• ECTS

    3 crédits

  • Composante

    Sciences économiques, gestion, mathématiques et informatique

  • Volume horaire

    21.0h

  • Période de l'année

    Enseignement neuvième semestre

Description

Préambule : si, pour tenir compte de la situation sanitaire, des restrictions ou des contraintes sont imposées à l'Université Paris Nanterre ou à l'UFR SEGMI, tout ou partie des épreuves, contrôles de connaissances et examens terminaux de la session 1 et de la session 2, ainsi que des sessions de rattrapages, pourront se dérouler en mode distancié.

Ce cours traite des modèles de séries chronologiques avancés, en particulier dans un cadre multivarié. Après une revue des concepts importants, les modèles de type ARDL, VAR et Structural VAR sont abordés. Pour chaque modèle, nous détaillons les étapes de spécification, d'estimation, de validation et d'utilisation dans un double objectif de prévision et de mesure d'impact de choc. De nombreuses applications en macroéconomie et en finance sont proposées, en particulier avec le logiciel R.

Lire plus

Objectifs

L'objectif de ce cours est de familiariser avec les étudiants avec les modèles multivariés et leurs applications en macroéconomie et finance.

Lire plus

Évaluation

Evaluation sur dossier.

Prise en compte de la situation sanitaire : se référer à la disposition générale figurant en préambule des fiches de cours du présent document.

Lire plus

Heures d'enseignement

  • Séries temporelles avancéesCM21h

Pré-requis nécessaires

Pré-requis : Concepts en séries chronologiques, modélisation économétrique

Lire plus

Contrôle des connaissances

Evaluation sur dossier.

Prise en compte de la situation sanitaire : se référer à la disposition générale figurant en préambule des fiches de cours du présent document.

Lire plus

Compétences visées

Modélisation des séries chronologiques, prévision et mesure d'impact de choc structurel

Lire plus

Bibliographie

Hamilton (1994), Time Series Analysis, Princeton
Kilian & Luthkepohl (2017), Structural Vector Autoregressive Analysis, Cambridge
Ghysels & Marcellino (2018), Applied Economic Forecasting using Time Series Methods, Oxford

Lire plus

Ressources pédagogiques

Classe interactive

Lire plus