Mô tả vắn tắt học phần

1. Tên học phần:

Phân tích chuỗi thời gian và dự báo

2. Ngôn ngữ giảng dạy:

Tiếng Việt

3. Mã học phần:

M01180

4. Bộ môn phụ trách giảng dạy:

KTLQLNN - Khoa Toán - Thống kê

5. Trình độ:

Thạc sĩ

6. Số tín chỉ:

3

7. Phân bổ thời gian:

  • Đối với hoạt động trên lớp:
  • Lý thuyết: 46 tiết
  • Làm việc nhóm, thảo luận:
  • Đối với hoạt động tại phòng máy tính, phòng mô phỏng, …:
  • Thực hành, làm việc nhóm, thảo luận
  • Tự nghiên cứu, tự học: 64 tiết
  • Đồ án, Đề án, Dự án: 40 tiết. Dự án nhóm: mỗi nhóm (gồm 3-4 sinh viên) chọn 1 đề tài liên quan đến môn học. Tiến hành nghiên cứu và báo cáo kết quả dự án dưới hình thức bản thảo bài báo (10-20 trang) và trình bày kết quả trong 15 phút.
  • Thực tập

8. Tính chất học phần:

Tự chọn

9. Ngành áp dụng:

Toán kinh tế

10. Điều kiện tiên quyết:

STT Mã học phần Tên học phần (VN) Tên học phần (EN) Số tín chỉ
1 M01081 Kinh tế lượng chuyên ngành Specialized Econometrics 3

11. Mục tiêu học phần:

Học phần Phân tích chuỗi thời gian và dự báo nhằm cung cấp kiến thức về mô hình và phương pháp dự báo chuỗi thời gian cơ bản và nâng cao. Môn học cũng nhằm trang bị cho người học kỹ năng sử dụng các phần mềm thống kê trong việc xây dựng, ước lượng, kiểm định các mô hình chuỗi thời gian và ứng dụng các mô hình này trong dự báo./The course Time Series Analysis and Forecasting aims to provide knowledge on basic and advanced time series forecasting models and methods. The course also aims to equip students with the skills to use statistical software in building, estimating, and testing time series models, as well as applying these models in forecasting.

12. Mô tả vắn tắt nội dung học phần:

Học phần này giới thiệu về các phương pháp phân tích chuỗi thời gian và dự báo. Người học sẽ được trang bị các kiến thức về xác định vấn đề nghiên cứu liên quan đến dữ liệu chuỗi thời gian, cách thức tiến hành thu thập dữ liệu và tiến hành phân tích sơ bộ để khám phá các đặc trưng của dữ liệu chuỗi thời gian, cách thức lựa chọn phương pháp dự báo phù hợp,  các bước tiến hành các phương pháp này, cũng như cách thức đánh giá kết quả dự báo và các vấn đề thực tiễn cần lưu ý khi dự báo. Trong mỗi phần, người học sẽ được trang bị kiến thức về cơ sở lý thuyết và thực hành với dữ liệu thực tế trên phần mềm R.