{"componentChunkName":"component---src-templates-course-unit-page-tsx","path":"/en/courseunit/tilm3589/","result":{"data":{"translations":{"edges":[{"node":{"context":{"locale":"fi","code":"TILM3589","title":"Epälineaarinen aikasarja-analyysi"},"path":"/fi/opintojakso/tilm3589/"}},{"node":{"context":{"locale":"en","code":"TILM3589","title":"Nonlinear Time Series Analysis"},"path":"/en/courseunit/tilm3589/"}}]},"SISU":{"courseUnit":[{"id":"otm-8ff7e45a-88a8-30cd-a038-b86659e93bf1","code":"TILM3589","name":{"en":"Nonlinear Time Series Analysis","fi":"Epälineaarinen aikasarja-analyysi","sv":"Epälineaarinen aikasarja-analyysi"},"credits":{"max":6,"min":6},"studyLevel":null,"possibleAttainmentLanguages":[],"responsibleOrganisations":[],"coordinatingOrganisations":[],"curriculumPeriods":[],"cooperationNetworkDirection":"INBOUND","cooperationNetworks":[{"targetGroups":[{"activePhase":null,"educationIds":null,"educationTypes":null,"organisationIds":null,"educationGroupIds":null,"phase1OptionGroupIds":["jy-DP-21321","jy-DP-13215","otm-157daa3c-6f87-4d1d-86e2-5f2ed9872b58","jy-DP-13221","jy-DP-21280"],"phase2OptionGroupIds":null,"parentOrganisationIds":null,"learningOpportunityIds":null,"phase1OptionChildGroupIds":null,"phase2OptionChildGroupIds":null,"phase1EducationClassificationUrns":null,"phase2EducationClassificationUrns":null},{"activePhase":null,"educationIds":null,"educationTypes":null,"organisationIds":null,"educationGroupIds":null,"phase1OptionGroupIds":null,"phase2OptionGroupIds":["jy-DP-15471","jy-DP-13215"],"parentOrganisationIds":null,"learningOpportunityIds":null,"phase1OptionChildGroupIds":null,"phase2OptionChildGroupIds":null,"phase1EducationClassificationUrns":null,"phase2EducationClassificationUrns":null},{"activePhase":null,"educationIds":null,"educationTypes":null,"organisationIds":null,"educationGroupIds":null,"phase1OptionGroupIds":["otm-af81f116-e2c7-4ddd-a995-b5a3f769efd0"],"phase2OptionGroupIds":null,"parentOrganisationIds":null,"learningOpportunityIds":null,"phase1OptionChildGroupIds":["otm-7115fcfa-a836-4071-87dd-12907142ff6e"],"phase2OptionChildGroupIds":null,"phase1EducationClassificationUrns":null,"phase2EducationClassificationUrns":null},{"activePhase":null,"educationIds":null,"educationTypes":null,"organisationIds":null,"educationGroupIds":null,"phase1OptionGroupIds":["otm-d4ca8e88-2100-4732-9b27-613c74807e98"],"phase2OptionGroupIds":null,"parentOrganisationIds":null,"learningOpportunityIds":null,"phase1OptionChildGroupIds":["otm-56907236-443b-46cc-82cd-4f5f900be109"],"phase2OptionChildGroupIds":null,"phase1EducationClassificationUrns":null,"phase2EducationClassificationUrns":null},{"activePhase":null,"educationIds":null,"educationTypes":null,"organisationIds":null,"educationGroupIds":null,"phase1OptionGroupIds":["otm-141caed2-2906-4382-8115-8a32f8aea2d9"],"phase2OptionGroupIds":null,"parentOrganisationIds":null,"learningOpportunityIds":null,"phase1OptionChildGroupIds":["otm-a1152c89-5848-4824-b84c-d9b9366c8de3"],"phase2OptionChildGroupIds":null,"phase1EducationClassificationUrns":null,"phase2EducationClassificationUrns":null},{"activePhase":null,"educationIds":null,"educationTypes":null,"organisationIds":null,"educationGroupIds":null,"phase1OptionGroupIds":null,"phase2OptionGroupIds":["otm-141caed2-2906-4382-8115-8a32f8aea2d9"],"parentOrganisationIds":null,"learningOpportunityIds":null,"phase1OptionChildGroupIds":null,"phase2OptionChildGroupIds":["otm-a1152c89-5848-4824-b84c-d9b9366c8de3"],"phase1EducationClassificationUrns":null,"phase2EducationClassificationUrns":null}],"description":{"en":"<p>This course is offered through the Network for Advanced Studies in Mathematics. These studies are available for the following degree students:</p><ul><li>Bachelor's