prof. UŁ, dr hab. Anna Staszewska-Bystrova
Konsultacje: czwartek 11.30-13.00
Pokój: E-222
Tel. 42-635 55 21
Email: anna.bystrova@uni.lodz.pl
CV
Education and Degrees Earned
Ph. D., Warsaw School of Economics, 2008
Ph. D. Program, Warsaw School of Economics, 2001-2004
M. A., Warsaw School of Economics, 2001
Positions Held
Assistant Professor (Adiunkt), University of Lodz, 2008-
Assistant, University of Lodz, 2004-2008
Research Fellow, University of Southampton, UK, 2002-2003
Lecturer, Higher School of Management (Wyższa Szkoła Menedżerska), Warsaw, 2001-2007
Lecturer, Skarbek Graduate School of Business Economics (Wyższa Szkoła Handlu i Finansów Międzynarodowych), Warsaw, 2000-2007
Assistant, Warsaw School of Economics, 2000-2001
Academic Prizes
Award of Foundation for Polish Science, START Programme, 2008
Award for the Best Paper presented at the 6th Ph. D. Workshop in Econometrics and Statistics (Warsztaty Doktorskie z zakresu Ekonometrii i Statystyki), Polana Zgorzelisko, 2006
Administrative Responsibilities
Scientific Program Committee Member of the First Workshop of the ERCIM Working Group on Computing & Statistics, Neuchâtel, Switzerland, 2008
Scientific Secretary for the 34th Macromodels International Conference, Raszyn, 2007
Scientific Secretary at the University of Lodz for the Marie Curie Research Training Network COMISEF, 2007-
Scientific Secretary for the 6th Ph. D. Workshop in Econometrics and Statistics (Warsztaty Doktorskie z zakresu Ekonometrii i Statystyki), Polana Zgorzelisko, 2005
Scientific Secretary for the Recruitment Commission, University of Lodz, 2005
Teaching
Econometric Theory
Forecasting
Quantitative Methods
Research Interests
VAR models
Cointegration
Impulse Response Analysis
Computational Methods in Econometrics
PUBLIKACJE
Artykuły
2020
współautorzy: D. GRABOWSKI, P. WINKER
Skewness-Adjusted Bootstrap Confidence Intervals and Confidence Bands for Impulse Response Functions
Opublikowano w: AStA Advances in Statistical Analysis, 2020, 104, 5-32
współautorzy: H. LÜTKEPOHL AND P. WINKER
Constructing Joint Confidence Bands for Impulse Response Functions of VAR Models - A review
Opublikowano w: Econometrics and Statistics, 2020, 13, 69-83
2018
współautorzy: H. LÜTKEPOHL AND P. WINKER
Calculating joint confidence bands for impulse response functions using highest density regions
Opublikowano w: Empirical Economics, 2018, 55, 4, 1389-1411
Refined Bonferroni prediction bands for autoregressive models
Opublikowano w: Przegląd Statystyczny, 2018, 65(2), 155-172
Monte Carlo Analysis of Forecast Error Variance Decompositions under Alternative Model Identification Schemes
Opublikowano w: Acta Universitatis Lodziensis. Folia Oeconomica, 2018, 5, 338, 115-131
współautorzy: H. LÜTKEPOHL AND P. WINKER
Estimation of structural impulse responses: short-run versus long-run identifying restrictions
Opublikowano w: AStA Advances in Statistical Analysis, 2018, 102, 2, 229-244
2017
współautorzy: D. GRABOWSKI AND P. WINKER
Generating prediction bands for path forecasts from SETAR models
Opublikowano w: Studies in Nonlinear Dynamics & Econometrics, 2017, 21,5
2016
współautorzy: P. WINKER
Improved Bootstrap Prediction Intervals for SETAR Models
Opublikowano w: Statistical Papers, 2016, 57, 1, 2016, 89-98
2015
współautorzy: H. LÜTKEPOHL AND P. WINKER
Confidence bands for impulse responses: Bonferroni versus Wald
Opublikowano w: Oxford Bulletin of Economics and Statistics, 2015, 77, 6, 2015, 800-821
współautorzy: T. HERMANOWSKI, V. BYSTROV, S.I. SZAFRANIEC-BURYŁO, D. RABCZENKO, K. KOLASA, E. ORLEWSKA
Analysis of trends in life expectancies and per capita GDP as well as pharmaceutical and non-pharmaceutical healthcare expenditures
Opublikowano w: Acta Poloniae Pharmaceutica. Drug Research, 2015, 72, 5, 2015, 1045-1050
współautorzy: V. BYSTROV, D. RUTKOWSKI, T. HERMANOWSKI
