Econometria financiera woold gridge

Solo disponible en BuenasTareas
  • Páginas : 9 (2143 palabras )
  • Descarga(s) : 0
  • Publicado : 25 de noviembre de 2010
Leer documento completo
Vista previa del texto
Econometría Financiera II Doctorado en Banca y Finanzas Cuantitativas - BQF Profesores: Ainhoa Zárraga ainhoa.zarraga@ehu.es Alfonso Novales anovales@ccee.ucm.es Despacho: Pabellón prefabricado, N-126. Curso 2010 - 2011
Bibliografia: Texto recomendado:  Tsay, R. S., 2005, Analysis of Financial Time Series, Wiley Series in Probability and Statistics, Ed. John Wiley and Sons Textoscomplementarios:  Campbell, Lo, McKinley, 1997, The Econometrics of Financial Markets, Princeton U. Press  Gourieroux, C. Y J. Jasiak, 2001, Financial Econometrics, Princeton University Press Textos de Econometría:  *Green, 2003, Econometric Analysis, 5rd edition.  *Novales, 1993, Econometría.  *Novales, 1996, Estadística y Econometría.  *Wooldridge, 2006, Introductory Econometrics, 3rd. ed.  Johnston yDinardo, 2001, Econometric Methods.  Davidson y McKinnnon, Estimation and Inference in Econometrics, Oxford U. Press  Traducidos Software:  Librería de rutinas estadísticas y econométricas para MATLAB, de LeSage

Tema 1.- Procesos estocásticos. Estacionariedad. Modelos ARMA (4 horas teóricas, 3 horas prácticas) 1. Características estadísticas de las rentabilidades financieras 2. Procesosestocásticos. Estacionariedad y ergodicidad 3. Metodología Box Jenkins a. modelos autorregresivos b. distribución incondicional versus distribución condicional: el caso del proceso AR(1) c. modelos de medias móviles d. modelos ARMA e. Simulaciones de los principales procesos ARMA 4. Características estadísticas de los procesos estacionarios 5. Modelos no estacionarios y diferenciación. 6. Contrastesde raíz unitaria. 7. Regresión espúrea 8. Cointegración. Contraste de cointegración de mínimos cuadrados (Engle-Granger)

Nivel de referencia:
    Green, capítulos 17 y 18 en la 3 edición, capítulos 20 y 21 en la 6 edición (en inglés) Tsay, R. S., capítulo 2 Novales, capítulo 13 (Series temporales univariantes), capítulo 14 (Regresión con variables no estacionarias). Mauricio, A.,Univariantes JAM. Presentación Power Point

 Novales, A., ARIMA ANC. Presentación Power Point Lecturas complementarias:
o o o o o Introduction to Economic Growth, de Novales, Fernández y Ruiz Hamilton, capítulos 3,4, y 15 a 19. Johnston y DiNardo: capítulos 7 (ARIMA), 8 (Regresión dinámica) y 9 (VAR). Davidson y MacKinnon, 2004, capítulo 19 y 20. Aznar, A. y F. Trívez, (1993), Métodos de predicción eneconomía, vol II. Análisis de series temporales, Ed. Ariel Economía, capítulos 7 a 11.

Aplicaciones: o Enders y Granger (JBES 1998) Unit Root Tests and Asymetric Adjustment with an example using the term structure of Interest Rates. o Enders y Siklos (JBES 2001) Cointegration and Threshold adjustment. (sigue con el ejemplo de Interest Rates) Tema 2. La aplicación práctica de métodoseconométricos básicos: una valoración 1. Simulación. Validación de estadísticos de contraste. Generación de distribuciones de estimadores. 2. Hipótesis que justifican las propiedades de los principales estimadores. 3. Interpretación de coeficientes estimados 4. Significación estadística y relevancia cuantitativa de una variable explicativa 5. Tratamiento de la multicolinealidad 6. Contrastación de hipótesis.Métodos alternativos de resolución. Función de potencia de un contraste. Enfoques alternativos de la contrastación de hipótesis: Tests de Wald, test de razón de verosimilitudes, multiplicadores de Lagrange [G4.9], [J5.3]. 7. Regresión particionada [G6.4.3]. El tiempo como regresor [J2.1] 8. Estabilidad paramétrica [J4.3], [Green cap7] 9. Contrastes no paramétricos [Novales cap12] 10. Contrastes deNormalidad 11. Ordenes probabilísticos [G.p.114] 12. Teoría asintótica. Criterios de convergencia. Límite en probabilidad. Teorema central del límite. Tema 3.- Modelos no lineales Algoritmos numéricos y estimación 1. Aproximación lineal 2. Estimación por mínimos cuadrados no lineales. 3. La estimación de modelos econométricos como solución a un problema de optimización 4. Algoritmos de...
tracking img