Degree Programme in Mathematics</li><li>Master's Degree Programme in Mathematics</li><li>Bachelor's Degree Programme in Mathematics (Subject Teacher)</li><li>Master's Degree Programme in Mathematics&nbsp;(Subject Teacher)</li><li>Bachelor's Degree Programme in Mathematics, Chemistry or Physics Subject Teacher Education and Primary Teacher Education (Specialication in Mathematics)</li><li>Master's Degree Programme in Mathematics, Chemistry or Physics Subject Teacher Education and Primary Teacher Education (Specialication in Mathematics)</li><li>Doctoral Programme in Mathematics and Statistics</li><li>Doctoral Programme in Mathematics and Science (Specialication in Mathematics)</li><br></ul>","fi":"<p>Tämä opintojakso on tarjolla Matematiikan syventävät opinnot -ristiinopiskeluverkostossa. Verkoston opinnot ovat tarjolla seuraaville opiskelijoille:</p><ul><li>Matematiikan kandidaattiohjelma</li><li>Matematiikan maisteriohjelma</li><li>Matematiikan aineenopettajien kandidaattiohjelma</li><li>Matematiikan aineenopettajien maisteriohjelma</li><li>Matematiikan, kemian tai fysiikan aineenopettajan ja luokanopettajan kandidaattiohjelma (matematiikan opintosuunta)</li><li>Matematiikan, kemian tai fysiikan aineenopettajan ja luokanopettajan maisteriiohjelma (matematiikan opintosuunta)</li><li>Matematiikan ja tilastotieteen tohtoriohjelma</li><li>Matemaattisten tieteiden ja luonnontieteiden tohtoriohjelma (matematiikan opintosuunta)</li><br></ul>"},"cooperationNetwork":{"abbreviation":"matematiikansyventavat","name":{"en":"Cross-institutional studies in advanced courses in mathematics and statistics","fi":"Matematiikan ja tilastotieteen syventävien kurssien ristiinopiskelu","sv":"Korsstudier i fördjupade kurser i matematik och statistik"}}}],"gradeScaleId":"sis-0-5","outcomes":{"en":"After the course, the student\r\n- masters a wide range of advanced nonlinear time series models and techniques, including statistical inference and forecasting therein, and knows linkages to modern statistical learning and machine learning when analyzing time series data.\r\n- has methodological and practical skills for conducting empirical nonlinear time series analysis independently.","fi":"Opintojakson suoritettuaan opiskelija tuntee ja hallitsee: \r\n- Useita erilaisia epälineaarisia aikasarjamalleja ja niiden yhteyksiä moderniin tilastolliseen oppimiseen ja koneoppimiseen aikasarja-aineistoja analysoitaessa.\r\n- Epälineaarisen aikasarjamallin rakentamiseen, estimointiin ja ennustamiseen liittyvät menetelmät\r\n- Riittävät menetelmälliset ja käytännölliset valmiudet suorittaa soveltavaa epälineaarista aikasarja-analyysiä omatoimisesti.","sv":"Opintojakson suoritettuaan opiskelija tuntee ja hallitsee: \r\n- Useita erilaisia epälineaarisia aikasarjamalleja ja niiden yhteyksiä moderniin tilastolliseen oppimiseen ja koneoppimiseen aikasarja-aineistoja analysoitaessa.\r\n- Epälineaarisen aikasarjamallin rakentamiseen, estimointiin ja ennustamiseen liittyvät menetelmät\r\n- Riittävät menetelmälliset ja käytännölliset valmiudet suorittaa soveltavaa epälineaarista aikasarja-analyysiä omatoimisesti."},"tweetText":null,"content":{"en":"This course introduces modern nonlinear time series models for the conditional mean, conditional variance and limited dependent variables, including model specification, estimation, evaluation and forecasting, as well as connections to statistical learning and machine learning in connection to time series data.\r\n\r\nAll the considered nonlinear models and methods are general and can be applied in any field but are highly important especially in various macroeconomic and financial applications.","fi":"Kurssilla käsitellään epälineaarisia ehdollisen odotusarvon, ehdollisen varianssin sekä rajoitettujen vastemuuttujien aikasarjamalleja, niiden parametrien estimointia, testausta, ennustamista sekä yhteyksiä tilastolliseen oppimiseen ja koneoppimiseen aikasarja-aineistojen tapauksessa.