課程名稱 |
計量分析 Quantitative Analysis |
開課學期 |
107-2 |
授課對象 |
管理學院 財務金融學研究所 |
授課教師 |
管中閔 |
課號 |
Fin7047 |
課程識別碼 |
723EM9000 |
班次 |
|
學分 |
3.0 |
全/半年 |
半年 |
必/選修 |
必修 |
上課時間 |
星期一7,8,9(14:20~17:20) |
上課地點 |
管一402 |
備註 |
本課程以英語授課。 限碩士班以上 總人數上限:50人 |
Ceiba 課程網頁 |
http://ceiba.ntu.edu.tw/1072Fin7047_QA |
課程簡介影片 |
|
核心能力關聯 |
核心能力與課程規劃關聯圖 |
課程大綱
|
為確保您我的權利,請尊重智慧財產權及不得非法影印
|
課程概述 |
待補 |
課程目標 |
待補 |
課程要求 |
待補 |
預期每週課後學習時數 |
|
Office Hours |
每週三 14:00~17:00 每週二 14:00~17:00 備註: Room 415, Bidg.2 by Spencer Wang (r04323010@ntu.edu.tw) |
指定閱讀 |
待補 |
參考書目 |
[1]Kuan, C.-M., Lecture Slides, available at
https://ceiba.ntu.edu.tw/1072Fin7047
[2] Wooldridge, J. M., Introductory Econometrics, A Modern Approach, 6th
Edition, Cegage Learning, 2016.
[3] James, G., D. Witten, T. Hastie, and R. Tibshirani, An Introduction to
Statistical Learning with Applications in R, Springer, 2015. |
評量方式 (僅供參考) |
No. |
項目 |
百分比 |
說明 |
1. |
Homework |
20% |
|
2. |
Exam 1 |
40% |
|
3. |
Exam 2 |
40% |
|
|
週次 |
日期 |
單元主題 |
第1週 |
2/18 |
Economic Data and Simple Linear Regression |
第2週 |
2/25 |
Multiple Linear Regression: Estimation
(R: Introduction to R) |
第3週 |
3/04 |
Multiple Linear Regression: Inference
(R: Regression and Testing) |
第4週 |
3/11 |
Multiple Linear Regression: Asymptotics I
(R: Functions and Loops, Monte Carlo Simulation I) |
第5週 |
3/18 |
Multiple Linear Regression: Asymptotics II
(R: Monte Carlo Simulation II) |
第6週 |
3/25 |
Other Topics: Maximum Likelihood and Binary Choice Models
(R: Binary Choice Models) |
第7週 |
4/01 |
Other Topics: Quantile Regression |
第8週 |
4/08 |
Exam 1 |
第9週 |
4/15 |
Midterm discussion, Quantile Regression |
第10週 |
4/22 |
Resampling Methods
(R: Cross-Validation, Bootstrap) |
第11週 |
4/29 |
Linear Model Selection and Regularization I
(R: Subset Selection, Ridge Regression) |
第12週 |
5/06 |
Linear Model Selection and Regularization II
|
第13週 |
5/13 |
Moving Beyond Linearity I
(R: Polynomial Regression, Step Function, Splines) |
第14週 |
5/20 |
Moving Beyond Linearity II, Tree-Based Methods I
(R: Generalized Additive Models, Classification Trees) |
第15週 |
5/27 |
Tree-Based Methods II
(R: Regression Trees, Bagging, Random Forests, Boosting) |
第16週 |
6/03 |
Final Discussion and Review |
第17週 |
6/10 |
Exam 2 |
|