚΑΤΕΡΙΝΗ Α.Μ.: 28 Υπεύθυνος
Διαβάστε περισσότεραΆσκηση 11. Δίνονται οι παρακάτω παρατηρήσεις:
Άσκηση. Δίνονται οι παρακάτω παρατηρήσεις: X X X X Y 7 50 6 7 6 6 96 7 0 5 55 9 5 59 6 8 8 5 0 59 7 7 8 8 5 5 0 7 69 9 6 6 7 6 9 5 7 6 8 5 6 69 8 0 50 66 0 0 50 8 59 76 8 7 60 7 87 6 5 7 88 9 8 50 0 5
Διαβάστε περισσότεραΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΘΕΩΡΙΑΣ-ΣΤΑΣΙΜΕΣ ΔΙΑΔΙΚΑΣΙΕΣ-ΥΠΟΔΕΙΓΜΑΤΑ SARIMA (sp,sd,qs) ARIMA (p,d,q) ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου
Διαβάστε περισσότεραΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική
ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ 7o Μάθημα: Απλή παλινδρόμηση (ΕΠΑΝΑΛΗΨΗ) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & ΠΑΜΑΚ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότερα2. ΕΠΙΛΟΓΗ ΤΟΥ ΜΕΓΕΘΟΥΣ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ
1. ΕΙΣΑΓΩΓΗ ΣΤΟ SPSS Το SPSS είναι ένα στατιστικό πρόγραμμα γενικής στατιστικής ανάλυσης αρκετά εύκολο στη λειτουργία του. Για να πραγματοποιηθεί ανάλυση χρονοσειρών με τη βοήθεια του SPSS θα πρέπει απαραίτητα
Διαβάστε περισσότεραΤεχνικές Προβλέψεων. 2η Ενότητα Προετοιμασία & Ανάλυση Χρονοσειράς
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Μονάδα Προβλέψεων & Στρατηγικής Forecasting & Strategy Unit Τεχνικές Προβλέψεων 2η Ενότητα Προετοιμασία & Ανάλυση Χρονοσειράς
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ 2 ΦΡΟΝΤΙΣΤΗΡΙΟ 2 BASICS OF IV ESTIMATION USING STATA
ΟΙΚΟΝΟΜΕΤΡΙΑ 2 ΦΡΟΝΤΙΣΤΗΡΙΟ 2 BASICS OF IV ESTIMATION USING STATA Στις ασκήσεις που ακολουθούν χρησιμοποιούμε δεδομένα για 3010 εργαζόμενους άνδρες ηλικίας 24 έως 34 από έρευνα που πραγματοποιήθηκε το
Διαβάστε περισσότεραΧρονολογικές Σειρές (Time Series) Lecture notes Φ.Κουντούρη 2008
Χρονολογικές Σειρές (Time Series) Lecture notes Φ.Κουντούρη 2008 1 Τύποι Οικονομικών Δεδομένων Τα οικονομικά δεδομένα που χρησιμοποιούνται για την εξέταση οικονομικών φαινομένων μπορεί να έχουν τις ακόλουθες
Διαβάστε περισσότεραΛογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS
Λογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS Ο παρακάτω πίνακας παρουσιάζει θανάτους από καρδιακή ανεπάρκεια ανάμεσα σε άνδρες γιατρούς οι οποίοι έχουν κατηγοριοποιηθεί κατά ηλικία
Διαβάστε περισσότεραΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία I.1 Τι Είναι η Οικονομετρία; Η κυριολεκτική ερμηνεία της λέξης, οικονομετρία είναι «οικονομική
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Η μέθοδος των βοηθητικών μεταβλητών. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 12: Σφάλματα μέτρησης στις μεταβλητές Η μέθοδος των βοηθητικών μεταβλητών Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage:
Διαβάστε περισσότεραSuppose Mr. Bump observes the selling price and sales volume of milk gallons for 10 randomly selected weeks as follows
Albert Ludwgs Unverst Freburg Department of Emprcal Research and Econometrcs Appled Econometrcs Dr Kestel ummer 9 EXAMPLE IMPLE LINEAR REGREION ANALYI uppose Mr Bump observes the sellng prce and sales
Διαβάστε περισσότεραΑ. Μπατσίδης Πρόχειρες βοηθητικές διδακτικές σημειώσεις
Α. Μπατσίδης Πρόχειρες βοηθητικές διδακτικές σημειώσεις Οι παρούσες σημειώσεις επιχειρούν να αποτελέσουν μια βοήθεια τόσο στην παρακολούθηση της διάλεξης όσο και στη μελέτη κάποιων εκ των θεμάτων της Γραμμικής
Διαβάστε περισσότεραΜοντέλα Πολλαπλής Παλινδρόμησης
Μοντέλα Πολλαπλής Παλινδρόμησης Πέτρος Ρούσσος Πρόγραμμα Ψυχολογίας, ΦΠΨ, ΕΚΠΑ ΕΙΣΑΓΩΓΙΚΑ 1 Ορολογία Προβλεπτικές μεταβλητές ή παράγοντες (predictors) Μεταβλητή κριτήριο (criterion) Απλή και πολλαπλή παλινδρόμηση
Διαβάστε περισσότερα( ) 2011 :, :, - 2 -
: : : 2011 : : : ( ) 2011 :, :, - 2 - - 3 - ... 6. 6.. 8.. 9...10 1 1.1... 12 1.2... 13 1.3.. 13 2 2.1. 15 2.2... 15 2.3...... 19 2.4. 24 2.5... 25 3 3.1 28 3.2 28 3.3.. 31 3.4... 32 3.5 39 3.6. 40 3.7.