\r\n\r\nKurssin empiiriset sovellukset liittyvät erityisesti makro- ja rahoitustaloustieteen keskeisiin sovelluksiin, mutta esiteltävät menetelmät ovat yleisiä ja käytettävissä myös monilla muilla sovellusalueilla.","sv":"Kurssilla käsitellään epälineaarisia ehdollisen odotusarvon, ehdollisen varianssin sekä rajoitettujen vastemuuttujien aikasarjamalleja, niiden parametrien estimointia, testausta, ennustamista sekä yhteyksiä tilastolliseen oppimiseen ja koneoppimiseen aikasarja-aineistojen tapauksessa.\r\n\r\nKurssin empiiriset sovellukset liittyvät erityisesti makro- ja rahoitustaloustieteen keskeisiin sovelluksiin, mutta esiteltävät menetelmät ovat yleisiä ja käytettävissä myös monilla muilla sovellusalueilla."},"additional":null,"prerequisites":{"en":"In addition to the basic course on time series analysis (such as TILM3541) or equivalent, students are expected to have the basic knowledge of linear regression analysis (including the basics of statistical inference), or introductory econometrics in economics and finance, and the prerequisites for those courses.\r\n\r\nIn addition, it is strongly recommended to complete Multiple Time Series Analysis (TILM3586, and/or Macroeconometrics TILM3609) before or at the same time as this course due to the datasets and applications discussed in the course. Similarly, it is recommended to complete courses Advanced Regression Analysis and Statistical Learning (TILM3587 or TILM3622) and Advanced Statistical Learning (TILM3620), or similar courses, on statistical (machine) learning regarding the essential points of these methods.","fi":"Aikasarja-analyysin aineopintotasoinen kurssi (TILM3541), ml. kurssin vaatimat esitiedot, erityisesti tilastotieteen aineopintojen Tilastollinen päättely I (TILM3561) ja II (TILM3707) sekä Lineaariset ja yleistetyt lineaariset mallit (TILM3588), tai vastaavat tiedot mm. taloustieteen Ekonometrian johdantokurssin tai laskentatoimen ja rahoituksen Ekonometrian peruskurssin myötä.\r\n\r\nLisäksi suositellaan vahvasti myös aikasarja-analyysin teemojen osalta Moniulotteisen aikasarja-analyysin (TILM3586, ja/tai Makroekonometrian TILM3609) suorittamista ennen tai samanaikaisesti tämän kurssin kanssa kurssilla käsiteltävistä aineistoista ja sovelluksista johtuen. Samoin suositellaan ennakkotietoina kurssien Regressioanalyysi ja tilastollinen oppiminen (TILM3587 tai TILM3622) sekä Tilastollisen oppimisen jatkokurssin (TILM3620), tai vastaavien kurssien, tilastollista oppimista ja koneoppimista koskevien keskeisten tietojen hallintaa ennen kurssille osallistumista."},"compulsoryFormalPrerequisites":[],"recommendedFormalPrerequisites":[],"literature":[],"learningMaterial":null,"completionMethods":[]}],"prerequisiteCourseUnit":[],"prerequisiteModule":[]},"prerequisiteCourseUnitPage":{"nodes":[]},"prerequisiteModulePage":{"nodes":[]},"parentModulePage":{"nodes":[]}},"pageContext":{"type":"courseUnit","locale":"en","title":"Nonlinear Time Series Analysis","id":"otm-8ff7e45a-88a8-30cd-a038-b86659e93bf1","code":"TILM3589","prerequisiteCourseUnitIds":[],"prerequisiteModuleIds":[],"parentModuleIds":[],"curriculumPeriodStartDate":"2026-08-01","curriculumPeriodEndDate":"2027-08-01","coordinatingOrgIds":[],"searchable":false,"searchTags":null,"organisationIds":["otm-69f8ea31-de0c-3050-ab2a-e571fbab1f95"],"organisations":[],"attainmentLanguages":[],"hasSummerStudies":false,"teachingPeriods":[],"cooperationNetworkDirection":"INBOUND","hasCooperationNetworkSettings":true,"hasAvoinTeaching":false}}}