Effects of DRG-based hospital payment in Poland on treatment of patients with stroke
Opublikowano w: Health Policy, 2015, 119, 8, 2015, 1119-1125
współautorzy: H. LÜTKEPOHL AND P. WINKER
Comparison of Methods for Constructing Joint Confidence Bands for Impulse Response Functions
Opublikowano w: International Journal of Forecasting, 2015, 31, 3, 2015, 782-798
2014
współautorzy: P. WINKER
Measuring Forecast Uncertainty of Corporate Bond Spreads by Bonferroni-Type Prediction Bands
Opublikowano w: Central European Journal of Economic Modelling and Econometrics, 2014, 6, 2, 2014, 89-104
2013
Modified Scheffè’s Prediction Bands
Opublikowano w: Jahrbücher für Nationalökonomie und Statistik, 2013, 233/5+6, 2013, 680-690
współautorzy: P. WINKER
Constructing Narrowest Pathwise Bootstrap Prediction Bands Using Threshold Accepting
Opublikowano w: International Journal of Forecasting, 2013, 29, 2, 2013, 221-233
2011
Bootstrap Prediction Bands for Forecast Paths from Vector Autoregressive Models
Opublikowano w: Journal of Forecasting, 2011, 30, 8, 2011, 721-735
2010
współautorzy: V. BYSTROV
On the power of direct tests for rational expectations against the alternative of constant gain learning
Opublikowano w: Bank i Kredyt, 2010, 41, 6, 2010, 71-84
2009
Bootstrap Confidence Bands for VAR Forecast Paths
Opublikowano w: Proceedings of the 35th International Conference Macromodels 2008, 2009, 155-173
Wydawca: Łódź
2008
Using the bootstrap to make inferences about the shape of impulse response paths
Opublikowano w: Welfe A. (ed.), Metody Ilościowe w Naukach Ekonomicznych, Ósme Warsztaty Doktorskie z Zakresu Ekonometrii i Statystyki, 2008, 265-278
Wydawca: Oficyna Wydawnicza SGH, Warszawa
2007
Learning About the Shape of Impulse Response Functions
Opublikowano w: Proceedings of the 33rd International Conference Macromodels 2006, 2007, 235-245
Wydawca: Łódź
współautorzy: G. E. MIZON
Representing uncertainty about response paths: The use of heuristic optimization methods
Opublikowano w: Computational Statistics and Data Analysis, 2007, 52, 1, 2007, 121-132
współautorzy: G. E. MIZON
Conditional response analysis
Opublikowano w: Phillips G. D. A. and Tzavalis E. (eds), The Refinement of Econometric Estimation and Test Procedures, 2007, 347-367
Wydawca: Cambridge University Press, Cambridge
współautorzy: J. ALDRICH
The experiment in macroeconometrics
Opublikowano w: Journal of Economic Methodology, 2007, 14, 2, 2007, 143-167
2006
Confidence Bands for Impulse Response Paths
Opublikowano w: Proceedings of the 32nd International Conference Macromodels 2005, 2006, 155-167
Wydawca: Łódź
Impulse Response Analysis in Conditional Models: Wages, Prices and Productivity in Poland
Opublikowano w: Welfe A. (ed.), Metody Ilościowe w Naukach Ekonomicznych, Szóste Warsztaty Doktorskie z Zakresu Ekonometrii i Statystyki, 2006, 191-214
Wydawca: Oficyna Wydawnicza SGH, Warszawa
2005
Non-detectable structural change: non-estimable dynamics or tests without power?
Opublikowano w: Welfe A. (ed.), Metody Ilościowe w Naukach Ekonomicznych, Piąte Warsztaty Doktorskie z Zakresu Ekonometrii i Statystyki, 2005, 213-234
Wydawca: Oficyna Wydawnicza SGH, Warszawa
2004
Inference in VAR Modelling: Some Preliminaries
Opublikowano w: Proceedings of the 30th International Conference Macromodels 2003, 2004, 199-216
Wydawca: Łódź
Ksiązki
2009
Wektorowe modele autoregresyjne w analizie makroekonomicznych szeregów czasowych
ISBN 978-83-7285-413-1
Wydawca: Towarzystwo Naukowe Organizacji i Kierownictwa "Dom Organizatora", Toruń
Working papers
2018
współautorzy: H. LÜTKEPOHL AND P. WINKER
Constructing Joint Confidence Bands for Impulse Response Functions of VAR Models - A review
Opublikowano w: DIW Berlin Discussion Paper (also available as Lodz Economics Discussion Paper no. 4/2018), 2018, no. 1762
współautorzy: D. GRABOWSKI AND P. WINKER