Διαβάστε περισσότεραSupplementary Appendix
Supplementary Appendix Measuring crisis risk using conditional copulas: An empirical analysis of the 2008 shipping crisis Sebastian Opitz, Henry Seidel and Alexander Szimayer Model specification Table
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ &ΑΣΦΑΛΙΣΤΙΚΗΣ
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ &ΑΣΦΑΛΙΣΤΙΚΗΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΓΕΩΓΡΑΦΙΑ ΚΑΙ ΟΙΚΟΝΟΜΙΚΗ ΟΛΟΚΛΗΡΩΣΗ Η ΠΕΡΙΠΤΩΣΗ ΤΩΝ ΚΡΑΤΩΝ-ΜΕΛΩΝ ΤΗΣ ΕΥΡΩΠΑΙ-
Διαβάστε περισσότεραΓΡΑΜΜΙΚΗ ΠΑΛΙΝ ΡΟΜΗΣΗ
ΓΡΑΜΜΙΚΗ ΠΑΛΙΝ ΡΟΜΗΣΗ ΠΟΤΕ ΚΑΙ ΓΙΑΤΙ ΧΡΗΣΙΜΟΠΟΙΕΙΤΑΙ ΜΟΝΤΕΛΟ ΕΚΤΙΜΗΣΗ ΠΑΡΑΜΕΤΡΩΝ ΕΡΜΗΝΕΙΑ ΤΩΝ ΕΚΤΙΜΗΤΩΝ ΤΩΝ ΠΑΡΑΜΕΤΡΩΝ ΤΩΝ ΣΥΝΤΕΛΕΣΤΩΝ ΠΑΛΙΝ ΡΟΜΗΣΗΣ ΥΠΟΘΕΣΕΙΣ ΠΙΝΑΚΑΣ ΑΝΑ ΙΑ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ ΓΙΑ ΤΙΣ ΠΑΡΑΜΕΤΡΟΥΣ
Διαβάστε περισσότεραΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ Τμήμα Αγροτικής Οικονομίας και Ανάπτυξης. Σημειώσεις EViews. Παναγιώτης Λαζαρίδης Αναπληρωτής Καθηγητής. Y j.
ΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ Τμήμα Αγροτικής Οικονομίας και Ανάπτυξης Σημειώσεις EViews Παναγιώτης Λαζαρίδης Αναπληρωτής Καθηγητής Υ Y j u j û j ( Y X j ) = β + β X j E 1 ˆ ˆ ˆ Yj = β X j Χ j Χ Το EViews
Διαβάστε περισσότεραΕιδικά Θέματα Οικονομετρίας-Χρονολογικές Σειρές Ι (εκδ. 1.1)
Ειδικά Θέματα Οικονομετρίας-Χρονολογικές Σειρές Ι (εκδ. 1.1) Γεώργιος Τσιώτας Τμήμα Οικονομικών Επιστημών Σχολή Κοινωνικών Επιστημών Πανεπιστήμιο Κρήτης Περιγραφή 1 Εισαγωγή στις Χρονολογικές Σειρές Οι
Διαβάστε περισσότερα+ ε βελτιώνει ουσιαστικά το προηγούμενο (β 3 = 0;) 2. Εξετάστε ποιο από τα παρακάτω τρία μοντέλα:
ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ, 6-5-0 Άσκηση 8. Δίνονται οι παρακάτω 0 παρατηρήσεις (πίνακας Α) με βάση τις οποίες θέλουμε να δημιουργήσουμε ένα γραμμικό μοντέλο για την πρόβλεψη της Υ μέσω των ανεξάρτητων μεταβλητών
Διαβάστε περισσότεραΤο στατιστικό κριτήριο που μας επιτρέπει να. μιας ή πολλών άλλων γνωστών μεταβλητών. Η σχέση ανάμεσα στις μεταβλητές που μελετώνται
Κεφάλαιο 10 Η Ανάλυση Παλινδρόμησης Η Ανάλυση Παλινδρόμησης Το στατιστικό κριτήριο που μας επιτρέπει να προβλέψουμε τις τιμές μιας μεταβλητής από τις τιμές μιας ή πολλών άλλων γνωστών μεταβλητών Η σχέση
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο 2
013 [Κεφάλαιο ] ΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο Μάθημα Εαρινού Εξάμηνου 01-013 M.E. OE0300 Πανεπιστήμιο Θεσσαλίας Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας και Περιφερειακής Ανάπτυξης [Οικονομετρία 01-013] Μαρί-Νοέλ
Διαβάστε περισσότεραΔείγμα (μεγάλο) από οποιαδήποτε κατανομή
ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 4ο Κατανομές Στατιστικών Συναρτήσεων Δείγμα από κανονική κατανομή Έστω Χ= Χ Χ Χ τ.δ. από Ν µσ τότε ( 1,,..., n) (, ) Τ Χ Χ Ν Τ Χ σ σ Χ Τ Χ n Χ S µ S µ 1( ) = (0,1), ( ) = ( n 1)
Διαβάστε περισσότεραΠαράδειγμα: Γούργουλης Βασίλειος, Επίκουρος Καθηγητής Τ.Ε.Φ.Α.Α.-Δ.Π.Θ.
Έλεγχος ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ περισσότερων από δύο δειγμάτων, που διαχωρίζονται βάσει δύο ανεξάρτητων παραγόντων (Ανάλυση διακύμανσης για ανεξάρτητα δείγματα ως προς περισσότερους
Διαβάστε περισσότεραΜΑΘΗΜΑ 3ο. Βασικές έννοιες
ΜΑΘΗΜΑ 3ο Βασικές έννοιες Εισαγωγή Βασικές έννοιες Ένας από τους βασικότερους σκοπούς της ανάλυσης των χρονικών σειρών είναι η διενέργεια των προβλέψεων. Στα υποδείγματα αυτά η τρέχουσα τιμή μιας οικονομικής
Διαβάστε περισσότεραΜΕΘΟΔΟΙ ΕΡΥΕΝΑΣ ΔΙΑΛΕΞΗ 5: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΟΙΚΟΝΟΜΕΤΡΙΑ (Ι)
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΧΩΡΟΤΑΞΙΑΣ, ΠΟΛΕΟΔΟΜΙΑΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΗΣ ΑΝΑΠΤΥΞΗΣ ΠΜΣ «ΕΠΕΝΔΥΣΕΙΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΗ ΑΝΑΠΤΥΞΗ» ΜΕΘΟΔΟΙ ΕΡΥΕΝΑΣ ΔΙΑΛΕΞΗ 5: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΑΓΩΓΙΚΗ
Διαβάστε περισσότεραΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία 5.1 Αυτοσυσχέτιση: Εισαγωγή Συχνά, η υπόθεση της μη αυτοσυσχέτισης ή σειριακής συσχέτισης
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Β μέρος: Ετεροσκεδαστικότητα. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 10: Οικονομετρικά προβλήματα: Παραβίαση των υποθέσεων Β μέρος: Ετεροσκεδαστικότητα Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr
Διαβάστε περισσότεραΆσκηση 10, σελ. 119. Για τη μεταβλητή x (άτυπος όγκος) έχουμε: x censored_x 1 F 3 F 3 F 4 F 10 F 13 F 13 F 16 F 16 F 24 F 26 F 27 F 28 F
Άσκηση 0, σελ. 9 από το βιβλίο «Μοντέλα Αξιοπιστίας και Επιβίωσης» της Χ. Καρώνη (i) Αρχικά, εισάγουμε τα δεδομένα στο minitab δημιουργώντας δύο μεταβλητές: τη x για τον άτυπο όγκο και την y για τον τυπικό
Διαβάστε περισσότεραΜονοπαραγοντική Ανάλυση Διακύμανσης Ανεξάρτητων Δειγμάτων
Μονοπαραγοντική Ανάλυση Διακύμανσης Ανεξάρτητων Δειγμάτων 1 Μονοπαραγοντική Ανάλυση Διακύμανσης Παραμετρικό στατιστικό κριτήριο για τη μελέτη της επίδρασης μιας ανεξάρτητης μεταβλητής στην εξαρτημένη Λογική
Διαβάστε περισσότεραΕισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500
Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Πληθυσμός Δείγμα Δείγμα Δείγμα Ο ρόλος της Οικονομετρίας Οικονομική Θεωρία Διατύπωση της
Διαβάστε περισσότεραΠαράδειγμα: Γούργουλης Βασίλειος, Επίκουρος Καθηγητής Τ.Ε.Φ.Α.Α.-Δ.Π.Θ.
