اقتصاد سنجی مالی با EViews (کد2_آنلاین)

سرفصل دوره:
1-معرفی ساختار داده های مالی
- داده‌های مقطعی
- داده‌های سری زمانی
- داده‌های پانل
- نحوه ایجاد فایل‌های کاری متناسب با ساختارهای مختلف داده‌ای و بسامد نمونه در نرم افزار Eviews
2-مدیریت اولیه داده‌ها
- بررسی داده‌های خام
- تحلیل‌های گرافیکی
- بررسی‌های توصیفی
3-رگرسیون چندمتغیره خطی و غیرخطی شامل:
- برآوردهای مبتنی بر برقراری فروض گوس-مارکف (کلاس OLS) و نقض فروض گوس-مارکف (کلاس GLS)
- برآورد با استفاده از روش‌های نیرومند (Robust) و تفاوت آن با روش‌های مرسوم
- برآورد رگرسیون مرزی در موارد وجود هم خطی
- پس آزمون‌ها
- کنترل پایداری ضرایب
- شکست ساختاری چاو
- کنترل خودهمبستگی و ناهمسانی واریانس در نرم افزار Eviews
- شیوه انتخاب متغیر
- رگرسیون قدم به قدم یا  Stepwise Regression
- متوسط گیری بیزی ( Bayesian Model Averaging) در نرم افزار Eviews`
- رگرسیون چندمتغیره با متغیر وابسته کیفی
- رگرسیون پواسون و رگرسیون دو جمله‌ای منفی برای متغیرهای شمارشی
- رگرسیون متغیرهای پیوسته اسمی (لاجیت و پروبیت)
- رگرسیون متغیر وابسته محدود شده (رگرسیون تابیت)
 - و پس آزمون‌ها در نرم افزار Eviews
- رگرسیون چندمتغیره با داده‌های مفقود تصادفی و غیرتصادفی (به طور ویژه مدل دو مرحله ای حکمن)
4-رگرسیون سری های زمانی تک متغیره و چند متغیره خطی
- پیش آزمون‌های لازم برای استفاده از سری‌های زمانی تک متغیره شامل:
- معرفی مدل‌های سری زمانی و فرآیندهای تصادفی گوسی
- آزمون‌های ریشه واحد سالیانه و فصلی (انواع این آزمون‌ها و شرایط مختلف استفاده از آنها)
- استفاده از فیلترهای روند فصلی زدایی (فیلترهای X-11 و X-12)
- ترسیم گراف‌های توزیعی و خودهمبستگی های تک متغیره و چند متغیره در نرم افزار Eviews
- مدل‌سازی باکس-جینکینز
- تخمین توابع خودهمبستگی نمونه‌ای و خودهمبستگی جزیی نمونه‌ای
- شناسایی مرتبه فرآیندهای سری زمانی AR، MA و ARMA
- آزمون‌های تشخیصی و بسندگی مدل‌ها
- پیش‌بینی با استفاده از الگوهای علی سری‌های زمانی
- پیش‌بینی با استفاده از روش ناپارامتریک
- مدلسازی شکست‌های ساختاری چندگانه بای پرون
- مدل‌سازی چندمتغیره
- هم انباشتگی بین متغیرها و مفاهیم هم انباشتگی برای داده‌های مالی
- تخمین مدل‌های پارامتری و نیمه پارامتری هم انباشتگی در محیط Eviews
- مدلسازی سری ناهم انباشته با استفاده از رگرسیون ARDL
- مدلسازی VAR نامقید و VECM نامقید
- ترسیم و تفسیر انواع توابع واکنش به ضربه
- تجزیه واریانس و تفسیر آن
- مدلسازی VAR بیزی و LBVAR در Eviews
- پس آزمون‌ها و آزمون‌های تشخیصی
5-رگرسیون سری های زمانی غیرخطی تک متغیره (مدل های انتقال ملایم) شامل:
- معرفی انواع نقاط دور افتاده اخلالی (IO) و جمعی (AO)
- تشخیص و نحوه مدلسازی نقاط دور افتاده یا پرت
- تخمین مدل‌های غیرخطی شامل:
-TAR
-ESTAR
-LSTAR
- بیان تفاوت این مدل‌ها و شرایط استفاده از آنها در موقعیت های مختلف
- آزمون‌های تشخیص نوع مدل
- آزمون وجود روابط غیرخطی
- آزمون تعداد رژیم
- آزمون‌های کنترلی
- پیش‌بینی
- رگرسیون داده های پانل شامل:
- معرفی داده‌های پانل (2)
- مدل‌های میکرو پانل شامل
- اثرات ثابت و تصادفی
- روش آرلانو و باند
- روش هاسمن-تیلور
- پیش آزمون‌های تشیخص مدل (آزمون لیمر و آزمون هاسمن)
- پس آزمون‌هایکنترلی و تشخیصی (خودهمبستگی، ناهمسانی واریانس های مختلف درون مقطعی و برون مقطعی، خودهمبستگی همزمان و آزمون‌های نرمالیتی داده‌های پانل )
- مدل‌های ماکرو پانل
- آزمون های ریشه واحد نسل اول و دوم پانل
- آزمون هم انباشتگی داده های پانل
- پانل های سیستمی
- جمع بندی مدلسازی پانل
6-مدلسازی فضای حالت با فیلتر کالمن در محیط Eiviews
- تک متغیره
- نحوه نوشتن معادله سیگنال و معادله حالت در محیط Eviews
- مدلسازی مدل‌های سری زمانی تک متغیره ضرایب متغیر با فضای حالت
- نحوه انتخاب مقادیر اولیه
- انتخاب مناسب‌ترین مدل
- پس آزمون‌های کنترلی
- چندمتغیره
- مدلسازی VARMA
- پس آزمون‌ها در نرم افزار Eviews
7-مدلسازی تغییر رژیم مارکفی شامل:
- اهمیت و خواص این مدل‌ها
- مدلسازی تغییر رژیم در میانگین
- مدلسازی تغییر رژیم در واریانس
- مدلسازی تغییر رژیم در میانگین و واریانس
- پس آزمون‌ها و نحوه انتخاب مناسب‌ترین مدل