Aleksander Welfe

prof. dr hab. Aleksander Welfe
Ordinary Member of the Polish Academy of Sciences
Office hours: Monday 11.00-13.00 (by appointment)
Room: E-226
Tel. 42-635 51 71
Email: aleksander.welfe@uni.lodz.pl

(SGH, Metody Ilościowe: II stopień)

prof. dr hab. Aleksander Welfe
2025/2026

Program obejmuje podstawowe zagadnienia z zakresu metod ekonometrycznych analizy szeregów czasowych generowanych przez stacjonarne i niestacjonarne procesy stochastyczne.

Literatura podstawowa:
   1. J. D. Hamilton, Time Series Analysis, Princeton University Press, Princeton 1994
   2. A.Welfe, Ekonometria, PWE, Warszawa 2018
   3. A.Welfe, J. Brzeszczyński, M. Majsterek, Angielsko-Polski Polsko-Angielski słownik terminów ilościowych, PWE, Warszawa 2002

Literatura uzupełniająca:
   1. Ł.Gątarek, A.Welfe, Forecasting Nonstationary Time Series, Journal of Forecasting, vol. 42, 2023, 1930-1949
   2. Ł.Gątarek, A.Welfe, Speed of Convergence to Normality when Regressors are Nonstationary, Oxford Bulletin of Economics and Statistics, 87, 871-879
   3. W.Grabowski, A.Welfe, The Tobit Cointegrated Vector Autoregressive Model: An Application to the Currency Market, Economic Modelling, vol. 89, 2020, 88-100
   4. K. Juselius, The Cointegrated VAR Model, Oxford University Press, Oxford 2006
   5. H. Lütkepohl, New Introduction to Multiple Time Series Analysis, Springer-Verlag, Berlin 2006
   6. G.S. Maddala, Ekonometria, PWN, Warszawa 2006
   7. M. Majsterek, Wielowymiarowa analiza kointegracyjna w ekonomii, Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2008
   8. A. Torój (red.), Zastosowania ekonometrii. Dziesięć niegroźnych przykładów, Oficyna Wydawnicza SGH, Warszawa 2017
   9. Torój, A., Managing external macroeconomic imbalances in the EU: the welfare cost of scoreboard-based constraints, Economic Modelling, vol. 61, 2017, 293-311
  10. A. Welfe (red.), Analiza kointegracyjna w makromodelowaniu, PWE, Warszawa 2013

Program:
   1. Modele jednowymiarowe: liniowe, nieliniowe, estymacja, weryfikacja hipotez. Estymacja z restrykcjami.
   2. Niezmienniczość modelu. Niejednorodność prób. Modele ze skokowymi zmianami parametrów. Modele z gładką zmianą reżimu: STR, STAR, MR-STR.
   3. Modele dynamiczne: z nieskończonym i skończonym rozkładem opóźnień. Model ADL. Modele ze zautokorelowanym składnikiem losowym. Restrykcje wspólnego czynnika (COMFAC).
   4. Sezonowość: przyczyny i postępowanie w modelowaniu. Odsezonowywanie szeregów czasowych: metoda TRAMO/SEATS.
   5. Modele w przestrzeni stanów: specyfikacja, założenia, zastosowania.
   6. Szacowanie parametrów modeli w przestrzeni stanów: funkcja wiarygodności, błędy obserwacji, zmienne wygładzone.
   7. Niestacjonarność procesów stochastycznych generujących dane: przyczyny, konsekwencje, testowanie.
   8. Równowaga statyczna i dynamiczna. Dekompozycja zmienności na część długo- i krótkookresową. Model ECM.
   9. Anihilacja wspólnych trendów stochastycznych. Twierdzenie Grangera. Kointegracja jednowymiarowa i jej ograniczenia.
  10. Układy równań współzależnych: analiza właściwości, warunki identyfikacji, estymacja parametrów. Stabilność modelu.
  11. Analizy symulacyjne. Prognozowanie i analizy scenariuszowe na podstawie układów równań.
  12. Wielowymiarowe modele autoregresyjne (VAR): estymacja parametrów, testowanie właściwości składników losowych (normalność, autokorelacja, efekt grupowania wariancji). Prognozowanie na podstawie modeli VAR.
  13. Analiza reakcji na impuls w modelu VAR. Przyczynowość. Strukturalizacja modeli VAR.
  14. Skointegrowany wektorowy model autoregresyjny (CVAR).
  15. Restrykcje strukturalizujące w modelu CVAR. Egzogeniczność w modelu CVAR. Marginalizacja modelu CVAR.