Έλεγχος ύπαρξης στατιστικά σημαντικών διαφορών μεταξύ δειγμάτων, που διαχωρίζονται βάσει ενός επαναλαμβανόμενου και ενός ανεξάρτητου παράγοντα (Ανάλυση διακύμανσης για εξαρτημένα δείγματα ως προς δύο παράγοντες,
Διαβάστε περισσότεραΜελέτη των spreads των ελληνικών ομολόγων.
Master in Business Administration Τμήμα Διοίκησης Επιχειρήσεων, Πανεπιστημίου Πατρών Μελέτη των spreads των ελληνικών ομολόγων. Διπλωματική Εργασία Χριστόφορος Κωνσταντάτος ΑΜ. 323 Μελέτη των spreads των
Διαβάστε περισσότεραΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
Αλεξάνδρειο Τεχνολογικό Εκπαιδευτικό Ίδρυμα Θεσσαλονίκης Τμήμα Πληροφορικής Εργαστήριο «Θεωρία Πιθανοτήτων και Στατιστική» ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Περιεχόμενα 1. Συσχέτιση μεταξύ δύο ποσοτικών
Διαβάστε περισσότεραΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙI (ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ) (ΟΔΕ 2116)
Σελίδα 1 ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΜΑΘΗΜΑ: ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙΙ (ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ) (ΟΔΕ 2116) ΠΑΝΕΠΙΣΤΗΜΙΑΚΟΣ ΥΠΟΤΡΟΦΟΣ ΠΑΝΑΓΙΩΤΗΣ
Διαβάστε περισσότεραΣ.Μ.Ε., ΟΓΚΟΣ ΣΥΝΑΛΛΑΓΩΝ ΚΑΙ ΑΝΟΙΚΤΑ ΣΥΜΒΟΛΑΙΑ: ΤΥΧΑΙΟΣ ΠΕΡΙΠΑΤΟΣ ΚΑΙ ΠΡΟΒΛΕΨΗ ΣΤΟ Χ.Π.Α.
«ΣΠΟΥ ΑΙ», Τόμος 58, Τεύχος 1ο-2ο, (2008) / «SPOUDAI», Vol. 58, No 1-2, (2008), University of Piraeus pp. 148-184 Σ.Μ.Ε., ΟΓΚΟΣ ΣΥΝΑΛΛΑΓΩΝ ΚΑΙ ΑΝΟΙΚΤΑ ΣΥΜΒΟΛΑΙΑ: ΤΥΧΑΙΟΣ ΠΕΡΙΠΑΤΟΣ ΚΑΙ ΠΡΟΒΛΕΨΗ ΣΤΟ Χ.Π.Α.
Διαβάστε περισσότερα2η Ενότητα Προετοιμασία & Ανάλυση Χρονοσειράς. -
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Μονάδα Προβλέψεων & Στρατηγικής Forecasting & Strategy Unit Τεχνικές Προβλέψεων 2η Ενότητα Προετοιμασία & Ανάλυση Χρονοσειράς
Διαβάστε περισσότερα1. Εισαγωγή...σελ Δεδομένα της εργασίας...σελ Μεθοδολογία...σελ Ανάλυση των δεδομένων.σελ Συγκριτικά αποτελέσματα..σελ.
