Heb jij de ambitie om actuaris te worden? Heb jij een kwantitatieve master of ben je in het bezit van een masterdiploma? Kun je analytisch en kritisch denken en heb je statistisch inzicht? Dan is onze premaster EMAS (PrEMAS) je op het lijf geschreven!

Vorm Deeltijd
Studielast

Colleges (3 uur per module per week) en zelfstudie (5-7 uur per week per module)

Voertaal Nederlands
Kosten

€ 3.000 - € 3.250 (studiejaar 2018-2019)

Start September 2018
Locatie Johan de Witt huis (Utrecht)
Contactpersoon Leandra Pennartz (030-6866190)

 

Doelgroep

De PrEMAS is bedoeld voor professionals met een master of actuariële/econometrische (post)bachelor, werkzaam binnen het actuariële of financiële domein én met de ambitie om actuaris te worden. PrEMAS is hét programma om goed voorbereid in te stromen in de Executive Master of Actuarial Science (EMAS). Volg alleen die modules die nog nodig zijn om met de juiste voorkennis en vaardigheden te starten met de EMAS.

 

Modules

Je krijgt een individueel traject geadviseerd, waarbij een keuze wordt gemaakt uit de volgende modules:

 

 

Collegerooster 2018-2019

Ga naar het collegerooster premaster EMAS (PrEMAS) 2018-2019>>

 

Examenrooster 2018-2019

Ga naar het examenrooster premaster EMAS (PrEMAS) 2018-2019>>

 

Nieuwe volgorde modules PrEMAS met ingang van september 2019

De volgorde van de modules van de PrEMAS is vanaf september 2019 gewijzigd. De standaardvolgorde voor de modules als je de gehele PrEMAS moet volgen en er één jaar over doet (start september 2019) is als volgt:

 

Periode

Modulenr.

Moduletitel

sept. 2019

PrEMAS 1

Mathematics for Actuaries (middag)

 

PrEMAS 6

Macro- and Microeconomics (avond)

jan. 2020

PrEMAS 2

Quantitative Finance (avond)

 

PrEMAS 3

Probability Theory and Statistics for actuaries (middag)

april/mei 2020

PrEMAS 4

Econometrics and Academic skills (middag)

 

PrEMAS 5

Actuarial Science (avond)

 

De standaardvolgorde voor de modules als je de gehele PrEMAS moet volgen en er twee jaar over doet (start september 2019) is als volgt:

 

Periode

Modulenr.

Moduletitel

sept. 2019

PrEMAS 1

Mathematics for Actuaries (middag)

jan. 2020

PrEMAS 3

Probability Theory and Statistics for actuaries (middag)

april/mei 2020

PrEMAS 4

Econometrics and Academic skills (middag)

sept. 2020

PrEMAS 6

Macro- and Microeconomics (overlap met PrEMAS 4 – paar weken) – ((avond)

jan. 2021

PrEMAS 2

Quantitative Finance (avond)

april/mei 2021

PrEMAS 5

Actuarial Science (avond)

 

Voor de volgende modules geldt een ingangsadvies:

 

Premas 2 Quantitative Finance: ingangsadvies Premas 1 Mathematics for Actuaries

Premas 3 Probability theory and statistics for actuaries: ingangsadvies Premas 1 Mathematics for Actuaries

Premas 4 Econometrics and Academic Skills: ingangsadvies Premas 1 Mathematics for Actuaries en Premas 3 Probability theory and statistics for actuaries

Premas 5 Actuarials Science: ingangsadvies Premas 1 Mathematics for Actuaries en Premas 3 Probability theory and statistics for actuaries

 

Een ingangsadvies wordt als volgt gedefinieerd: het wordt dringend geadviseerd de voorgaande module reeds gevolgd te hebben. Het is niet verplicht om het examen al te hebben behaald voordat de student instroomt. Voor afwijkingsmogelijkheden van het ingangsadvies dient de student toestemming te hebben van de programmamanager.  

 

Voor AAN-afgestudeerden en voor bachelors en masters Economie geldt het volgende:

 

  • Standaard vrijstelling voor PrEMAS 6 Macro- & Microeconomics

 

Het is voor het AI niet mogelijk te bepalen welke consequenties de nieuwe modulevolgorde voor studenten heeft, dit hangt onder andere af van de examenresultaten en de studieplanning van de student zelf. Mocht je hier vragen over hebben, neem dan contact op met Leandra Pennartz (030-6866190). 

 

Meer informatie

Wil je weten welk traject jij moet volgen? Neem dan contact op met Leandra Pennartz (030-6866190) voor een persoonlijk advies (aanwezig van dinsdag tot en met vrijdag). 

 

PrEMAS 4 - Econometrics and Academic Skills

Level: The course is taught at the academic level of bachelor Econometrics

 

Module description

This course provides an introduction to commonly used econometric methods. The first part focuses on the theory and application of the linear regression model and covers the assumptions that are required for the identification and estimation of the model parameters. The students will derive the asymptotic properties of the ordinary least squares estimator and will learn how to interpret results, assess the validity of a chosen model, test hypotheses and make predictions.