Egzamin pisemny (I termin) będzie składać się z dwóch części:

• pierwsza odbędzie się w godzinach wykładu ... 2025 roku,
• druga odbędzie się ... 2026 roku, w godzinach ... , w sali ... .

Aby otrzymać ocenę pozytywną trzeba uzyskać minimum 50% sumy punktów najlepszego wyniku.

Egzamin pisemny (II termin), z całości materiału, odbędzie się ... 2026 roku, w godzinach ... , w sali ... .
Aby otrzymać ocenę pozytywną w II terminie trzeba uzyskać 50% punktów możliwych do uzyskania.

Każdy ze sprawdzianów składa się z 5 zadań. Istnieje możliwość zamiany punktów za najniżej ocenione zadanie na danym sprawdzianie na punkty uzyskane poprzez rozwiązanie zadania domowego. Taką intencję trzeba zadeklarować z góry, najpóźniej 3 tygodnie przed sprawdzianem, poprzez formularz, który zostanie udostępniony w zespole przedmiotu na platformie MS Teams. Zadanie do rozwiązania zostanie przekazane e-mailem przez wykładowcę najpóźniej 2 tygodnie przed sprawdzianem. Rozwiązanie należy przekazać jako plik PDF najpóźniej 3 dni przed sprawdzianem za pomocą funkcji Zadania (zespół przedmiotu, Teams).

Na egzaminie obowiązuje cały materiał, który obejmuje sylabus w takim zakresie w jakim jest opisany w literaturze obowiązkowej oraz zagadnienia omówione na zajęciach.

Jeśli przeprowadzenie egzaminów w formie stacjonarnej nie będzie możliwe, zostaną wykorzystane MS Teams i/lub Moodle. Osoba składająca egzamin musi mieć możliwość zalogowania w MS Teams i Moodle z jednoczesną transmisją wizji i fonii, być wyposażona w długopis, notatnik oraz kalkulator. W czasie egzaminu jest niedozwolone korzystanie z jakichkolwiek innych urządzeń elektronicznych, książek, samodzielnie sporządzonych notatek i innych materiałów. W pomieszczeniu, z którego będzie transmitowany egzamin, nie powinna znajdować się żadna inna osoba poza zdającą egzamin.

(UŁ, Ekonometria i Analityka Danych: I stopień)

prof. dr hab. Aleksander Welfe
2024/2025

Literatura obowiązkowa
    1. W.Grabowski, A.Welfe, Ekonometria. Zbiór zadań, PWE, Warszawa 2010.
    2. A. Welfe, Ekonometria, PWE, Warszawa 2018.

Literatura uzupełniająca
    1. G. C. Chow, Ekonometria, PWN, Warszawa 1995.
    2. G. S. Maddala, Ekonometria, PWN, Warszawa 2006.
    3. M. Majsterek, Wielowymiarowa analiza kointegracyjna w ekonomii, WUŁ, Łódź 2008.
    4. A. Welfe (red.), Analiza kointegracyjna w makromodelowaniu, PWE, Warszawa 2013.

Program
    1. Model ADL(S,Q,K). Model ECM oraz jego transformacje.
    2. Niestacjonarne procesy stochastyczne. Proces błądzenia losowego. Trendy stochastyczne.
    3. Testowanie stacjonarności.
    4. Kointegracja. Twierdzenie Grangera o reprezentacji.
    5. Metoda Engle'a- Grangera.
    6. Model VAR.
    7. Model CVAR
    8. Procedura Johansena. Testowanie kointegracji. 
    9. Restrykcje strukturalizujące w modelu CVAR.
    10. Marginalizacja modelu CVAR. Słaba egzogeniczność.
    11. Strategia modelowania przy wykorzystaniu modelu CVAR.

Warunkiem zaliczenia ćwiczeń jest zaliczenie dwóch prac pisemnych, które odbędą się:

• 25 kwietnia w godzinach wykładu
• 24 czerwca w godzinach 10-11.30, w sali E217.

Na pracach pisemnych obowiązuje cały materiał, który obejmuje sylabus w takim zakresie w jakim jest opisany w literaturze obowiązkowej oraz został zrealizowany na zajęciach. Na pracach pisemnych zabronione jest korzystanie z urządzeń elektronicznych z wyjątkiem kalkulatorów czterodziałaniowych.

Punkty z obydwu prac są sumowane. Aby otrzymać ocenę pozytywną należy uzyskać co najmniej 50% punktów najlepszego wyniku. 

Egzamin ustny odbędzie się 30 czerwca, początek 9.00.

Zaliczenie poprawkowe odbędzie się w dniu 5 września, w godzinach 10-11.30, w sali E217.

