Data Analytics in Accounting and Finance

Πώς να Κάνετε Αίτηση - ΑΙΤΗΣΗ ΕΓΓΡΑΦΗΣ

Στο μάθημα αυτό οι σπουδαστές θα αναπτύξουν στατιστικές και ποσοτικές δεξιότητες και θα εξοικειωθούν με τις εφαρμογές τους στον τομέα των χρηματοοικονομικών και των επιχειρήσεων.

  1. Εμπειρική ανάλυση στην έρευνα

α. Ιστορικά δεδομένα

β. Δεδομένα έρευνας (Ερωτηματολόγιο, Συνέντευξη)

γ. Μελέτη περίπτωσης

  1. Εισαγωγή στις εφαρμοσμένες ποσοτικές τεχνικές

α. Ολοκληρώματα τυπικών συναρτήσεων

  1. Περιγραφική Στατιστική

α. Βασικές στατιστικές μετρήσεις. Πίνακες και γραφήματα εμπειρικών δεδομένων

  1. Θεωρία πιθανοτήτων

α. Μονοδιάστατες και δισδιάστατες τυχαίες μεταβλητές. Διακριτές και συνεχείς τυχαίες μεταβλητές. Αναμενόμενος μέσος όρος

β. Διακύμανση και συνδιακύμανση τυχαίων μεταβλητών. Εφαρμογές αυτών.

  1. Ανάλυση χρονοσειρών 1

α. Υποθέσεις OLS παλινδρόμησης

β. Πολλαπλή παλινδρόμηση OLS σε χρονοσειρές και διατομικά δεδομένα

  1. Ανάλυση χρονοσειρών 2

α. Ψευδομεταβλητές και μεταβλητές αλληλεπίδρασης, μη γραμμική

     παλινδρόμηση OLS.

β. Παραβίαση υποθέσεων και μεθόδους αποκατάστασης OLS

  1. Εις βάθος ανάλυσης Χρονοσειρών

α. Ανάλυση τάσεων πρόβλεψης και παλινδρόμησης

β. Univariate μοντέλα χρονοσειρών: μοντέλα AR, MA, ARMA και ARIMA

  1. Γραμμικά μοντέλα πιθανοτήτων

α. Διατύπωση μοντέλων περιορισμένων εξαρτώμενων μεταβλητών όπως  μοντέλα logit και probit.

Β. Εκτίμηση και ερμηνεία μοντέλων logit και probit

Newsletter

Εγγραφείτε στο newsletter​ για να λαμβάνετε τα νέα του BCA​