Skewness-Adjusted Bootstrap Confidence Intervals and Confidence Bands for Impulse Response Functions
Opublikowano w: MAGKS Joint Discussion Paper Series in Economics (also available as Lodz Economics Discussion Paper no. 1/2018), 2018, no. 10-2018
2017
współautorzy: H. LÜTKEPOHL AND P. WINKER
Estimation of Structural Impulse Responses: Short-Run versus Long-Run Identifying Restrictions
Opublikowano w: DIW Berlin Discussion Paper, 2017, no. 1642
2016
współautorzy: H. LÜTKEPOHL AND P. WINKER
Calculating Joint Confidence Bands for Impulse Response Functions using Highest Density Regions
Opublikowano w: SFB 649 Discussion Paper (also available as MAGKS Joint Discussion Paper Series in Economics no. 16-2016 and DIW Berlin Discussion Paper no. 1564), 2016, no. 2016-017
2014
współautorzy: H. LÜTKEPOHL AND P. WINKER
Confidence Bands for Impulse Responses: Bonferroni versus Wald
Opublikowano w: DIW Berlin Discussion Paper (also available as SFB 649 Discussion Paper no. 2014-007 and CESifo Working Paper no. 4634), 2014, no. 1354
2013
współautorzy: H. LÜTKEPOHL AND P. WINKER
Comparison of Methods for Constructing Joint Confidence Bands for Impulse Response Functions
Opublikowano w: DIW Berlin Discussion Paper (also available as MAGKS MAGKS Joint Discussion Paper Series in Economics no. 25-2013 and SFB 649 Discussion Paper no. 2013-031), 2013, no. 1292
2006
współautorzy: J. ALDRICH
The experiment in macroeconometrics
Opublikowano w: Warsaw School of Economics, Department of Applied Econometrics Working Paper, 2006, no. 5-06
Inne
2015
współautorzy: M. MAJSTEREK, M. MALACZEWSKI, W. MILO, I. ŚWIECZEWSKA
Łódzka szkoła ekonometryczna. Instytut Ekonometrii
Opublikowano w: J. Grotowska-Leder, E. Kwiatkowski (eds), Szkoły naukowe i kierunki badań na Wydziale Ekonomiczno-Socjologicznym Uniwersytetu Łódzkiego. Tradycja i współczesność, 2015, 33-58
Wydawca: Wydawnictwo Uniwersytetu Łódzkiego, Łódź
2013
Sprawozdanie z konferencji "40th Anniversary Macromodels International Conference"
Opublikowano w: Przegląd Statystyczny, 2013, 60, 4, 2013, 561-563
METODY SYMULACJNE W EKONOMETRII
(UŁ, Ekonometria i analityka danych: II stopień)
dr hab. Anna Staszewska-Bystrova, prof. UŁ
2024/2025
Literatura obowiązkowa
1. P. Biecek, Przewodnik po pakiecie R, Oficyna Wydawnicza GiS, Wrocław 2017.
2. W. N. Venables, D. M. Smith, R Development Core Team, An introduction to R, 2023.
3. A. Welfe, Ekonometria, PWE, Warszawa 2018.
Literatura uzupełniająca
1. P. Biecek, Analiza danych z programem R, PWN, Warszawa 2013.
2. B. Efron, R. J. Tibshirani, An introduction to the bootstrap, Chapman & Hall, New York 1993.
3. M. Gilli, D. Maringer, E. Schumann, Numerical methods and optimization in finance, Academic Press 2019.
4. K. L. Judd, Numerical methods in economics, The MIT Press, Cambridge 2023.
5. G. S. Maddala, Ekonometria, PWN 2023.
6. C. P. Robert, G. Casella, Introducing Monte Carlo methods with R, Springer, New York 2010.
Program
1. Symulacja deterministyczna i stochastyczna.
2. Generatory liczb pseudolosowych, liczby pseudolosowe.
3. Metoda Monte Carlo.
4. Symulacja i analiza właściwości stacjonarnych i niestacjonarnych procesów stochastycznych.
5. Właściwości estymatorów: nieobciążoność, efektywność. Rozkład estymatora.
6. Właściwości testów statystycznych: moc, rozmiar.
7. Metoda bootstrap: testowanie hipotez, średnie błędy szacunku, przedziały ufności, prognoza przedziałowa.
Obowiązuje cały materiał, który obejmuje program w takim zakresie w jakim jest opisany w literaturze obowiązkowej oraz zagadnienia zrealizowane na zajęciach.
Dwie prace zaliczeniowe, obowiązkowe dla wszystkich słuchaczy odbędą się na siódmych i ostatnich zajęciach.
Zaliczeniowa praca poprawkowa odbędzie się 27 lutego 2025 roku, o godz. 9.00. Aby otrzymać ocenę pozytywną należy uzyskać co najmniej połowę wszystkich punktów.
