Statistical Information System

Demography II

Research Methodology and Internship Preparation

Decision Theory

Database and Big-Data

Programming and Scientific Computing V Advanced R and Python

This course develops advanced skills in econometric and statistical modeling using Python and R. Students will gain hands-on experience with Monte Carlo simulation, machine learning, nonlinear models, and simulation-based estimation techniques. The course emphasizes practical programming implementation, especially for topics such as Markov Chain Monte Carlo (MCMC) OLS, fixed and robust OLS estimators, probit/logit regressions, artificial neural networks (ANN), and instrumental variable regression (IVREG). By the end, students will be able to design, estimate, and evaluate advanced models on real data using scientific computing tools.

📂 Mind Roadmap (Simple)

Python Modules

MCMC OLS

Fixed OLS corrections

Probit/Logit models

R Modules

ANN Modeling

Simulation Estimators

IV Regression

Dynamic Macroeconomics

Ce cours explore les principes fondamentaux et les outils analytiques de la macroéconomie dynamique, en mettant l'accent sur l'étude des phénomènes économiques dans le temps. Il couvre les modèles théoriques et empiriques utilisés pour analyser la croissance économique, les cycles économiques, les politiques budgétaires et monétaires, ainsi que les interactions entre les agents économiques dans un cadre intertemporel.

Les principaux thèmes abordés incluent :

Les bases de l'analyse dynamique : théorie des choix intertemporels, contraintes budgétaires, et optimisation dynamique.
Les modèles de croissance économique : modèles de Solow, Ramsey-Cass-Koopmans, et croissance endogène.
Les fluctuations économiques : modèles DGE (Dynamic General Equilibrium).
Applications empiriques et calibration des modèles macroéconomiques.

Strategic Watch and Economic Intelligence