Aby otrzymać ocenę pozytywną z zaliczenia poprawkowego, należy uzyskać co najmniej połowę wszystkich możliwych punktów.

Egzamin ustny poprawkowy odbędzie się 15 września, początek 9.00.

Jeśli przeprowadzenie egzaminów w formie stacjonarnej nie będzie możliwe, zostaną wykorzystane MS Teams i/lub Moodle.

Osoba składająca egzamin musi mieć możliwość zalogowania w MS Teams i Moodle z jednoczesną transmisją wizji i fonii, być wyposażona w długopis, notatnik oraz kalkulator. W czasie egzaminu jest niedozwolone korzystanie z jakichkolwiek innych urządzeń elektronicznych, książek, samodzielnie sporządzonych notatek i innych materiałów. W pomieszczeniu, z którego będzie transmitowany egzamin, nie powinna znajdować się żadna inna osoba poza zdającą egzamin.

(UŁ, Różne kierunki: II stopień )

Seminaria są prowadzone przez pracowników Katedry Modeli i Prognoz Ekonometrycznych Uniwersytetu Łódzkiego. Tematyka obejmuje metody ekonometryczne i ich zastosowanie w makro-- i mikromodelowaniu. W ramach przygotowywanych prac magisterskich słuchacze wykorzystują nowoczesne metody ekonometryczne, np.:

• kointegrację szeregów czasowych i danych panelowych,
• modele klasy ARCH/GARCH,
• modele zmian strukturalnych,
• modele nieliniowe
• metody symulacyjne.

Badania mogą koncentrować się zarówno na kwestiach estymacji i weryfikacji hipotez, jak i modelowania, prognozowania i oceny alternatywnych polityk gospodarczych.

Przykładowe tematy badań:

1. Procesy inflacyjne w Polsce i gospodarkach europejskich. Krzywa Phillipsa.
2. Kurs walutowy a procesy inflacyjne: analiza efektu ‘pass-through’.
3. Kursy walutowe równowagi. Ryzyko kryzysu walutowego w ramach mechanizmu ERM2
4. Polityka monetarna i fiskalna w okresie poprzedzającym przystąpienie do ERM2.
5. Reguły decyzyjne w bankach centralnych.
6. Determinanty stóp procentowych. Stopy procentowe równowagi.
7. Determinanty podaży – funkcja produkcji i produktywność czynników produkcji.
8. Modelowanie i prognozowanie popytu. Kompletne modele popytu.
9. Handel zagraniczny. Bilans płatniczy. Przepływy kapitałów długo- i krótkoterminowych.
10. Procesy finansowe i ich modelowanie na podstawie danych wysokiej częstotliwości.
11. Badanie efektywności rynków.
12. Analiza oczekiwań (racjonalne, adaptacyjne).
13. Innowacyjność gospodarek a ich rozwój.
14. Modelowanie rynku pracy.
15. Heurystyczne metody optymalizacji w ekonometrii.
16. Ekonometryczna analiza wyników sportowych.
17. Prognozowanie procesów gospodarczych i finansowych – metody i aplikacje.
18. Modelowanie rynku usług medycznych.
19. Rynek usług wspólnych – determinanty rozwoju.
20. Prognozowanie zachowania podmiotów ekonomicznych (przedsiębiorstw).

W ostatnich latach obronione zostały następujące prace magisterskie:

1. Przenoszenie zmian kursu walutowego na inflację cen krajowych (*)
2. Zastosowanie metody kointegracji do modelu P-Star.
3. Analiza kointegracyjna modeli z zaburzeniami struktury na przykładzie modelu handlu zagranicznego Polski.
4. Szacowanie stopy NAIRU/NAWRU dla gospodarki polskiej przy wykorzystaniu wielowymiarowej analizy kointegracyjnej.
5. Nowoczesne modele kwantyfikacji ryzyka portfela kredytowego.
6. Analiza transmisji polityki monetarnej w Polsce.
7. Modelowanie inflacji w Polsce za pomocą modeli klasy ARCH.
8. Inflacja – ujęcie monetarystyczne i kosztowe.
9. Analiza kursu walutowego euro – dolar amerykański z uwzględnieniem przepływów kapitałowych.
10. Budżet państwa w okresie transformacji.
11. Zastosowanie liniowego modelu wydatków do analizy popytu konsumpcyjnego w Polsce
12. Progowy model korekty błędem.
13. Test hipotezy wspólnego potwierdzenia integracji.

(*) Praca wyróżniona w VII edycji Konkursu o Nagrodę Prezesa NBP za najlepszą pracę magisterską w 2014 roku