03. Econometrics - Outliers as exogeneous shock variables
Preber si túto prednášku so svojou AI
Skopíruj pripravený podklad a vlož ho do ChatGPT, Claude alebo inej AI — bude ťa učiť alebo skúšať len z tejto prednášky.
Zhrnutie prednášky
Prednáška ukazuje, ako v regresii ošetriť odľahlé hodnoty a exogénne šoky pomocou umelých (dummy) premenných. Ako príklady slúžia recesie podľa business cycle clock Európskej komisie a NBER, ďalej zmeny režimu výmenného kurzu (pohyblivý vs. nepohyblivý) a režimu menovej politiky podľa údajov MMF. Dummy premenné sa môžu nahradiť aj spojitými premennými, napríklad objemom pôžičiek MMF, cenou ropy či tokmi portfólia. Premennú špecifickú pre režim krajiny je vhodné ponechať v modeli aj pri nevýznamnosti, pretože recenzenti sa na ňu spýtajú. Na záver lektor ukázal rýchlu detekciu extrémnych hodnôt cez normálne rozdelenie s 99 % intervalom, kde extrémne zmeny kurzu dostanú hodnotu 1, a zmienil, že ďalšou témou budú chýbajúce dáta a modely GARCH.
- - Exogénne šoky (recesie, zmeny režimu) sa do regresie pridávajú ako dummy premenné s hodnotou 1 v období šoku a 0 inak.
- - Recesie sa dajú určiť z business cycle clock Európskej komisie (eurozóna) alebo z NBER (USA, mesačné dáta).
- - Zmeny režimu výmenného kurzu a menovej politiky sa dajú zistiť z reportov MMF; treba určiť, ktorý režim je 1 a ktorý 0.
- - Namiesto dummy premenných možno ako exogénne premenné použiť aj spojité veličiny, napr. pôžičky MMF, cenu ropy alebo toky portfólia.
- - Dummy špecifickú pre režim krajiny je lepšie ponechať v modeli aj bez štatistickej významnosti, lebo recenzenti sa na ňu spýtajú.
- - Extrémne hodnoty sa dajú detegovať pomocou normálneho rozdelenia: hodnoty mimo 99 % intervalu (pravdepodobnosť pod 1 %) dostanú dummy 1.
- - Nasledujúca prednáška bude o chýbajúcich dátach, potom o modeloch GARCH a podmienených modeloch.
Zhrnutie pripravené s pomocou AI z prepisu videa.
nechodím na prednášky