Περιεχόμενα 1. Εισαγωγή...σελ. 2 2. Δεδομένα της εργασίας......σελ. 3 3. Μεθοδολογία......σελ. 6 4. Ανάλυση των δεδομένων.σελ.13 5. Συγκριτικά αποτελέσματα..σελ.20 6. Συμπεράσματα.....σελ.20 7. Παράρτημα
Διαβάστε περισσότεραΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία 4.1 Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης Γενικεύοντας τη διμεταβλητή (Y, X) συνάρτηση
Διαβάστε περισσότεραΧρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2)
Χρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2) Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό Τμήμα,
Διαβάστε περισσότεραΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ. Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης Περιεχόμενα Εισαγωγή Το πρόβλημα - Συντελεστής συσχέτισης Μοντέλο απλής γραμμικής παλινδρόμησης
Διαβάστε περισσότεραΠρόλογος Μέρος Ι: Απλό και πολλαπλό υπόδειγμα παλινδρόμησης Αντικείμενο της οικονομετρίας... 21
Περιεχόμενα Πρόλογος... 15 Μέρος Ι: Απλό και πολλαπλό υπόδειγμα παλινδρόμησης... 19 1 Αντικείμενο της οικονομετρίας... 21 1.1 Τι είναι η οικονομετρία... 21 1.2 Σκοποί της οικονομετρίας... 24 1.3 Οικονομετρική
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 8 ΠΡΟΒΛΗΜΑΤΑ ΜΕ ΤΙΣ ΕΠΕΞΗΓΗΜΑΤΙΚΕΣ ΜΕΤΑΒΛΗΤΕΣ
ΚΕΦΑΛΑΙΟ 8 ΠΡΟΒΛΗΜΑΤΑ ΜΕ ΤΙΣ ΕΠΕΞΗΓΗΜΑΤΙΚΕΣ ΜΕΤΑΒΛΗΤΕΣ 8. ΕΙΣΑΓΩΓΗ Μέχρι τώρα τα προβλήματα που δημιουργούνται από την παραβίαση των υποθέσεων που πρέπει να ισχύουν ώστε οι OLS εκτιμητές να είναι BLUE
Διαβάστε περισσότεραΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΛΟΓΙΣΤΙΚΗ ΚΑΙ ΕΛΕΓΚΤΙΚΗ
ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΛΟΓΙΣΤΙΚΗ ΚΑΙ ΕΛΕΓΚΤΙΚΗ Μεταπτυχιακή Διπλωματική Εργασία Η ΑΥΞΗΣΗ ΤΩΝ ΣΥΝΤΕΛΕΣΤΩΝ ΦΠΑ ΣΤΗ ΤΡΙΕΤΙΑ 2009-2011 ΩΣ ΕΠΕΙΓΟΝ
Διαβάστε περισσότεραΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ ΣΤΗ ΛΟΓΙΣΤΙΚΗ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ. ιπλωµατική Εργασία
ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ ΣΤΗ ΛΟΓΙΣΤΙΚΗ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ ιπλωµατική Εργασία ΠΡΟΒΛΕΨΗ ΣΥΝΑΛΛΑΓΜΑΤΙΚΩΝ ΙΣΟΤΙΜΙΩΝ: Η ΠΕΡΙΠΤΩΣΗ ΕΥΡΩ - ΟΛΑΡΙΟΥ του ΘΩΜΑ ΛΑΖΟΥ
Διαβάστε περισσότεραADF Test Statistic % Critical Value*
ΘΕΜΑ 1 Έζησ όηη δηαζέηνπκε ζηνηρεία πνπ αθνξνύλ αιηήζεις τορήγηζης επιδόμαηος ανεργίας (unemployment claims) ζηελ αξκόδηα ππεξεζία ηεο πνιηηείαο ηεο Ιληηάλα ησλ ΗΠΑ. (α) Αλ ε κεηαβιεηή luclms είλαη ν ινγάξηζκνο
Διαβάστε περισσότεραHMY 795: Αναγνώριση Προτύπων
HMY 795: Αναγνώριση Προτύπων Διαλέξεις 9 10 Γραμμική παλινδρόμηση (Linear regression) Μπεϋζιανή εκτίμηση για την κανονική κατανομή Γνωστή μέση τιμή μ, άγνωστη διασπορά σ 2. Ακρίβεια λ=1/σ 2 : conjugate
Διαβάστε περισσότεραΤεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου Όρου (ARIMA)
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Μονάδα Προβλέψεων & Στρατηγικής Forecasting & Strategy Unit Τεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου
Διαβάστε περισσότεραForecasting Εισαγωγή στην Πρόγνωση
Forecasting Εισαγωγή στην Πρόγνωση Πρόγνωση Ορισμός Αντί προλόγου Εφαρμογές Εφοδιαστική Ορισμός: [
Διαβάστε περισσότερα1 (forward modeling) 2 (data-driven modeling) e- Quest EnergyPlus DeST 1.1. {X t } ARMA. S.Sp. Pappas [4]
212 2 ( 4 252 ) No.2 in 212 (Total No.252 Vol.4) doi 1.3969/j.issn.1673-7237.212.2.16 STANDARD & TESTING 1 2 2 (1. 2184 2. 2184) CensusX12 ARMA ARMA TU111.19 A 1673-7237(212)2-55-5 Time Series Analysis
Διαβάστε περισσότερα