PRZETWARZANIE DANYCH I ANALIZA EKONOMETRYCZNA W PAKIECIE R
(UŁ, Ekonometria i Analityka Danych: I stopień)
dr hab. Anna Staszewska-Bystrova
2024/2025
Literatura obowiązkowa
1. P. Biecek, Przewodnik po pakiecie R, Oficyna Wydawnicza GiS, Wrocław 2017.
2. W. N. Venables, D. M. Smith, R Development Core Team, An introduction to R, 2023.
3. A. Welfe, Ekonometria, PWE, Warszawa 2018.
Literatura uzupełniająca
1. P. Biecek, Analiza danych z programem R, PWN, Warszawa 2013.
2. C. Kleiber, A. Zeileis, Applied Econometrics with R, Springer 2008.
3. M. Rubaszek, Modelowanie polskiej gospodarki z pakietem R, Oficyna Wydawnicza SGH, Warszawa 2012.
Program
1. Podstawy składni języka programowania R. Operacje na różnych typach zmiennych.
2. Elementy programowania: instrukcje warunkowe i pętle, tworzenie funkcji.
3. Szeregi przekrojowe, czasowe i przekrojowo-czasowe. Statystyki opisowe. Podstawowe wykresy.
4. Analiza regresji. Metoda najmniejszych kwadratów: estymacja punktowa i przedziałowa, testy diagnostyczne,
miary zgodności, testowanie hipotez.
Modele ze zmiennymi zero-jedynkowymi.
Uogólniona metoda najmniejszych kwadratów.
Prognoza z modelu regresji liniowej.
5. Generowanie liczb pseudolosowych dla rozkładów ciągłych i dyskretnych.
6. Metoda Monte Carlo. Szacowanie prawdopodobieństw.
7. Wykorzystanie danych z Google Trends.
8. Analiza danych tekstowych.
Obowiązuje cały materiał, który obejmuje program w takim zakresie w jakim jest opisany w literaturze obowiązkowej oraz zagadnienia zrealizowane na zajęciach.
Dwie prace zaliczeniowe, obowiązkowe dla wszystkich słuchaczy odbędą się na siódmych i ostatnich zajęciach.
Zaliczeniowa praca poprawkowa odbędzie się 27 lutego 2025 roku, o godz. 9.00. Aby otrzymać ocenę pozytywną należy uzyskać co najmniej połowę wszystkich punktów.
SEMINARIUM MAGISTERSKIE
(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:
- Procesy inflacyjne w Polsce i gospodarkach europejskich. Krzywa Phillipsa.
- Kurs walutowy a procesy inflacyjne: analiza efektu ‘pass-through’.
- Kursy walutowe równowagi. Ryzyko kryzysu walutowego w ramach mechanizmu ERM2
- Polityka monetarna i fiskalna w okresie poprzedzającym przystąpienie do ERM2.
- Reguły decyzyjne w bankach centralnych.
- Determinanty stóp procentowych. Stopy procentowe równowagi.
- Determinanty podaży – funkcja produkcji i produktywność czynników produkcji.
- Modelowanie i prognozowanie popytu. Kompletne modele popytu.
- Handel zagraniczny. Bilans płatniczy. Przepływy kapitałów długo- i krótkoterminowych.
- Procesy finansowe i ich modelowanie na podstawie danych wysokiej częstotliwości.
- Badanie efektywności rynków.
- Analiza oczekiwań (racjonalne, adaptacyjne).
- Innowacyjność gospodarek a ich rozwój.
- Modelowanie rynku pracy.
- Heurystyczne metody optymalizacji w ekonometrii.
- Ekonometryczna analiza wyników sportowych.
- Prognozowanie procesów gospodarczych i finansowych – metody i aplikacje.
- Modelowanie rynku usług medycznych.
- Rynek usług wspólnych – determinanty rozwoju.
- Prognozowanie zachowania podmiotów ekonomicznych (przedsiębiorstw).
W ostatnich latach obronione zostały następujące prace magisterskie:
- Przenoszenie zmian kursu walutowego na inflację cen krajowych (*)
- Zastosowanie metody kointegracji do modelu P-Star.
- Analiza kointegracyjna modeli z zaburzeniami struktury na przykładzie modelu handlu zagranicznego Polski.
- Szacowanie stopy NAIRU/NAWRU dla gospodarki polskiej przy wykorzystaniu wielowymiarowej analizy kointegracyjnej.
- Nowoczesne modele kwantyfikacji ryzyka portfela kredytowego.
- Analiza transmisji polityki monetarnej w Polsce.
- Modelowanie inflacji w Polsce za pomocą modeli klasy ARCH.
- Inflacja – ujęcie monetarystyczne i kosztowe.
- Analiza kursu walutowego euro – dolar amerykański z uwzględnieniem przepływów kapitałowych.
- Budżet państwa w okresie transformacji.
- Zastosowanie liniowego modelu wydatków do analizy popytu konsumpcyjnego w Polsce
- Progowy model korekty błędem.
- Test hipotezy wspólnego potwierdzenia integracji.
(*) Praca wyróżniona w VII edycji Konkursu o Nagrodę Prezesa NBP za najlepszą pracę magisterską w 2014 roku