In the second part of the course, the students will learn about methods that can be used when some of the assumptions underlying the linear regression model do not hold. Maximum likelihood estimation is applied to estimate models with binary outcomes (logit, probit) or with censored outcome data (Tobit). Methods that can be used to model stationary time series are also covered in this part.

Throughout the course, students will apply the methods to data from the financial, actuarial and economics domain using statistical programming language R. During these exercises we will discuss principles of modelling, sensitivity analysis, assumption checking, interpretation of the model output and reproducibility of results.

 

Entry requirements

It is strongly advised that the student has finished the course PrEMAS 1: Mathematical Methods (or equivalent) and that the student has followed or follows the course PrEMAS 3: Probability Theory and Statistics (or equivalent).

 

Learning objectives

Upon successful completion of the module, the student is able to:

  • Give examples of the types of questions that can be answered using econometric techniques and the types data that can be used to answer these questions;

  • Analyse linear relationships between variables using correlations and regression modelling;

  • State the assumptions of the linear regression model and explain when these assumptions may be violated;

  • Derive finite sample statistical properties of the ordinary least squares estimator;

  • Interpret the results of a linear regression model and explain how variable transformations can be used to alter the interpretation;

  • Estimate parameters for these models and perform diagnostic tests including checking assumptions and evaluating model fit;

  • Perform variable selection and engineering (e.g. dummy variables, interactions) and test for misspecification of the functional form;

  • Perform hypothesis testing on the values of the parameters;

  • Explain the impact of omitted variables on the unbiasedness of the least squares estimator;

  • Explain the impact of heteroskedasticity, multi-collinearity and autocorrelation on the parameter estimates and their standard errors and propose potential solutions;

  • Derive maximum likelihood estimators for the linear regression and for limited dependent variable models (e.g. probit for binary outcomes and Tobit for censored data);

  • Apply the likelihood ratio test to compare nested models;

  • Describe and apply the main concepts underlying stationary time series models;

  • Characterise the stationarity of an autoregressive moving-average (ARMA) process through the roots of lag polynomials;

  • Identify when an ARMA model for time-series data is appropriate, estimate the parameters and interpret the results;

  • Derive one-step-ahead and multiple-step-ahead forecasts and prediction intervals for an ARMA model;

  • Explain the difference between the short-run and long-run properties of a model, and how this may be relevant in deciding whether a model is suitable for any particular application;

  • Describe, in general terms, how to decide whether a model is suitable for any particular application;

  • Describe, in general terms, how to analyse the potential output from a model, and explain why this is relevant to the choice of model;

  • Carry out sensitivity and stress testing of assumptions and explain why this forms an important part of the modelling process;

  • Produce an audit trail enabling detailed checking and high-level scrutiny of model;

  • Explain the factors that must be considered when communicating the results following the application of a model and produce appropriate documentation;

  • Plan and execute a simple empirical research project and document the analysis and the research findings in a scientific paper.

Important information:

  • Lectures: Monday evening, 18.00 - 21.00.

  • Assessment: Written exam and take-home assignment.
     

Literature

Mandatory literature to be acquired by the student:

  • Introduction to Econometrics EMEA Edition, 1st Edition, Jeffrey M. Wooldridge, CENGAGE Learning, 2014. ISBN: 978-1-4080-9375-7 

Software:

  • For the assignments we will use the statistical programming language R (https://www.r-project.org/) and RStudio (https://www.rstudio.com/). It is expected that you have working installations of R and RStudio on your laptop before the start of the first lecture. Please contact the lecturer beforehand if you encounter installation issues.
     

Teacher

  • Jelmer Ypma

     

     

PrEMAS 4

CV

 

 

 

Jelmer Ypma studied both Econometrics and Artificial Intelligence at the University of Groningen. He holds a PhD in Economics from University College London, where he was a teaching assistant for different Econometrics courses. Jelmer is currently working within the financial sector and has several years of experience validating and developing models in the areas of quantitative risk management and pricing.

 

 
  •  
     

     

 

PrEMAS 4 - Econometrics and Academic Skills

Kosten module inclusief examen€ 3000
Kosten herexamen€ 200
Alle kosten zijn inclusief modulekosten, weblectures en toegang tot de digitale leeromgeving en het examen. De kosten zijn exclusief het aan te schaffen lesmateriaal, zie hiervoor het tabblad lesstof.

Voor een examen of herexamen dient u zich apart in te schrijven.

Deze prijzen gelden voor het studiejaar 2018-2019.

Op deze kosten zijn de Algemene Voorwaarden van het Actuarieel Instituut van toepassing.

Introduction to Econometrics
Jeffrey Wooldridge
EMEA Edition
Uitgever: Cengage Learning Emea, 1e druk, december 2013, ISBN: 9781408093757

Lesrooster
Geen rooster beschikbaar.
Examenrooster
titellocatiedatum
HERExamen PrEMAS 4 Econometrics and Academic SkillsJohan de Witt huis (Utrecht)04-07-2019
Examen PrEMAS 4 Econometrics and Academic SkillsJohan de Witt huis (Utrecht)04-07-2019