Statistik, Tidsserieanalys och prognosmetodik, fortsättningskurs, 7,5 hp
Tidsserieanalys används för att studera beroende över tiden. Hur dagens aktiekurs beror på tidigare aktiekurser, hur vattennivån i en sjö påverkas av tidigare vattennivåer och mängden regn under de senaste dagarna, hur ränta och tillväxt i BNP förklaras av tidigare räntor och tillväxttal. I kursen behandlas grundläggande tidsseriemodeller som ARIMA-modeller, enhetsrötter, multivariata tidsseriemodeller och kointegration samt modeller särskilt lämpliga för finansiella data. Förståelse för samband i tiden utgör grunden för framgångsrika prognoser och tidsseriemodellernas användning i prognossammanhang utgör ett viktigt inslag i kursen.
Fördjupning
Grundnivå, har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav (G1F)
Institution
Handelshögskolan vid Örebro universitet
Kursen ges vid följande tillfällen
-
Förkunskapskrav: 12 högskolepoäng från Grundläggande statistik, 15 högskolepoäng och 3 högskolepoäng från Data mining and business analytics, 15 högskolepoäng. Alternativt
12 högskolepoäng från Grundläggande statistik, 15 högskolepoäng och 1,5 högskolepoäng från Regressionsanalys, 7,5 högskolepoäng.Urval: Antal avklarade högskolepoäng tagna senast sista anmälningsdag (TPBC)
Anmälningskod: ORU-V2343
-
Förkunskapskrav: 12 högskolepoäng från Grundläggande statistik, 15 högskolepoäng och 3 högskolepoäng från Data mining and business analytics, 15 högskolepoäng. Alternativt
12 högskolepoäng från Grundläggande statistik, 15 högskolepoäng och 1,5 högskolepoäng från Regressionsanalys, 7,5 högskolepoäng.Urval: Antal avklarade högskolepoäng tagna senast sista anmälningsdag (TPBC)
Anmälningskod: ORU-V2646