Primenjena analiza vremenskih serija

ljem ocene komponente dugoročnog rasta BDP i proizvodnog jaza.
U drugoj glavi objašnjeni su metodi analize jednodimenzionih vremenskih serija. Izložen je koncept primene obične i parcijalne autokorelacione funkcije. Definisana je klasa autoregresionih modela pokretnih proseka (ARMA modeli). Objašnjene su jednostavnije varijante ARMA modela, njihova upotreba u prognoziranju i metodi za ocenjivanje parametara.
Treća glava posvećena je modeliranju specifičnosti ekonomskih vremenskih serija. U cilju analize nestacionarnog kretanja definisana je klasa autoregresionih modela pokretnih proseka za integrisane veličine (ARIMA modeli). Obrađeni su testovi jediničnog korena kojima se utvrđuje da li je vremenska serija stacionarna ili ne. Izloženi su metodi za analizu sezonskih varijacija, kao i pristup kojim se uključuje informacija o strukturnom lomu. Definisani su modeli za analizu nestabilne varijanse (tzv. GARCH modeli). Svi navedeni metodi ilustrovani su rezultatima modeliranja konkretnih ekonomskih vremenskih serija.U četvrtoj glavi razmatrani su metodi analize višedimenzionih vremenskih serija. Na početku su navedene alternativne strategije makroekonometrijskog modeliranja. Potom je objašnjen koncept kointegracije. Pored kointegracione analize vremenskih serija definisana je i kointegracija u podacima panela. Prikazan je pristup modeliranja na osnovu primene vektorskog autoregresionog modela, koji je jedan od najčešće korišćenih u makroekonometrijskom modeliranju vremenskih serija (testovi uzročnosti, funkcija impulsnog odziva i kointegraciona analiza). Na primerima analize realnih ekonomskih podataka objašnjeni su praktični aspekti ovog pristupa.
Peta glava obuhvata rezultate analize trinaest vremenskih serija različite učestalosti i obima. Korišćeni su ARIMA modeli uz modifikacije zbog specifičnosti datih vremenskih serija. Ova glava prevashodno je namenjena studentima koji na osnovnim studijama prate nastavu iz predmeta Analiza vremenskih serija.