105.170 AKVWL Computational Economics
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2024S, VU, 2.0h, 3.0EC
TUWEL

LVA-Bewertung

Merkmale

  • Semesterwochenstunden: 2.0
  • ECTS: 3.0
  • Typ: VU Vorlesung mit Übung
  • Format der Abhaltung: Präsenz

Lernergebnisse

Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage...

  • dynamische ökonomische Modelle zu analysieren und numerisch zu lösen
  • ein Modell anhand von Daten zu kalibrieren oder zu schätzen
  • stochastische Simulationen des Modells durchzuführen
  • kontrafaktische Experimente zu vollziehen
  • eine Masterarbeit auf dem Gebiet der Makroökonomie zu verfassen

Inhalt der Lehrveranstaltung

  • Dynamische Programmierung: Theorie und Praxis
  • Real Business Cycle Modell und Kalibrierung/Schätzung
  • Modelle mit heterogenen Agenten
  • Modelle des Lebenszyklus
  • Numerische Methoden: Value function iteration, Monte-Carlo-Simulation, Linearisierung und Perturbation (Dynare), Projektionsmethoden

Der Syllabus der Lehrveranstaltung kann unter dem folgenden Link heruntergeladen werden:

http://jsiassi.de/nsiassi/CompEcon2024.pdf

Methoden

  • Interaktiver Vortrag, aktive Mitarbeit und Diskussionen sind erwünscht
  • Praktische Umsetzung der besprochenen numerischen Algorithmen in regelmäßigen Hausaufgaben (Gruppenarbeit möglich)
  • Besprechung der Lösung der Hausaufgaben in Übungseinheiten

Prüfungsmodus

Prüfungsimmanent

Vortragende Personen

Institut

LVA Termine

TagZeitDatumOrtBeschreibung
Do.12:00 - 15:0007.03.2024 - 27.06.2024Sem.R. DB gelb 04 AKVWL Computational Economics
Mo.10:00 - 12:0006.05.2024Sem.R. DB gelb 04 AKVWL Computational Economics
Mo.12:00 - 14:0006.05.2024Sem.R. DA grün 04 AKVWL Computational Economics
Mo.10:00 - 12:0017.06.2024Sem.R. DB gelb 04 AKVWL Computational Economics
Mo.12:00 - 16:0017.06.2024Sem.R. DA grün 04 AKVWL Computational Economics
AKVWL Computational Economics - Einzeltermine
TagDatumZeitOrtBeschreibung
Do.07.03.202412:00 - 15:00Sem.R. DB gelb 04 AKVWL Computational Economics
Do.14.03.202412:00 - 15:00Sem.R. DB gelb 04 AKVWL Computational Economics
Do.21.03.202412:00 - 15:00Sem.R. DB gelb 04 AKVWL Computational Economics
Do.11.04.202412:00 - 15:00Sem.R. DB gelb 04 AKVWL Computational Economics
Do.25.04.202412:00 - 15:00Sem.R. DB gelb 04 AKVWL Computational Economics
Do.02.05.202412:00 - 15:00Sem.R. DB gelb 04 AKVWL Computational Economics
Mo.06.05.202410:00 - 12:00Sem.R. DB gelb 04 AKVWL Computational Economics
Mo.06.05.202412:00 - 14:00Sem.R. DA grün 04 AKVWL Computational Economics
Do.16.05.202412:00 - 15:00Sem.R. DB gelb 04 AKVWL Computational Economics
Do.23.05.202412:00 - 15:00Sem.R. DB gelb 04 AKVWL Computational Economics
Do.06.06.202412:00 - 15:00Sem.R. DB gelb 04 AKVWL Computational Economics
Do.13.06.202412:00 - 15:00Sem.R. DB gelb 04 AKVWL Computational Economics
Mo.17.06.202410:00 - 12:00Sem.R. DB gelb 04 AKVWL Computational Economics
Mo.17.06.202412:00 - 16:00Sem.R. DA grün 04 AKVWL Computational Economics
Do.20.06.202412:00 - 15:00Sem.R. DB gelb 04 AKVWL Computational Economics
Do.27.06.202412:00 - 15:00Sem.R. DB gelb 04 AKVWL Computational Economics

Leistungsnachweis

Die Endnote setzt sich zusammen aus der Lösung der Hausaufgaben (30%) und einem Abschlussprojekt (70%).

Das Abschlussprojekt besteht aus der Präsentation eines Papiers aus der Literatur sowie einer (partiellen) Replizierung der numerischen Ergebnisse.

LVA-Anmeldung

Von Bis Abmeldung bis
22.02.2024 12:00

Curricula

StudienkennzahlVerbindlichkeitSemesterAnm.Bed.Info
066 926 Business Informatics Keine Angabe
860 GW Gebundene Wahlfächer - Technische Mathematik Keine Angabe

Literatur

Es wird kein Skriptum zur Lehrveranstaltung angeboten.

Vorkenntnisse

  • Kursteilnehmer sollten einführende Kurse in Makroökonomie und Mikroökonomie erfolgreich absolviert haben
  • Vorkenntnisse beim Programmieren (egal in welcher Programmiersprache) sollten vorhanden sein
  • Vorkenntnisse beim Lösen dynamischer Modelle sind vorteilhaft, aber nicht unbedingt notwendig
  • Wir werden während des Kurses mit MATLAB arbeiten. Studierende, die noch nicht mit MATLAB gearbeitet haben oder ihre Kenntnisse auffrischen möchten, werden gebeten, sich anhand von Anfängertutorials auf den Kurs vorzubereiten (auf Anfrage kann ich Übungsaufgaben zur Verfügung stellen)
  • TU-Studierende können eine freie lizensierte MATLAB-Kopie von der TU Wien IT-Webseite beziehen: http://www.sss.tuwien.ac.at/sss/mla/

Sprache

Englisch